Big data representa un gran desafío para la enseñanza en ciencias económicas debido a los altos costos de innovación pedagógica y la necesidad de formar estudiantes a largo plazo más que entrenarlos en tecnologías específicas. La enseñanza actual de matemáticas y estadísticas se centra en enfoques clásicos y es necesaria una revisión para incorporar temas como matemática discreta, optimización, cálculo numérico y el uso de herramientas computacionales para el análisis
Una propuesta para refundar la enseñanza de la computación en las escuelas ar...Gustavo Damián Cucuzza
"El objetivo de este informe es instalar el debate en la comunidad científica y educativa del país sobre la necesidad de realizar cambios de fondo en la enseñanza en escuelas primaras y secundarias de varios temas relacionados con la computación, convencidos de que son un elemento clave para que nuestro país pueda aprovechar las enormes oportunidades que brindan estas tecnologías." http://www.fundacionsadosky.org.ar
Una propuesta para refundar la enseñanza de la computación en las escuelas ar...Gustavo Damián Cucuzza
"El objetivo de este informe es instalar el debate en la comunidad científica y educativa del país sobre la necesidad de realizar cambios de fondo en la enseñanza en escuelas primaras y secundarias de varios temas relacionados con la computación, convencidos de que son un elemento clave para que nuestro país pueda aprovechar las enormes oportunidades que brindan estas tecnologías." http://www.fundacionsadosky.org.ar
AUTOR: ING. RAÚL TALÁN RAMÍREZ
Ingeniero en Comunicaciones Eléctricas y Electrónica, Maestro en Computación, Maestro en Ciencias en Ingeniería Eléctrica y Doctor en Filosofía en Ingeniería.
Fecha: 1984-08-02
Como aplicar las tic en el aprendizaje de las 55114proyecto2013cpe
El aprendizaje de las tablas de multiplicar se ha convertido en un reto para todo niño en su quehacer educativo y de esta forma puede resultar monótono y aburrido ya que de alguna manera se basa en la memorización, de otra forma es abstracto y exige la práctica continua para apropiarse de dicho conocimiento.
Hacia la construcción de un índice para la implementación de tecnología educa...Alexandro Escudero-Nahón
Resumen La educación y la cultura digital son temas relevantes para la academia, porque la tecnología digital ha transformado todos los ámbitos cotidianos, sobre todo la educación. Sin embargo, ambos temas son particularmente relevantes para las universidades, porque tienen la responsabilidad de sistematizar la manera como se implementa la tecnología educativa digital con el objetivo de promover las competencias digitales entre sus estudiantes. Este texto propone un método para planear la selección, el uso y el desarrollo de tecnología educativa. Consta de tres etapas: adaptación de modelos, valoración de dimensiones y generación del índice. El método es flexible porque puede aplicarse como estudio de caso en cualquier institución, aplicando un enfoque cualitativo. Se presentan los resultados de su aplicación inicial en la Universidad Autónoma de Querétaro. El principal hallazgo hasta ahora radica en el hecho de que no existe abundante investigación sobre la implementación de tecnología educativa, que apoye una estrategia de planeación en las instituciones de educación superior. Este método aporta un constructo que apoya a las instituciones con respecto de la implementación de tecnología educativa para promover las competencias digitales de sus estudiantes y así promover la transición a una economía del conocimiento.
Hacia la construcción de un índice para la implementación de tecnología educa...Alexandro Escudero-Nahón
La educación y la cultura digital son temas relevantes para la academia, porque la tecnología digital ha transformado todos los ámbitos cotidianos, sobre todo la educación. Sin embargo, ambos temas son particularmente relevantes para las universidades, porque tienen la responsabilidad de sistematizar la manera como se implementa la tecnología educativa digital con el objetivo de promover las competencias digitales entre sus estudiantes. Este texto propone un método para planear la selección, el uso y el desarrollo de tecnología educativa. Consta de tres etapas: adaptación de modelos, valoración de dimensiones y generación del índice.El método es flexible porque puede aplicarse como estudio de caso en cualquier institución, aplicando un enfoque cualitativo. Se presentan los resultados de su aplicación inicial en la Universidad Autónoma de Querétaro. El principal hallazgo hasta ahora radica en el hecho de que no existe abundante investigación sobre la implementación de tecnología educativa, que apoye una estrategia de planeación en las instituciones de educación superior. Este método aporta un constructo que apoya a las instituciones con respecto de la implementación de tecnología educativa para promover las competencias digitales de sus estudiantes y así promover la transición a una economía del conocimiento.
AUTOR: ING. RAÚL TALÁN RAMÍREZ
Ingeniero en Comunicaciones Eléctricas y Electrónica, Maestro en Computación, Maestro en Ciencias en Ingeniería Eléctrica y Doctor en Filosofía en Ingeniería.
Fecha: 1984-08-02
Como aplicar las tic en el aprendizaje de las 55114proyecto2013cpe
El aprendizaje de las tablas de multiplicar se ha convertido en un reto para todo niño en su quehacer educativo y de esta forma puede resultar monótono y aburrido ya que de alguna manera se basa en la memorización, de otra forma es abstracto y exige la práctica continua para apropiarse de dicho conocimiento.
Hacia la construcción de un índice para la implementación de tecnología educa...Alexandro Escudero-Nahón
Resumen La educación y la cultura digital son temas relevantes para la academia, porque la tecnología digital ha transformado todos los ámbitos cotidianos, sobre todo la educación. Sin embargo, ambos temas son particularmente relevantes para las universidades, porque tienen la responsabilidad de sistematizar la manera como se implementa la tecnología educativa digital con el objetivo de promover las competencias digitales entre sus estudiantes. Este texto propone un método para planear la selección, el uso y el desarrollo de tecnología educativa. Consta de tres etapas: adaptación de modelos, valoración de dimensiones y generación del índice. El método es flexible porque puede aplicarse como estudio de caso en cualquier institución, aplicando un enfoque cualitativo. Se presentan los resultados de su aplicación inicial en la Universidad Autónoma de Querétaro. El principal hallazgo hasta ahora radica en el hecho de que no existe abundante investigación sobre la implementación de tecnología educativa, que apoye una estrategia de planeación en las instituciones de educación superior. Este método aporta un constructo que apoya a las instituciones con respecto de la implementación de tecnología educativa para promover las competencias digitales de sus estudiantes y así promover la transición a una economía del conocimiento.
Hacia la construcción de un índice para la implementación de tecnología educa...Alexandro Escudero-Nahón
La educación y la cultura digital son temas relevantes para la academia, porque la tecnología digital ha transformado todos los ámbitos cotidianos, sobre todo la educación. Sin embargo, ambos temas son particularmente relevantes para las universidades, porque tienen la responsabilidad de sistematizar la manera como se implementa la tecnología educativa digital con el objetivo de promover las competencias digitales entre sus estudiantes. Este texto propone un método para planear la selección, el uso y el desarrollo de tecnología educativa. Consta de tres etapas: adaptación de modelos, valoración de dimensiones y generación del índice.El método es flexible porque puede aplicarse como estudio de caso en cualquier institución, aplicando un enfoque cualitativo. Se presentan los resultados de su aplicación inicial en la Universidad Autónoma de Querétaro. El principal hallazgo hasta ahora radica en el hecho de que no existe abundante investigación sobre la implementación de tecnología educativa, que apoye una estrategia de planeación en las instituciones de educación superior. Este método aporta un constructo que apoya a las instituciones con respecto de la implementación de tecnología educativa para promover las competencias digitales de sus estudiantes y así promover la transición a una economía del conocimiento.
1. 8 Facultad de Ciencias Económicas / UNLP
Bigdata
desafíosparaladocencia
encienciaseconómicas
Cualquiera que haya pasado más de un par de décadas
en el ambiente académico, es capaz de enumerar
tecnologías que en su momento fueron anunciadas como
renovadoras y definitivas para luego, ser condenadas a un
prematuro ostracismo. Asimismo, toda idea o tecnología
actual en su momento, fue disruptiva. En este marco,
adherir al fenómeno de big data por el mero hecho de
que está de moda, es tan necio como negarse a hacerlo
por la misma razón. Cuánto aprovechar de la denominada
revolución de big data, es un enorme desafío para todas
las áreas del saber.
El desafío que big data plantea a la docencia universitaria
es aún mayor, a la luz de los elevados costos de innovación
pedagógica y, fundamentalmente, de la naturaleza
genérica de la formación superior, que prioriza formación
de largo plazo por sobre el entrenamiento en cuestiones
cortoplacistas.
El fenómeno de big data se refiere a la masiva e inmediata
disponibilidad de datos provenientes de la interacción
espontánea con dispositivos interconectados, como
teléfonos celulares, dispositivos de GPS o computadoras,
Por: Walter Sosa Escudero
Profesor Titular de Econometría I
Universidad Nacional de La Plata
2. 9
DOcentes
capaces de generar un volumen de información antes
impensado y en tiempo prácticamente virtual. Afín a la
idea de big data es la noción de aprendizaje automático,
entendido como un conjunto de técnicas computacionales
y estadísticas que más que estimar modelos (como en la
estadística clásica) los construyen y adaptan a la luz de la
información existente y venidera.
Entonces, confluyen en big data muchas disciplinas
clásicas e históricamente relacionadas al análisis de datos
como la Matemática, la Estadística, y también todas las
ciencias que usan datos, desde la Física a la Lingüística. Así
y todo, el campo de juego del aprendizaje automático es
fundamentalmente el de la computación.
Si bien las disciplinas asociadas a las carreras de Ciencias
Económicas poseen una currícula amplia en cuestiones
matemáticas, la misma está orientada a una visión clásica,
que enfatiza el cálculo diferencial e integral y el álgebra.
La formación estadística también hereda una tendencia
de más de un siglo, focalizada en el paradigma clásico de
la disciplina, apuntado a ideas como la de estimación o
test de hipótesis.
En relación a la Matemática, la currícula actual se ve
fuertemente influenciada por la naturaleza marginalista
de la economía del siglo XX y la matemática financiera,
también arraigada en la tradición diferencial. Por otro
lado, la formación algebraica es en general operativa,
destinada a proveer herramientas para resolver
cuestiones concretas, como hallar soluciones a sistemas
de ecuaciones lineales.
La enseñanza de la estadística también obedece una
tradición clásica,basada fundamentalmenteenel enfoque
frecuentista, en donde el paradigma dominante es estimar
magnitudes desconocidas de un modelo provisto por una
teoría o conjetura, siempre ex ante y desde afuera de
la propia estadística. Es decir, la Estadística clásica está
subsumida al rol de estimar o evaluar conjeturas acerca
de una estructura (modelo) provista por la disciplina que
la convoca y no por ella misma. Se agrega a la cuestión
el hecho de que el paradigma clásico de la estadística,
maximiza sus esfuerzos a fines de extraer la mayor
cantidad de información confiable de unos pocos datos,
afines a las limitaciones que esta disciplina enfrentó
durante la mayor parte del siglo XX. A efectos de resaltar
este punto, es sólo cuestión de recordar que la famosa
tabla de la distribución “t” de Student se detiene en sólo
30 observaciones, una cifra insignificante a la luz del
virtual diluvio de datos de la actualidad.
Son varios los cambios que la lógica de big data y el
aprendizaje automático plantean a esta visión tradicional
de la Matemática y la Estadística. En primer lugar, y a
diferencia de la estadística clásica, los masivos datos de
big data son no estructurados, es decir, no provienen de
ningún plan sistemático de recolección (como los datos
provenientes de una muestra o un experimento) sino
que lo hacen desde el uso esporádico y anárquico de
dispositivos. En este contexto, el rol de la programación
es crucial, en particular en lo que se refiere a la tarea de
recolección y sistematización de datos.
En segundo lugar, la naturaleza predictiva e inductiva de
big data sugiere que hay enormes ventajas por construir
“aprender” modelos, por sobre limitarse a tomarlos como
dados por las disciplinas que los convocan. El aprendizaje
automático demanda entonces, una tarea interactiva
entre la construcción del modelo y su estimación
tradicionalmente disociadas en el enfoque clásico.
En tercer lugar, la naturaleza iterativa del proceso de
construcción y estimación de modelos, requiere técnicas
matemáticas y estadísticas flexibles que puedan interactuar
activamente con la programación, tanto en el proceso de
sistematización de datos como en el de análisis.
Finalmente, las interacciones multidisciplinarias propias
de la dinámica de big data, reclaman un considerable
esfuerzo de comunicación de modo que las complejidades
técnicas de la ciencia de datos moderna, sean aceptadas
por el público general que las demanda.
A la luz de estas consideraciones, la formación formal de
los profesionales de Ciencias Económicas es muy limitada.
Serequiereunarevisiónhonestaysistemáticaquepermita
enfrentar estos nuevos desafíos. En lo que respecta a la
Matemática, es crucial incorporar la idea de que la visión
marginalista de la que se deriva el énfasis en cuestiones de
cálculo, cubre sólo una parte de las demandas actuales.
Algunos elementos de matemática discreta, optimización
o cálculo numérico, pueden contribuir notablemente a
enfrentar estos desafíos.
Nº
15
I
Año
8
I
Diciembre
2017
•
Revista
ECONO
I
FCE
I
UNLP
3. 10 Facultad de Ciencias Económicas / UNLP
Los cambios más profundos deberían afectar a la
enseñanza de la Estadística. Es impensable que un
profesional de Ciencias Económicas no tenga un
manejo fluido de bases de datos de gran tamaño, que
no domine herramientas básicas computacionales
como R o Python, por sobre el Excel u otros
“enlatados” orientados a la vieja visión, en la cual,
los datos cumplen un rol pasivo en el proceso de
estimación de parámetros desconocidos de un
modelo. La interacción con datos y problemas reales
debería ocupar un espacio fundamental.
Las cuestiones computacionales son cruciales por tres
razones: en primer lugar, las habilidades algorítmicas
permiten al estudiante adaptar rápidamente
cualquier herramienta analítica a su contexto actual;
en segundo lugar, el razonamiento algorítmico
demanda una secuencialidad relevante a cualquier
proceso ordenado, es decir, demanda una separación
entre datos, reglas, procesos y resultados cuyo rédito
formativo va mucho más allá de lo modelístico y se
extiende a todo el espectro de la formación de un
profesional de Ciencias Económicas; finalmente y
en tercer lugar, lo computacional tiene un fuerte
componente motivador al enfrentar al alumno
a problemas concretos de su profesión, dando
contenido a las abstracciones que sobreabundan en
los cursos tradicionales.
También las cuestiones comunicacionales son
cruciales en lo que respecta al análisis de datos
modernos. Es fundamental que los estudiantes
se enfrenten a algunas técnicas elementales de
visualización de datos, y a la relevancia de diseñar
presentaciones profesionales, tanto en lo visual como
en lo oral y escrito.
En síntesis, la revolución de big data plantea una
excelente oportunidad para revisar seriamente
la formación de los profesionales de Ciencias
Económicas, siempre priorizando la educación de
largo plazo por el mero entrenamiento en tecnologías
de moda. El auténtico desafío, es tomar de big data
sus componentes de largo plazo, en particular, lo que
se refiere a las interacciones entre lo computacional,
la estadística, la matemática y lo comunicacional,
sorprendentemente poco integradas en la formación
curricular actual de nuestros profesionales.