Turismo interno - Fin de semana en Moca

A continuación presento un resumen en vídeo de la visita realizada por mi hacia otro compañero del Máster de Tecnología (José Luis Quezada).    

Haciendo turismo interno en una de las provincias más bellas y productivas de República Dominicana.

Vídeo realizado en Youtube utilizando la opción: presentación de diapositivas de fotos.

El HTML y como ha cambiado nuestras vidas desde su creación

Me imagino  que cuando  Tim Berners-Lee, creo el  HTML en los años 90, y por ende del ciberespacio no se imagino que ahora todo giraría en torno al hipertexto y su lenguaje.

Hoy día  la mayoría  de los recursos digitales y multimedia, están en la Internet y su lenguaje para  compartir es el HTML.

Algunas ventajas del html para edición de documentos multimedia.

• Esel formato general del Internet para distribuir contenido en él
• Es capaz de incrustar otros formatos dentro del texto (imagen, sonido, vídeo, y otros)
• Es muy versátil, pues permite que otros lenguajes lo utilicen para publicar en Internet, es decir para Internet se permiten otros lenguajes pero deben traducir sus comandos a etiquetas HTML. Lo que permite que se pueda ampliar las capacidades del HTML.
• El formato de las etiquetas HTML permite formato del Texto.

Presentación

Comenzando a medir el eLearning

Presentación del por el profesor Eneko Tejada (@EnekoTejada), sobre el eLearning.

Mi otro blog

En este blog estaré colocando mis posts relacionados al quehacer en la Maestría de Tecnología, Aprendizaje y Educación que curso y los entradas relativas a Tecnología y/o Educación las podrán ver en mi otro blog:  http://madelyndelrosario.com/

T3 - Relación Grupo y Sexo en los grupos de Google Apps y Moodle

Desgloso a continuación la solución de mi tarea evaluable T3, en donde se pide:

I. Reflexión sobre la relación entre las variables: calificación, grupo y sexo

Observé que no existe una diferencia significativa en las calificaciones en los grupos de Moodle y Google Apps y en los sexos.

II. Gráfica de Interacción

1. Primero se procede a cargar los datos del archivo #3, como es una archivo csv, delimitado por punto y coma (;), procedemos a importarlo desde el menú datos en la opción importar archivo de texto.
2. Filtramos la tabla con las cabeceras grupo y sexo desde el menú de datos de excel.
3. Aplicamos la formula sobre el filtro =SUBTOTALES(1;C2:C41), la que nos permite  según el filtro saber el promedio de los datos.
4. Creamos a partir de los filtros las tablas y los  gráficos de interacción.

1.1 Gráfico de Interacción:  Sexo - Grupo

1.2 Gráfico de Interacción:  Grupo - Sexo

1.3 Gráfico Media Notas por Sexo

1.4 Gráfico Media Notas por Grupo

• Análisis:  Observando la gráfica de interacción (1.2) se nota que los del sexo masculino obtienen mejor calificación si usan Google Apps, a diferencia de los que que usaron Moodle. Sin embargo el resultado obtenido por el sexo femenino es muy cercano en ambas plataformas.

III. Análisis en R-Studio de significado estadístico entre las calificaciones según grupo y sexo

1.5 Tablas creadas en R, a partir del archivo

Carga de datos:

• dataYear3 <- read.csv("~/Downloads/Notas-2grupos-v3.csv", sep=";")

Filtrado:

• dataYear3GoogleApps <- subset(dataYear3,grupo=="Google Apps"), creación de la tabla del grupo Google Apps.
• dataYear3Moodle <- subset(dataYear3,grupo=="Moodle"), tabla correspondiente al grupo de Moodle.
• dataYear3F <- subset(dataYear3,sexo=="F"), tabla correspondiente al sexo femenino
• dataYear3M <- subset(dataYear3,sexo=="M"), creación de la tabla del sexo masculino.

Análisis:

Variable sexo

Al aplicar el comando t.test, para el sexo, los resultados son idénticos, por lo que podemos afirmar que el sexo no constituye una diferencia estadística significativa para las calificaciones de los estudiantes.

1.6 Gráfica con comando t.test aplicado al Sexo y  su resultado 

Variable grupo

Aplicado entonces para la variable grupo, el comando t.test y nos indica que los estudiantes que utilizaron Google Apps, obtuvieron mejor calificación que los que usaron Moodle.  Los de Google Apps obtuvieron 2 puntos (en base a 10) por encima del grupo de Moodle.

1.7 Gráfica con comando t.test aplicado al grupo y  su resultado 

IV.Análisis de la función aov() de R, de la interacción estadística entre las variables grupo y sexo

Al realizar el comando aov() con los datos del archivo, se verifica que existe una interacción estadísticamente significativa para las variables grupo y sexo con relación a la calificación ver gráfico 1.8.    

1.8 Gráfica con comando aov() en las variables grupo y sexo y  su resultado 

Esto se observa con el valor obtenido presente en el Pr(>F) 7.74e-05, es decir 0.0000774 (0.0074%), que representa un valor muy por debajo del 5%.

Por último, utilizando el comando attach(), el cual me permitió asignar los datos de tabla general (dataYear3), y luego usarlos para graficar con el  comando interaction.plot, ver gráfico 1.9.

Comandos aplicados:    attach(dataYear3)  y luego interaction.plot(grupo, sexo, nota)

Que generaron el gráfico de interacción:

1.9 Gráfica de interacción generada en R, a partir del comando interaction.plot

Documentos consultados:

• Gráficos de interacción 
• R para principiantes

T2 - Comparando Moodle y Google Apps como entorno de aprendizaje

A continuación esbozo mi análisis y desarrollo de la tarea evaluable T2, para la maestría en tecnología, educación y aprendizaje.

• Objetivo: analizar para cada uno de los años, si existen diferencias estadísticamente significativas entre las calificaciones de ambos grupos.

Carga de Datos:

• Para el primer archivo: dataYear1 <- read.csv("~/Downloads/Notas-2grupos-v1.csv", sep=""), el cual arrojó un resultado 40 filas de alumnos que usaron Moodle y Google Apps como entorno de aprendizaje.

• Para el segundo archivo:  dataYear2 <- read.csv("~/Downloads/Notas-2grupos-v2.csv", sep="#"), con datos del segundo año a analizar, nos arrojó 40 filas con alumnos que usaron Moodle y Google Apps como entorno de aprendizaje.  En éste parte fue necesario escribir el mandato directamente en la línea de comandos, pues R-Studio solo permite importar con los separadores (whitespace, semicolon, comma o tab). Ver gráfico 1.1.

1.1 Gráfico con las tablas Generadas en R de los archivos 1 y 2

Creación de Tablas por entorno de Aprendizaje:

• Creación de tabla dataYear1Moodle, con los estudiantes del grupo #1 que usaron Moodle. dataYear1Moodle <- subset(dataYear1,grupo=="Moodle"), con 20 filas resultantes.

• Se crea la tabla dataYear1GoogleApps con los estudiantes del grupo #1 que usaron Google Apps dataYear1GoogleApps <- subset(dataYear1,grupo=="Google Apps"), con un resultado de 20 filas. Ver gráfico 1.2.
• Se repite el proceso anterior para la segundo año creando la tablas: dataYear2Moodle y dataYear2GoogleApps con 20 filas c/u. Ver gráfico 1.3.

1.2 Gráfica con los tablas filtradas del archivo 1 y los comandos que la generaron

1.3 Gráfica con los tablas filtradas del archivo 2 y los comandos que la generaron

Análisis de diferencias en los años 1 y 2 con el uso de Moodle y Google Apps

Primer Año

1.4 Gráfica  con el comando y resultado del comando with() del año 1

Para el primer  año encontramos  una diferencia 1 punto (en base a 10),  para comando si es significativa esa diferencia de aplicamos el comando:  t.test(dataYear1Moodle$nota, dataYear1GoogleApps$nota) y nos arrojó: un p-value de 0.00742, para un 0.74% lo que se nos deja afirmar que para el primer años los alumnos que utilizaron el entorno de Google Apps obtuvieron mejores notas. Ver gráfico 1.4 y 1.5.

1.5 Gráfica con el comando t.test al grupo del Año 1

Segundo Año

1.6 Gráfica con el comando with() al grupo del Año 2

En el segundo año la diferencia no parece ser significativa, le aplicamos el comando  t.test(dataYear2Moodle$nota, dataYear2GoogleApps$nota), el cual nos arroja una p-value de 0.08832, un 88% que al ser mayor del 5% nos indica que para el segundo año no hay diferencia estadísticamente significativas en las calificaciones, entre los estudiantes de los grupos de Moodle y Google Apps. Ver gráfico 1.6 y 1.7

.

1.7 Gráfica con el comando t.test al grupo del Año 2

Conclusiones:

Aunque para el primer y segundo año los estudiantes con Google Apps obtuvieron mejores calificaciones que los de Moodle (ver gráfico , en el segundo no se evidenció una diferencia estadísticamente significativa, por lo que comparando ambos años no se puede afirmar que Google Apps ayudó a mejorar las calificaciones de los estudiantes.