Cómo fue que surgió lo que llamamos Big Data.
Varias perspectivas sobre qué es Data Science.
Qué estudia exactamente la Ciencia de Datos.
Introducción al Arte de la Ciencia de Datos.
El análisis de los datos recopilados se refiere al proceso de examinar, organizar e interpretar los datos recopilados durante la investigación o la recopilación de datos. Implica el uso de diversas técnicas estadísticas y analíticas para extraer información significativa, identificar patrones, probar hipótesis y sacar conclusiones.
Cada vez usamos más las redes sociales.
Forman parte del día a día de nuestros alumnos, están familiarizados con ellas, las conocen, saben cómo sacarles partido, las ventajas e inconvenientes de cada una de ellas.
La idea de este proyecto es elegir 5 de estas redes y analizarlas en detalle, viendo qué uso se hace de cada una, qué ventajas ofrece.
Cada vez usamos más las redes sociales.
Forman parte del día a día de nuestros alumnos, están familiarizados con ellas, las conocen, saben cómo sacarles partido, las ventajas e inconvenientes de cada una de ellas.
La idea de este proyecto es elegir 5 de estas redes y analizarlas en detalle, viendo qué uso se hace de cada una, qué ventajas ofrece
"Educación y datos masivos (Big Data)" - Fernando SantamariaNivel 7
En esta conferencia haremos un repaso de las características de los datos masivos, de sus conceptos emergentes que surgen alrededor, de sus ventajas y desventajas, de los efectos y consecuencias que tendrá sobre los sistemas educativos y de los peligros vistos desde nuestra estructura mental y social que es de pre-datos masivos.
Los datos masivos (Big Data) están cambiando la forma de acceder, comprender, planificar y también la forma de vivir. Este nuevo paradigma están entrando de lleno en todos los ámbitos sociales. El mundo académico y de aprendizaje no va ser menos. La analítica del aprendizaje y académico está focalizado en la educación. En esta presentación (en beta) presentamos en MoodleMoot 2014 Colombia para dar a conocer todo este ecosistema del dato.
"Educación y datos masivos (Big Data)" - Fernando SantamariaNivel 7
En esta conferencia haremos un repaso de las características de los datos masivos, de sus conceptos emergentes que surgen alrededor, de sus ventajas y desventajas, de los efectos y consecuencias que tendrá sobre los sistemas educativos y de los peligros vistos desde nuestra estructura mental y social que es de pre-datos masivos.
Cómo fue que surgió lo que llamamos Big Data.
Varias perspectivas sobre qué es Data Science.
Qué estudia exactamente la Ciencia de Datos.
Introducción al Arte de la Ciencia de Datos.
El análisis de los datos recopilados se refiere al proceso de examinar, organizar e interpretar los datos recopilados durante la investigación o la recopilación de datos. Implica el uso de diversas técnicas estadísticas y analíticas para extraer información significativa, identificar patrones, probar hipótesis y sacar conclusiones.
Cada vez usamos más las redes sociales.
Forman parte del día a día de nuestros alumnos, están familiarizados con ellas, las conocen, saben cómo sacarles partido, las ventajas e inconvenientes de cada una de ellas.
La idea de este proyecto es elegir 5 de estas redes y analizarlas en detalle, viendo qué uso se hace de cada una, qué ventajas ofrece.
Cada vez usamos más las redes sociales.
Forman parte del día a día de nuestros alumnos, están familiarizados con ellas, las conocen, saben cómo sacarles partido, las ventajas e inconvenientes de cada una de ellas.
La idea de este proyecto es elegir 5 de estas redes y analizarlas en detalle, viendo qué uso se hace de cada una, qué ventajas ofrece
"Educación y datos masivos (Big Data)" - Fernando SantamariaNivel 7
En esta conferencia haremos un repaso de las características de los datos masivos, de sus conceptos emergentes que surgen alrededor, de sus ventajas y desventajas, de los efectos y consecuencias que tendrá sobre los sistemas educativos y de los peligros vistos desde nuestra estructura mental y social que es de pre-datos masivos.
Los datos masivos (Big Data) están cambiando la forma de acceder, comprender, planificar y también la forma de vivir. Este nuevo paradigma están entrando de lleno en todos los ámbitos sociales. El mundo académico y de aprendizaje no va ser menos. La analítica del aprendizaje y académico está focalizado en la educación. En esta presentación (en beta) presentamos en MoodleMoot 2014 Colombia para dar a conocer todo este ecosistema del dato.
"Educación y datos masivos (Big Data)" - Fernando SantamariaNivel 7
En esta conferencia haremos un repaso de las características de los datos masivos, de sus conceptos emergentes que surgen alrededor, de sus ventajas y desventajas, de los efectos y consecuencias que tendrá sobre los sistemas educativos y de los peligros vistos desde nuestra estructura mental y social que es de pre-datos masivos.
2. Software que te ayuda a organizar las
Investigaciones cualitativas y mixta.
El primer software de Nvivo fue creado por
Tom Richards, y se llamo NUD*IST.
Es un Software de la QSR International.
3. Nvivo te ayuda a organizar toda la data de tu
Investigación.
Ofrece diferentes métodos de organización de
la data.
Este software te ofrece investigación basada en
la evidencia, el análisis del discurso, la
etnografía, revisión de la literatura,
fenomenología, ect.
4. Software utilizado para la investigación
cuantitativa.
Fue creado en 1969 por Norman H. Nie, C. Hadlai
(Tex) Hull y Dale H. Bent de la compañía IBM.
La Universidad de Chicago por medio de su
National Opinion Research Center estuvo a cargo del
desarrollo, distribución y venta del programa. A
partir de 1975 corresponde a SPSS Inc.
En el 2009 IBM compra el software por 1.200
millones de dólares.
5. SPSS es uno de los software mas conocidos, ya
que puede trabajar con grandes cantidades de
data.
Es utilizado para estadísticas por empresas, en
las ciencias sociales y para cuestiones
educativas.
6. Crear variables sintéticas a partir de variables
colineales por medio del Análisis Factorial.
“Cluster Analysis”
Permite realizar distintas pruebas estadísticas
especializadas en distribuciones no normales.
7. Realizar pruebas estadísticas en muestras
pequeñas.
Permite trabajar para la creación de muestras
estratificadas, por conglomerados u otros tipos
de muestras.
Formular árboles de clasificación y/o decisión
con lo cual se puede identificar la conformación
de grupos y predecir la conducta de sus
miembros.