Recursos digitales

ManuelE.Prieto
JuanM.Dodero
DavidO.Villegas
RECURSOSDIGITALES
PARALAEDUCACIÓN
YLACULTURA
VolumenKAAMBAL

Manuel E. Prieto / Juan M. Dodero / David O. Villegas
EDITORES
RECURSOS DIGITALES
PARA LA
EDUCACIÓN Y LA CULTURA
Volumen KAAMBAL
Editado por
Universidad Tecnológica Metropolitana, Mérida, Yucatán, México
Universidad de Cádiz, Andalucía, España
2010

Recursos digitales para la educación y la cultura
volumen Kaambal
_______________________________________
Manuel Emilio Prieto Méndez
Juan Manuel Dodero Beardo
David Omar Villegas Sáenz
Colaboradores
Mario José Martín Ruiz
Víctor Hugo Menéndez Domínguez
Jorge Elías Marrufo Muñoz
Coedición
Universidad Tecnológica Metropolitana, Mérida, Yucatán, México
Universidad de Cádiz, Andalucía, España
Coordinación de obra
David O. Villegas Sáenz
Cuidado de edición y corrección
Alejandrina Garza de León
Diseño de interiores y formación
Rubén Omar Estrella González
Diseño de cubierta
Alejandra Escalante Abreu
D.R.© Universidad Tecnológica Metropolitana, 2010
Calle 115 (Circuito Colonias Sur) Núm. 404 por 50
Col. Santa Rosa, CP 97279, Mérida, Yucatán, México
tel. (999) 940-61-10
www.utmetropolitana.edu.mx
Obra con derechos reservados, prohibida su reproducción parcial
o total sin permiso escrito de los editores.
ISBN Obra completa: 978-607-95446-0-7
ISBN Volumen: 978-607-95446-1-4
LB Recursos digitales para la educación y la
1028.3 cultura : volumen Kaambal / Manuel
.R44 E. Prieto, Juan Dodero, David O. Ville-
2010 gas, editores, c2010.
1. Tecnología educativa. 2. Innovaciones
educativas. 3. Tecnología de la información—
Enseñanza. 4. Educación audiovisual—In-
novaciones tecnológicas. I. Prieto Méndez,
Manuel E. II. Dodero, Juan Manuel. III.
Villegas Sáenz, David O.
ISBN: 978-607-95446-0-7 (obra completa)
ISBN: 978-607-95446-1-4 (volumen)

Editado e impreso en Mérida-México
Made and printed in Merida-Mexico

ÍNDICE
PRÓLOGO 11
INTRODUCCIÓN 13
COMITÉ DE HONOR 17
COMITÉ ORGANIZADOR 18
COMITÉ DE PROGRAMA 19
CONFERENCISTAS INVITADOS 20
TALLERES 22
SECCIÓN I
COMUNICACIONES LARGAS 23
Cálculo Integral con aprendizaje por proyecto empleando celular con
cámara digital y la caja de herramientas de procesamiento digital de
imágenes de Matlab
Teresita Montañez, Cinhtia González, Michel García, Manuel Escalante 25
Minería de datos: predicción de la deserción escolar mediante el
algoritmo de árboles de decisión y el algoritmo de los k vecinos más
cercanos
Sergio Valero Orea, Alejandro Salvador Vargas, Marcela García Alonso 33
Experiencias en la implementación de aulas virtuales para la
incorporación de las TIC al aprendizaje
Ramanuján Gómez, Fausto Iuit y José Ordóñez 40
Modelo predictivo para la determinación de causas de reprobación
mediante Minería de Datos
Erika Rodallegas Ramos, Areli Torres González , Beatriz B. Gaona Couto, Erick Gastelloú
Hernández, Rafael A. Lezama Morales, Sergio Valero Orea 48
Multimedia Interactivo para el aprendizaje del idioma francés en un
Modelo de Aprendizaje Híbrido
Moramay Ramírez Hernández, T. Leticia Rosas Ramírez, Michelle Serrano León 56
Tutoría online: Jotform, instrumento útil para el apoyo de la acción
tutorial
Martha María Castro Luna, Víctor Hugo Virgilio Méndez 65
Modelo para determinar la calidad en Objetos de Aprendizaje con un
enfoque a servicios
César Velázquez, Miguel Sicilia, Francisco Álvarez, Laura Garza, Beatriz Osorio 73
Virtual Classroom Activities: When the Student is Pursuing its own
Teaching Strategy
J. Eduardo Ferrer, Ingrid Kirschning Albers 79

Creation of Learning Resources Using Interaction Patterns
Alondra Nava Zea 86
Interacción entre estudiantes en foros Moodle en Cursos Blended
Learning de la Universidad Tecnológica de la Costa
Leonardo Hernández Peña 93
SECCIÓN II
COMUNICACIONES CORTAS 101
Análisis comparativo de dos formas de enseñar Matemáticas Básicas:
Robots LEGO NXT y animación con Scratch
Berlín Tec, José Uc, Cinhtia González, Michel García, Manuel Escalante, Teresita Montañez 103
Migración al software libre en estudiantes universitarios que emplean
comúnmente software privativo: problemática y soluciones propuestas
Henry Oy, Cinhtia González, Michel García, Teresita Montañez, Manuel Escalante 107
Game-AV: Juego educativo con participación a través de avatares
Leticia Flores-Pulido, Manuel Siordia-Aquino, Ingrid Kirschning, Oleg Starostenko 111
Learning Object Interface
Verónica Rodríguez, Gerardo Ayala, Ingrid Kirschning 115
Videojuegos: Herramienta TIC para el apoyo de la educación
Víctor Hugo Virgilio Méndez 119
Aprendizaje en los entornos virtuales inmersivos (Mundos virtuales)
José Antonio Jerónimo y Lidia Andrade 123
Mapas mentales y la conceptualización de competencias
Filiberto Candia García 127
Estrategias de aprendizaje para los alumnos de nivel superior en
modalidades no convencionales
María del Rocío Carranza Alcántar, Claudia Islas Torres, Silvano de la Torre Barba,
Alma Azucena Jiménez Padilla, Edith Guadalupe Baltazar Díaz 131
Software libre como herramienta para el aprendizaje de la programación
de computadoras
Beatriz Bibiana Gaona Couto, Erick Gastelloú Hernández, Erika Rodallegas Ramos,
Rafael Alejandro Lezama Morales 136
UtVocabulary 1.0: Software educativo para la enseñanza de Vocabulario
en el idioma inglés de la UTSV
Eunice Morales, Juan Pacheco, Esbeidy Gómez, Antonio Gilbon, Jimmy Pacheco 140
Herramienta estratégica en el aprendizaje significativo: el proyecto integrador
Eric Jesús Gamboa Várguez, Carlos Humberto López May, Martha Zapata Vargas,
Fernando Loeza Lugo, Luis Kao Poot 144
Cmaps y quizzes, tecnologías educativas para la creación de
Comunidades de Aprendizaje
Juan Mexica Rivera, Esmeralda Contreras Trejo, Margarita Larios Calva 147

Métodos de enseñanza-aprendizaje para comprender y aplicar las
estructuras de datos
Xochitl Clemente, Guillermo Espinosa, Pablo Quintero
151
DiseñodeunObjetodeAprendizajeparalaenseñanzadelaquímicaexperimental
Lol-Be Balam-Salazar, David Cáceres-Castillo, Norma Rubio 155
Sistema Web para la composición de Objetos de Aprendizaje
personalizados basados en el estilo de aprendizaje de los usuarios
Martha Michaca Leano, Yuridia Ramirez Chocolatl, Jorge Aguilar Cisneros 159
Plataforma Administrador de Estudiantes
Silvia Hernández Zavala, Cinthia Marín García, Berenice De Rosas Ruiz,
Martha Gabriela Tapia Valentín, Edgar Percil Arellano, Martha Michaca Leano,
Julieta Santander Castillo, Mariela Juana Alonso Calpeño, Nancy García Villalba,
Claudia Elena Portillo Zepeda, Yuridia Ramírez Chocolatl 163
Experiencia de trabajo colaborativo en la evaluación del aprendizaje de
ecuaciones lineales bajo secuencias didácticas utilizando infraestructura
computacional en Universidades Tecnológicas
Leonardo Soto Sumuano, Olga L. Robles García, Gricelda Rodríguez Robledo 167
Sistema de Administración de Calificaciones (SAC)
Gandhi Hernández Chan, Carlos Canto Bonilla, Jenny Andrea Morales Noh,
José Rigoberto Suárez Cohuo, Jacob Azcorra Santiago, Bernardino Chin Chan 171
Una perspectiva de una herramienta didáctica. Caso de estudio: Uso de
software de simulación para redes
Luisa Margarita Lara Martín 175
Análisis de la herramienta Moodle para el desarrollo de una herramienta
de evaluación docente especializada en cursos en educación a distancia
Jorge E. Marrufo Muñoz 179
Diseño de programa informático de Investigación de Mercados como
herramienta tecnológica para la acertada toma de decisiones
Antonio Gordillo, Mariana Gallardo, Patricia del Carmen Mendoza, Teresa Ramírez 183
Estudio de preferencias del profesorado respecto a la tecnología de
Objetos de Aprendizaje
Pedro Cardona, Jaime Muñoz, Francisco Álvarez, Miguel Meza, Carlos López 187
Materiales multimedia como apoyo a los procesos de enseñanza y
aprendizaje en Enfermería
Yira Muñoz, María de los Ángeles Alonso, Claudia A. Trejo 191
Desarrollo de módulos didácticos para dispositivos móviles
Julia Gabriela Nieva Paredes 195
Desarrollo de un componente en Moodle para facilitar la
retroalimentación tutor-estudiante en los foros
Víctor I. Herrera Coronado, Danice D. Cano Barrón, Humberto J. Centurión Cardeña,
Walter I. Manzanilla Yuit 199

Evaluador adaptable computarizado difuso
Joel Suárez Cansino, Jorge Antonio Orozco Torres, María Concepción Villatoro Cruz 203
Retos y oportunidades en la formación docente mediada por TIC
Carlota Guadalupe Domínguez Espinosa, Ana Ma. Bañuelos Márquez 209
SECCIÓN III
PÓSTERS 213
Análisis del uso de la red social Facebook como herramienta auxiliar en
la educación
Nazly Ceme, Michel García, Cinhtia González, Teresita Montañez, Manuel Escalante 215
Diseño, creación y aplicación de un software educativo para Anatomía
Veterinaria
Norma A. Sandoval Delgado, María E. Loeza Corichi, Francisco J. Gómez Ordóñez,
Salvador Jiménez Vallejo 216
Diseño, implementación y pilotaje de herramienta computacional para
nivelación de conocimientos de prerrequisito de Ingeniería de Análisis
Dimensional
Belinda Pastrana, Elvia Sánchez, Candelaria Cruz, Jorge Arturo Sosa, Adrián Ordoñez,
Karen Bandala, Ulises Soto 217
Criterios de diseño aplicables a la elaboración de Objetos de Aprendizaje
Belinda Pastrana 218
Diseño de carta descriptiva de un Objeto de Aprendizaje
Belinda Pastrana 219
El software didáctico como apoyo en el aprendizaje por competencias en
la carrera de Enfermería
Dr. Igor Martín Ramos, Amelia Nava, José Luis Castillo, Teresa Plascencia, Adriana Cuellar 220
Las manifestaciones culturales en los metaversos
Lidia Andrade, José Jerónimo 221
Modelo por competencias en las Universidades Tecnológicas
Gerardo Vega Rodríguez, Laura Margarita Aguilar Cervantes 222
Opinión de los estudiantes acerca de su participación en un proceso
difusión de la cultura informática a padres de familia de la comunidad en
la plataforma Moodle
Ana Cristina Arce Torreblanca, Arlette Rubí Amaro Collí, Hugo Efraín Euán Catzín, Bergman
Armando Pereira Novelo 223
Caso de éxito en el uso de las herramientas de software para la aplicación
de enfoques de enseñanza centrados en el alumno
Carlos Alberto Canto Bonilla, Luis Renán Escalante Zaldivar, Manuel Cruz Escobedo 224
Formación de recursos humanos en estudios de Mercado de proyectos
productivos a través de entornos virtuales
Juana Guerrero González, Venilde Herrera Roldán 225

Implementación de software educativo como didáctica docente
P. N. Maya 226
Instrumentación virtual como herramienta aplicada a la enseñanza
técnica
Carlos H. López-May, Eric J. Gamboa-Várguez, Martha A. Zapata-Vargas,
Fernando de J. Loeza-Lugo, Luis J. Kao-Poot 227
Definición de un videojuego como apoyo al proceso
de enseñanza-aprendizaje de las matemáticas en educación básica
Francisco Madera, Edgar Cambranes, Rocío Uicab, Pilar Rosado, Luis Basto 228
Convertidor XML-Moodle a DOCX
Gandhi Hernández Chan, Jorge Elías Marrufo Muñoz, Karen Concha Moreno, Orson Giuseppe
Martínez, Ferrán Alejandre Echeverría, Luis Miguel Cupul Pech 229
Experiencia con un ambiente virtual de evaluación como herramienta
de diagnóstico para el Examen General de Egreso de Técnico Superior
Universitario (EGETSU) en Artes Gráficas de la Universidad Tecnológica
Metropolitana
José D. Várguez Lope, Víctor M. Matos Morfín, Luis G. Peraza Ordóñez, Sonia Olvera Carrasco,
Jessica A. Canto Maldonado 230
Modificación de un paquete SCORM generado por Exe–Learning para
ampliar la integración con un LMS
Mario J. Martín Ruiz, Yeni Morales Carbajal 231
Utilización de modelos de lectura, test cloze y Objetos de Aprendizaje
enfocado a la comprensión lectora
Pedro Cardona, Jaime Muñoz, Francisco Álvarez, Miguel Meza, Carlos López 232
Calidad académica: un curso de Gramática Española a través de las TIC
Gisela Diez, Andrés Soto, Jesús Alejandro Flores Hernández,
María de los Ángeles Buenabad Arias 233
Experiencia de enseñanza de uso de una red social para un proceso de
terapia narrativa infantil
Ana Cristina Arce Torreblanca, Jorge Elías Marrufo Muñoz, Ileana Elizabeth Jiménez Gaber 234
Software de ecología y medio ambiente como herramienta de aprendizaje
para los alumnos
Angelina González Rosas, Laura Cecilia Méndez Guevara 235

11
PRÓLOGO
El desarrollo tecnológico en los últimos años ha estado asociado a la computación,
en prácticamente todos los ámbitos del conocimiento y las actividades económicas.
Enlaeducación,encualquieradesusniveles,debásicoasuperior, ydesusexpresiones,
formal, informal, entre otras, siempre ha sido la tecnología un elemento de análisis en
la compleja tarea que implica el desarrollo y la formación de las personas.
Quizás es en la educación donde la asociación de la tecnología educativa con
las ciencias de la informática hayan tenido su relación más compleja, ya que la
participación del profesor en la interacción de contenidos, tecnología y el estudiante,
lo pone en una situación de cambio constante, no sólo provocada por el avance
del conocimiento, en todos los sentidos, científico y pedagógico, sino por lo que
representa la interacción profesor-alumno desde el punto de vista social.
Hoy, parece ser más vigente que nunca el viejo dilema "¿qué es más importante, saber
lo que se enseña o saberlo enseñar?"; la enseñanza activa, el constructivismo y ahora
el aprendizaje con enfoque en competencias parece ser que agudiza la duda de la
participación del profesor y de los medios para el logro, donde la informática juega un
papel toral y para nuestros tiempos definitorio del futuro, no sólo de la escuela como
tal, con sus implicaciones en sus miembros y su entorno, sino como un recurso para
interpretar la realidad, como una verdadera forma de educar a las futuras generaciones.
Esta básica reflexión hace que el contenido de este texto adquiera un valor para
quienes trabajamos en la educación, ya que aquí se transita por esos caminos
del uso, de la justificación, de sus alcances, de su pertinencia, de su viabilidad,
de sus debilidades y sus fortalezas de una forma de enseñar y aprender que llegó
para quedarse y que, a pesar de los esfuerzos que se realizan actualmente en
Latinoamérica, nos hace falta mucho de ese camino por recorrer y tenemos con esta
iniciativa la inercia suficiente para trascender.

12
La II Conferencia Conjunta Iberoamericana sobre Tecnologías del Aprendizaje
Ccita 2010 ha sido la generatriz del contenido de este trabajo, que por primera vez
se desarrolló en dos sedes de forma simultánea, la Universidad de Cádiz en España
y la Universidad Tecnológica Metropolitana de Yucatán en México, y que desde
luego no se hubiera podido concretar y llevar a buen puerto sin la participación
de la Secretaría de Educación del Estado de Yucatán, el Instituto Tecnológico de
Motul, la Universidad Anáhuac Mayab, la Universidad Autónoma de Yucatán, la
Universidad Mesoamericana de San Agustín y la Universidad Castilla La Mancha,
de España.
Parafraseando al Dr. Eduardo Punset: conocer, soñar y recordar, son cualidad
y privilegio de nuestra especie, que en el trabajo de los profesores adquiere su
expresión culminante, como objeto, rumbo y finalidad, cosa nada fácil, que también
incluye a los medios para lograrlo.
Mérida, Yucatán, junio de 2010
Ricardo Bello Bolio
RECTOR DE LA UNIVERSIDAD TECNOLÓGICA METROPOLITANA

13
La II Conferencia Conjunta Iberoamericana sobre Tecnologías para el Aprendizaje
–CcITA, incluye en 2010 dos eventos de importancia, sobre todo en España y en
México. Ellos son el VIII Simposio Pluridisciplinar sobre Diseño y Evaluación de
Contenidos Educativos–SPDECE y el V Taller Internacional sobre Recursos para
el Teleaprendizaje–Kaambal.
En el contexto de SPDECE, además se celebra el III Workshop on Methods and
Cases in Computing Education (MCCE), organizado por el capítulo español de
ACM SIGCSE.
En esta ocasión, la Conferencia se lleva a cabo en dos sedes simultáneas: en Mérida,
México y en Cádiz, España. El presente libro recoge las memorias de los trabajos
aceptados en CcITA 2010 y consta de dos tomos editados e impresos en ambos
países.
La publicación y el propio evento han sido el fruto del trabajo de muchas personas
que han aportado horas y esfuerzo sin más interés que el de mantener este foro de
participación para profesores e investigadores, tanto informáticos como pedagogos
y de otras disciplinas que se interesan en el desarrollo y la utilización de los
recursos digitales para el aprendizaje y la cultura, principalmente en los Centros de
Educación Superior.
La Universidad Tecnológica Metropolitana, de Mérida Yucatán, es un joven e
importante centro de educación superior con reconocimiento social y referencia
en materia de formación y actualización de Técnicos Superiores Universitarios, así
como en la prestación de servicios tecnológicos. Varios profesores de la División
de Tecnologías de la Información, con el apoyo de las distintas instancias de la
Universidad y de la Secretaría de Educación del Estado de Yucatán, han asumido
todo el trabajo de organización de la Conferencia en la sede de Mérida. Es de
INTRODUCCIÓN

14
destacar el apoyo decidido del Rector Ing. Ricardo Bello Bolio, quien tiene una
visión muy precisa sobre la importancia de la tecnología en la Educación.
En la sede de Mérida se destacan también los apoyos recibidos de parte de la
UniversidadAutónoma deYucatán y sus Facultades de Educación y de Matemáticas,
así como de la Coordinación General de Educación Superior; la Universidad
Anáhuac–Mayab y su División de Ingeniería y Ciencias Exactas, la Universidad
Mesoamericana de San Agustín y el Instituto Tecnológico Superior de Motul.
La Universidad de Cádiz cuenta en la actualidad con 15 centros donde se reparten
más de 18,000 alumnos. En el campus de Cádiz se desarrollan los estudios socio-
humanísticos y sanitarios, contando en la actualidad con la Escuela Superior
de Ingeniería. Algunos profesores de dicha escuela han asumido el trabajo de
organización del evento en la sede de Cádiz. Es de destacar el apoyo recibido del
Vicerrector D. Eduardo Blanco Ollero, quien desde elVicerrectorado deTecnologías
de la Información e Innovación Docente ha aportado una relevante visión de las
tecnologías en la educación superior.
En la sede de Cádiz destacan los apoyos recibidos de distintas instancias de la
Universidad de Cádiz a través de diversas ayudas, incluyendo las recibidas del
Consejo Social y del Plan propio del Vicerrectorado de Investigación, Desarrollo
Tecnológico e Innovación, así como las ayudas recibidas del Ministerio de Ciencia
e Innovación, a través de las acciones complementarias del plan nacional de I+D, y
del Ministerio de Industria, Turismo y Comercio, a través del proyecto eCultura del
Plan Avanza I+D Contenidos.
Es importante también resaltar los apoyos de la Universidad de Castilla-La Mancha
y profesores de su Departamento de Tecnología y Sistemas de Información, así
como de la Universidad de Alcalá de Henares y profesores del Departamento de
Ciencias de la Computación.
El Comité Internacional del Programa estuvo integrado por más de 60 destacados
especialistas en el tema de América Latina y España que fueron propuestos por las
redes y las instituciones participantes.

15
Los trabajos aceptados fueron clasificados en cuatro categorías: Comunicaciones
largas (con contenidos y propuestas innovadoras), Comunicaciones cortas (de
trabajos importantes en desarrollo o aplicaciones), Pósters y el Taller especial
MCCE.
Se presentaron 140 trabajos en ambas sedes. De ellos fueron aceptados 93, lo
que representa un 67% por ciento de aceptación. Los resultados del proceso de
evaluación aparecen en la siguiente tabla:
Sede Mérida Sede Cádiz
Total
aceptados
Comunicaciones
largas
10 24 34
Comunicaciones
cortas
27 8 35
Pósters 21 0 21
Taller
MCCE
0 4 4
TOTAL 58 36 94
Hemos decidido mantener la estructura del libro, tal como se produjo en la edición
de 2009. Se presentan pues, cuatro partes: una introducción, las comunicaciones
largas, las comunicaciones cortas y por último, un resumen extendido de cada uno
de los pósters o los trabajos aceptados en el taller MCCE. Cada uno de los dos
tomos impresos recoge los trabajos presentados en las respectivas sedes.
Al evento fueron invitados algunos especialistas del más alto nivel y representantes
deimportantesorganizacionesdeMéxicoydeEspañarelacionadasconlatecnología
para el aprendizaje.
En la sede Mérida fueron invitados para impartir las Conferencias Magistrales los
doctores Eric Huesca, Genaro Rebolledo, José Ángel Olivas y Víctor Sánchez.

16
En la sede de Cádiz fueron invitados para impartir las Conferencias Magistrales los
doctores Bernard Dumond y César Carreras.
Agradecemos de manera especial a todos ellos, ya que dispusieron de su tiempo
y conocimientos para nuestra Conferencia Conjunta, sin recibir compensación
alguna.
En Mérida, México y Cádiz, España,1 de julio de 2010.
Manuel E. Prieto
UNIVERSIDAD DE CASTILLA-LA MANCHA
Juan M. Dodero
UNIVERSIDAD DE CÁDIZ
David O. Villegas
UNIVERSIDAD TECNOLÓGICA METROPOLITANA

17
Secretario de Educación del Gobierno del Estado de Yucatán
Raúl H. Godoy Montañez
Rector de la Universidad Tecnológica Metropolitana
Ricardo Bello Bolio
Rector de la Universidad de Castilla-La Mancha
Ernesto Menéndez Ataz
Rector de la Universidad Autónoma de Yucatán
Alfredo F. J. Dájer Abimerhi
Rector de la Universidad Anáhuac Mayab
José Maria Sabín Sabín
Rectora de la Universidad Mesoamericana de San Agustín
María Eugenia Sansores Ruz
Director General del Instituto Tecnológico Superior de Motul
Luis Alberto García Domínguez
COMITÉ DE HONOR

18
COMITÉ ORGANIZADOR
David Villegas Sáenz
COORDINADOR
Manuel E. Prieto Méndez
Silvia Pech Campos
Mario José Martín Ruiz
Jorge Elías Marrufo Muñoz
Yeni Morales Carbajal
Víctor Hugo Menéndez Domínguez
Alfredo Zapata González
Edgar Cambranes Martínez
Ramón Ignacio Esperón Hernández
Luciano Diab Domínguez Cherit
Danice D. Cano Barrón
Humberto José Centurión Cardeña
Walter Iván Manzanilla Yuit
Pedro Josué Sosa Solís
José Luis Cárdenas Pérez
María Cecilia Guillermo y Guillermo
Raúl Antonio Aguilar Vera
María Gracia Montalvo Montero
José Antonio Ordóñez Novelo

19
COMITÉ DE PROGRAMA
Manuel E. Prieto Méndez (Presidenta Kaambal) España
Xavier Ochoa Chehab (Presidente Kaambal) Ecuador
Regina Motz Carrano (Presidenta Kaambal) Uruguay
Luis E. Anido Rifón España
Juan I. Asensio España
Angélica de Antonio Jiménez España
Manuel Benito Gómez España
César Bernal Bravo España
Julio Cabero Almenara España
Manuel Caeiro Rodríguez España
Rosa M. Carro España
Oskar Casquero Oyarzabal España
María E. Chan Núñez México
Elsa Corominas España
Yannis Dimitriadis España
Luciano Domínguez Cherit México
Josep María Duart España
Ramón Fabregat Gesa España
Ana M. Fermoso García España
Baltasar Fdez.-Manjón España
Elena García Barriocanal España
Francisco J. García Peñalvo España
Rocío García Robles España
Cristina Gavira España
Ernie Ghiglione Australia
María J. Gil Larrea España
Sergio Gutiérrez Santos Inglaterra
Miguel A. Gómez Laso España
Lourdes Guardia Ortiz España
Davinia Hernández-Leo España
M. Soledad Ibarra Sáiz España
Martín Llamas Nistal España
Manuel Lama Penin España
M. Gertrudis López López España
Manuel Marco Such España
Víctor H. Menéndez Domínguez México
Julià Minguillón España
Erla M. Morales Morgado España
Pablo Moreno Ger España
Mario Muñoz Organero España
Xavier Ochoa Ecuador
Cristina Oferrall España
Javier Onrubia Goñi España
José Á. Olivas Varela España
Manuel Ortega Cantero España
Ramón Ovelar Beltrán España
Abelardo Pardo España
Silvia J. Pech Campos México
Alberto Pedrero Esteban España
Javier Portillo Berasaluze España
Manuel E. Prieto Méndez España
Miguel A. Rodríguez Artacho España
Daniel Rodríguez García España
Gregorio Rodríguez Gómez España
Rosabel I. Roig Vila España
Cristóbal Romero Morales España
Jesús Romo Uriarte España
Mercedes Ruiz Carreira España
Andrés Sampedro Nuño España
Salvador Sánchez Alonso España
Eduardo Sánchez Vila España
Javier Sanz Rodríguez España
Javier Sarsa Garrido España
Miguel A. Sicilia Urbán España
José Luis Sierra España
Jorge A. Torres Jiménez México
Ángel Velázquez Iturbide España
Sebastián Ventura Soto España
Christian L. Vidal Castro Chile
Antonio Vieira de Castro Portugal
David Villegas Sáenz México
Alfredo Zapata González México
Miguel Zapata Ros España
Telmo Zarraonandia España

20
CONFERENCISTAS INVITADOS
Dr. Eric Huesca Morales
Es actualmente Director Ejecutivo del Espacio Común de Educación Superior
a Distancia ECOESAD. Doctor en Ciencias de la Computación, realizó estudios
de Física en la Facultad de Ciencias de la UNAM. Tiene estudios de posgrado en
Matemática Educativa en el Centro de Investigación y Estudios Avanzados del
Instituto Politécnico Nacional, y en Ciencias de la Computación en la Universidad
de California, en Berkeley. Fue fundador y primer Director Ejecutivo del capítulo
México de la Internet Society. Ha sido Director de Planeación de la Coordinación de
Informática Educativa en el ILCE y profesor de diversas instituciones académicas
en América Latina; actualmente también es Director Ejecutivo de ATM Consultores,
firma especializada en tecnologías abiertas. Ha estado involucrado en diversos
proyectos de innovación, como la introducción y consolidación de la Internet en
México, la instalación de los primeros sistemas abiertos en ambientes de producción
industrial y la introducción de las primeras redes de fibra óptica en ambientes de
plantas de producción, además del desarrollo de las redes públicas de Frame-Relay
de cobertura nacional.
Dr. José Ángel Olivas Varela
Nacido en 1964 en Lugo, se licenció en Filosofía (especialidad Lógica) en 1990
(Universidad de Santiago de Compostela), Master en Ingeniería del Conocimiento
del Depto. de Inteligencia Artificial de la Universidad Politécnica de Madrid en
1992, y Doctorado en Ingeniería Informática en 2000 (Universidad de Castilla–
La Mancha). En 2001 fue Postdoc Visiting Scholar en el BISC de Lotfi A. Zadeh
(Berkeley Initiative in Soft Computing), University of California-Berkeley, USA.
Sus principales líneas actuales de investigación son el uso de técnicas de Soft
Computing para la Recuperación de Información y las aplicaciones en Ingeniería del
Conocimiento. Recibió, entre otros, el premio en la modalidad de Investigación y/o
Desarrollo de Productos Científicos en el XI Concurso sobre Medio Ambiente del
Ayuntamiento de Madrid (2002) por su tesis doctoral. Desde 2006: Subdirector del
Departamento de Tecnologías y Sistemas de Información y Coordinador del Programa
de Doctorado y Programa Oficial de Posgrado en Tecnologías InformáticasAvanzadas
(con Mención de Calidad del MEC) de la Universidad de Castilla-La Mancha. Desde
1997: Profesor titular del Departamento de Tecnologías y Sistemas de Información
de la Universidad de Castilla-La Mancha. Desde 1997: Profesor del Departamento de
Sistemas Informáticos, ICAI – Universidad Pontificia Comillas de Madrid. 1995-1997:
Coordinador del Departamento de Inteligencia Artificial, Universidad Antonio de
Nebrija–UNNE, Madrid. Desde 1995: Colaboración con INSA(Ingeniería y Servicios
Aeroespaciales, NASA), Procesado de datos de satélites sobre incendios forestales.
1992-1996: Director del Departamento de Informática de PPM (Tres Cantos, Madrid):
Consultoría de sistemas inteligentes a empresas como SOUTHCO o ATT.

21
Dr. Víctor Germán Sánchez Arias
Actualmente es Director del Centro de Alta Tecnología en Educación a Distancia
(CATED) perteneciente a la Coordinación de Universidad Abierta y a Distancia
(CUAED) de la Universidad Nacional Autónoma de México (UNAM). Originario de
Cuernavaca Morelos, México, es egresado de la Facultad de Ingeniería de la UNAM
con el título de Ingeniero Mecánico Electricista en el área de control, comunicaciones y
electrónica (1974), cuenta con el título de Maestría en Ciencias de la Computación del
Instituto de Matemáticas Aplicadas de la UNAM (1976), con un Diploma de Estudios
Avanzados (DEA) del Instituto Politécnico de Grenoble (INPG) Francia (1982) y con
un Doctorado en Ingeniería de Informática del Instituto de Matemáticas Aplicadas
(IMAG) del Instituto Politécnico de Grenoble (INPG) Francia (1984). Desde 1975
cuentaconampliaexperienciacomoProfesordeLicenciaturaydeMaestríaendiferentes
instituciones como son la Facultad de Ingeniería de la UNAM, el ITESM, el ITAM, el
IIMAS, la UV y el LANIA; también fue coordinador de la Maestría en Inteligencia
Artificial (MIA) de la UV-LANIA. Se inició como investigador en 1976 como ayudante
en el IIMAS y después fue investigador titular del mismo instituto. Responsable de la
línea de investigación en las áreas de cómputo distribuido, cooperativo y móvil y en
la de educación basada en las tecnologías de la información en LANIA. Ha publicado
diversos trabajos en revistas nacionales e internacionales, también ha participado en la
organización de diversos eventos académicos y ha colaborado con otras instituciones
en proyectos de investigación nacionales e internacionales. Ha sido asesor en diversas
empresas y ha trabajado como ingeniero en París Francia en la empresa de cómputo
BULL(1985-1987). En la actualidad trabaja en el Laboratorio Nacional de Informática
Avanzada A.C. (LANIA) y desde 1981 ha promovido y colaborado en proyectos de
tecnología avanzada con el sector gobierno y el sector productivo con el propósito de
establecer enlaces entre la academia y la industria y el gobierno del país.
Dr. Genaro Rebolledo Méndez
Es investigador de tiempo completo en la Facultad de Informática de la Universidad
Veracruzana, México. Sus líneas de interés son en el área de Aprendizaje por
Computadora y es miembro del Cuerpo Académico Tecnología Computacional y
Educativa. Actualmente codirige una serie de seminarios de investigación enfocándose
en el diseño, desarrollo y evaluación de tecnología educativa, particularmente dirigidos
a la inclusión de aspectos culturales. Realizó sus estudios de doctorado en el IDEAS
Lab de la Universidad de Sussex, Inglaterra. Su doctorado se tituló "Modelado de la
motivación del estudiante en un sistema tutor inspirado enVigotsky" en el cual investigó
la efectividad de incluir andamiaje motivacional en un medio ambiente educativo.
Al terminar, el Dr. Rebolledo trabajó como investigador postdoctoral en el London
Knowledge Lab de la Universidad de Londres, en el IDEAS Lab de la Universidad
de Sussex y en el Serious Games Institute de la Universidad de Coventry. Durante
este tiempo su trabajo se enfocó a la aplicación de tecnología multimodal para el
aprendizaje, la evaluación del rol del afecto del estudiante en ambientes de aprendizaje
y el análisis de la efectividad de aprendizaje basado en juegos. Ha trabajado como asesor
tecnológico para el aprendizaje en la Universidad del Este de Londres en donde también
cosupervisadosestudiantesdedoctoradoenelSMARTLab.Esuninvestigadorvisitante
en el IDEAS Lab (Universidad de Sussex), el Serious Games Institute (Universidad de
Coventry) y el SMART Lab (Universidad del Este de Londres).

22
TALLERES
Objetos de aprendizaje y ambientes de aprendizaje para las matemáticas
Gabriel Alejandro López Morteo, Universidad Autónoma de Baja California,
Campus Mexicali, México
Introducción a la programación de videojuegos multiplayer para móvil
René Cruz Flores, Universidad Autónoma de Baja California, Campus Mexicali,
México
Plataforma de gestión integral de objetos de aprendizaje AGORA
Manuel E. Prieto, Universidad de Castilla-La Mancha, España
Víctor H. Menéndez, Universidad Autónoma de Yucatán, México
Introducción a eXe Learning para la elaboración de Material Didáctico Digital
Víctor M. Quijano Aban, Universidad Tecnológica Metropolitana, México
Chatbot como una herramienta inteligente de apoyo a la educación
Miguel Ángel Meza De Luna, Pedro Cardona Salas y César Velázquez Amador
Universidad Autónoma de Aguascalientes, México
Temas avanzados sobre el uso del Moodle para evaluaciones
Jorge E. Marrufo Muñoz y Mario J. Martín Ruiz
Universidad Tecnológica Metropolitana, México
Podcast Multimedia (PC/iPod)
Alberto Pacheco González, Instituto Tecnológico de Chihuahua, México
Panel de Expertos: Programa EVA (Espacio Virtual de Aprendizaje): Buenas
prácticas y recursos para el teleaprendizaje en Andalucía
Francisco José García Aguilera, Diego Aguilar Cuenca, Silvia Gómez Torres
Red de Espacios Tecnológicos de Andalucía, España

23
SECCIÓN I
Comunicaciones largas
Se presentan a continuación las 10 comunicaciones largas
aceptadas para la Conferencia Conjunta en la sede Mérida.
Se trata de artículos extensos que presentan trabajos muy
elaborados en los que se exponen resultados innovadores o
experiencias contrastadas.

25
Cálculo Integral con aprendizaje por proyecto empleando
celular con cámara digital y la caja de herramientas de
procesamiento digital de imágenes de Matlab
Teresita Montañez,1 Cinhtia González,1 Michel García,1 Manuel Escalante1
1
Universidad Autónoma de Yucatán, Facultad de Matemáticas, Unidad Tizimín,
calle 48B Núm. 207 x 31, Tizimín, Yucatán, México.
{monmay, gsegura, michel.garcia, manuel.escalante}@uady.mx
Resumen. Con base en el éxito obtenido en el curso de Cálculo Diferencial donde
se incorporó el uso de lenguajes de programación, robots y estrategias didácticas
como el aprendizaje basado en proyectos, en este trabajo se describe la forma de
incluir herramientas, como el celular con cámara digital, el procesamiento digital
de imágenes y estrategias didácticas, como el aprendizaje basado en proyectos
para impartir un curso de Cálculo Integral en la Licenciatura en Ciencias de la
Computación. Con la adición de estas herramientas tecnológicas, el estudiante
aplica los conceptos matemáticos para resolver problemas reales mediante la
construcción de ambientes simulados. Se presenta un análisis comparativo que
muestra el impacto favorable que ha tenido la incorporación de tecnología para
incrementar el porcentaje de aprobación en el curso.
Palabras clave: Cálculo Integral, Aprendizaje Basado en Proyectos,
Procesamiento Digital de Imágenes, Celular con Cámara Digital, Matlab,
Análisis Comparativo.
1 Introducción
Con base en el éxito obtenido en el curso de Cálculo Diferencial donde se fueron
incorporando de manera paulatina diversas herramientas tecnológicas, como los
lenguajes de programación, los robots y la metodología de aprendizaje basado en
proyectos [1], en la asignatura de Cálculo Integral se implementó una estrategia
similar, adicionando a todo lo anterior una cámara digital y la caja de herramientas
de procesamiento de imágenes que posee Matlab [2]. Esto permitió que dicha
asignatura abordara aspectos disciplinarios y profesionales que contribuyen con una
formación integral, comprobando una vez más el éxito del uso de tecnología en
carreras de ingeniería e informática [3] [4] [5]. Este artículo describe brevemente
la forma en que se utiliza dicha tecnología durante el curso; se inicia presentando
las actividades más representativas que se realizan y se finaliza con los criterios de
evaluación. Al final, se efectúa un análisis comparativo de los resultados obtenidos
de 2002 a 2009.

26
2 Metodología ABP
La metodología ABP tiene sus orígenes en la Universidad canadiense de McMasterI
[6] y en la Universidad de Aalborg, Dinamarca [7]. Posteriormente fue adoptada por
la Universidad de Twente, Holanda [8]. Actualmente ya se considera una herramienta
probada y madura, sobre todo en el campo de la ingeniería e informática [9] [10] [11].
ABP es una técnica didáctica en la que el estudiante construye su aprendizaje mediante
la planeación y desarrollo de un proyecto aplicado a una problemática real. A lo largo de
la elaboración de dicho proyecto, el alumno se involucra en un proceso de aprendizaje
dinámico donde profundiza en conceptos técnicos y teóricos como consecuencia de la
motivación inherente a la técnica ABP. Además, desarrolla una serie de habilidades y
actitudes propias de un investigador, como son el trabajo en equipo, la planificación, la
comunicación, la creatividad y la responsabilidad [12].
En esta ocasión la metodología ABP se implementó de manera parcial, pues es aplicada
únicamente en la sección práctica de la asignatura. Se propusieron tres proyectos del curso,
los cuales consisten en la realización de un subsistema computacional; los títulos son:
“Sistema Automático de Cálculo de Áreas”, “Sistema Automático de Cálculo de Masa y
Centro de Masa” y “Sistema Automático de Reconstrucción 3D Basado en Tres Fotos”.
3 Software matemático en la educación
Desde el punto de vista educativo, la utilización de lenguajes de programación permite
activar una amplia variedad de estilos de aprendizaje [13] además de desarrollar el
pensamiento algorítmico.Adicionalmente, compromete a los estudiantes a la consideración
de varios aspectos importantes para la solución de problemas: decidir sobre la naturaleza
del problema, seleccionar una representación que ayude a resolverlo y monitorear sus
propios pensamientos (meta cognición) y estrategias de solución. Solucionar problemas
con ayuda de la computadora puede convertirse en una excelente herramienta para
adquirir la costumbre de enfrentar problemas de manera rigurosa y sistemática. En
[14] se recomienda utilizar LOGO en el nivel básico; Alice, KPL o Processing a nivel
medio o medio-superior y se podría agregar Scilab, Matlab o Maple (nivel mínimo de
programación) o bien: C, C++ (mayor nivel de programación), en el nivel superior.
En esta ocasión se utilizó la caja de herramientas de procesamiento de imágenes que
posee Matlab para el desarrollo de los proyectos ya mencionados.
4 Características del curso
La asignatura de Cálculo Integral se imparte a los estudiantes que generalmente cursan
el segundo semestre de la Licenciatura en Ciencias de la Computación (con la reciente
flexibilidad del plan de estudios esto dependerá de la selección de asignaturas del
estudiante). La experiencia aquí descrita se empezó a realizar a partir de 2006.

27
4.1 Objetivo y contenido temático
El objetivo general del curso indica que al término de éste el alumno deberá manejar
el concepto de integral y las fórmulas básicas de integración; deducir y aplicar las
fórmulas de integración, demostrar y manejar los principales resultados de integración de
funciones reales de variable real, resolver problemas geométricos y físicos, empleando las
propiedades, técnicas y principales resultados del Cálculo Integral. Manejar, demostrar
y aplicar el concepto de convergencia para sucesiones y series. La duración de esta
asignatura es de un semestre. La Tabla 1 presenta los temas que se cubren durante el curso
en el cual se basa el trabajo realizado.
Tabla 1. Contenido de la asignatura Cálculo Integral
Tema Objetivo
1. Integración
El alumno manejará el concepto de integral con los enfoques típicos:
como antiderivada, como límite de sumas de Riemann y como ínfimo de
sumas superiores y supremos de sumas inferiores. También demostrará
algunas propiedades de la integral y resolverá problemas geométricos
utilizando la integral.
2. Otros temas de
Integración
El alumno demostrará los principales resultados del Cálculo Integral,
como los teoremas de valor medio y los teoremas que relacionan la
integración con la derivación. También resolverá problemas físicos y de
otras ramas de la ciencia, utilizando la integral y manejará las integrales
impropias en la solución de ejercicios relativos.
3. Sucesiones y Series
Infinitas
El alumno manejará los conceptos de sucesiones y series, así como los
teoremas más importantes relacionados.
4. Representación de
Funciones como
Series
El alumno utilizará el concepto de serie para dar una expresión en serie
de algunas funciones y analizará los posibles casos de convergencia
asociados y sus propiedades.
4.2 Actividades de aprendizaje
A lo largo del curso se realizan diversas actividades, de las cuales se presentan a
continuación, en forma cronológica, las que se consideran más relevantes:
• Proyección de dos videos: En el primer video se realiza un ultrasonido a una
mujer embarazada; se aprecian varias imágenes 2D del feto y el médico marca las
regiones de interés (cabeza, corazón, etc.) para verificar si las medidas de las áreas
son normales. El segundo video corresponde a una empresa que se dedica al evalúo
y elaboración de planos de terrenos por medio de un sistema computacional que
analiza imágenes digitales tomadas desde una avioneta.
• Análisis del papel que tiene el profesional de las ciencias de la computación en el
desarrollo de tecnología para la salud, la industria, el comercio, etcétera.
• Definición del proyecto 1 que se desarrollará durante el curso: “SistemaAutomático
de Cálculo de Áreas (SA)”.

28
• Minicurso de procesamiento digital de imágenes utilizando celular con cámara
digital y Matlab.
• Construcción progresiva del sistema 1, mediante el desarrollo de diferentes
algoritmos y cuyo sustento radica en el cálculo integral.
• Proyección de un video en el que se realiza el ensamblaje de automóviles; se
aprecian varias imágenes donde los brazos robóticos industriales levantan y
colocan las piezas de los vehículos.
• Definición del proyecto 2 que se desarrollará durante el curso: “SistemaAutomático
de Cálculo de Masa y Centro de Masa (SMC)”.
• Proyección de dos videos: en el primero de ellos se realiza un ultrasonido a una
mujer embarazada y se aprecian varias imágenes 3D del feto y en el segundo video
se describe el trabajo de una empresa que se dedica a la reconstrucción en 3D de
piezas arqueológicas.
• Definicióndelproyecto3quesedesarrollaránduranteelcurso:“SistemaAutomático
de Reconstrucción 3D basado en tres fotos” (SR33)”.
4.3 Descripción de los proyectos del curso
El objetivo de realizar proyectos durante el curso consiste en llevar a la práctica los
conceptos teóricos abordados durante el mismo, ya que estos proyectos permiten que
el estudiante valore la utilidad de los conocimientos adquiridos durante las clases, los
cuales deberá aplicar posteriormente, durante su desempeño profesional. En el desarrollo
de cada uno de los proyectos del curso se utiliza un celular con cámara digital, así como
el lenguaje de programación Matlab con su caja de herramientas de procesamiento digital
de imágenes.
4.3.1 Proyecto 1 “Sistema Automático de Cálculo de Áreas” (SA)
Del análisis posterior de los dos primeros videos (ultrasonido de mujer embarazada y
evalúo y elaboración de planos de terrenos) el alumno descubre la importancia del cálculo
de áreas y observa algunas de sus aplicaciones. En una de las actividades del curso se
pide a los estudiantes que desarrollen un sistema que simule el proceso que se aprecia
en los videos (ubicación y marco de referencia del área a calcular, captura de imagen del
área por medio de la cámara del celular, transferir la imagen a la computadora, realizar
un procesamiento digital de las imágenes para poder dar una buena aproximación al área
de interés).

29
4.3.2 Proyecto 2 “Sistema Automático de Cálculo de Masa
y Centro de Masa (SMC)”
Del análisis posterior del tercer video (ensamblaje de automóviles) el alumno descubre la
importancia del cálculo de masa y centro de masa de un objeto para poder manipularlo.
Así, se solicita a los estudiantes desarrollar un sistema que simule el proceso que se
aprecia en el video (ubicación y marco de referencia del objeto, captura de imagen del
objeto por medio de la cámara del celular, transferir la imagen a la computadora, realizar
un procesamiento digital de la imagen para poder dar una buena aproximación a la masa
y centro de masa).
4.3.3 Proyecto 3 “Sistema Automático de Reconstrucción 3D
Basado en Tres Fotos (SR33)”
Del análisis posterior de los últimos dos videos (ultrasonido 3D y reconstrucción de
piezas arqueológicas) el alumno descubre la importancia del cálculo de volúmenes visto
como una generalización del cálculo de áreas, para poder reconstruir objetos de manera
tridimensional, de esta forma se le pide que desarrolle un sistema que simule el proceso
que se aprecia en los videos(ubicación y marco de referencia del objeto, captura de tres
imágenes del objeto(frente, lado, arriba) por medio de la cámara del celular, transferir las
imágenes a la computadora, realizar un procesamiento digital para poder dar una buena
aproximación del objeto de forma tridimensional).

30
4.4 Evaluación
Para la evaluación del curso se consideraron las siguientes actividades y puntajes: Ejercicios
teóricos (ET) con valor de 10 puntos, ejercicios teórico-prácticos (EP) con valor de 15 puntos,
programas de computación en los que se incluyen los tres proyectos (P) con valor de 15
puntos, cuatro exámenes parciales (EX) con valor de 60 puntos y el examen final, que sólo
presentan aquellos alumnos que no reúnen 80 puntos o más con las actividades anteriores.
Dado que la solución de los ejercicios teórico-prácticos, así como el desarrollo del
proyecto dependen de un dominio total de los conceptos fundamentales de la asignatura,
el peso total que reúne ambos aspectos es de 30%. Esto permitió que los alumnos no
renunciaran a la carga extra que implica el desarrollo del proyecto.
Para obtener la calificación final del curso (Calificación C) se suman las 4 calificaciones
ET, EP, P y EX. Si C≥80, entonces CF = C. De lo contrario, se aplica una ponderación de
60% para C y 40% para el examen final.
5 Impacto en el proceso de enseñanza-aprendizaje
A través de todas las actividades realizadas por los estudiantes y el profesor durante el
curso, se obtienen los siguientes beneficios en el estudiante:
• Valoralautilidaddesusconocimientosadquiridosenclase,asícomolaresponsabilidad
inherente a hacer un uso adecuado de tales conocimientos.
• Se introduce de manera natural en el manejo de conceptos teóricos del Cálculo
Integral, tras la necesidad de emplearlos para dar solución a un problema real.
• Tiene la oportunidad de visualizar una de las opciones para desempeñarse en su
futuro quehacer profesional y puede apreciar la relación existente entre las diferentes
disciplinas de la ciencia para poder desarrollar un proyecto en particular.

31
• Despierta un interés por la investigación y la búsqueda de soluciones que generen
nuevo conocimiento.
• Desarrolla actitudes como: honestidad, respeto, creatividad y responsabilidad.
6 Análisis comparativo
Al analizar los resultados se observa que los beneficios obtenidos al emplear recursos
tecnológicos para impartir el curso de Cálculo Integral son realmente significativos.
Además, el proceso enseñanza-aprendizaje es sumamente satisfactorio para el instructor
y los estudiantes se observan más motivados. Las estadísticas indican que el promedio
general pasó de 61 pts.(2002-2005 curso tradicional) a 71.34 pts. (2006-2009 curso con
tecnología). El porcentaje de aprobación pasó de 60% (2002-2005) a 67.3% (2006-2009),
como se muestra en la Tabla 2.
Tabla 2. Los porcentajes de aprovechamiento se han incrementado
Curso tradicional Curso con tecnología
Año 2002 2003 2004 2005 2006 2007 2008 2009
Número de alumnos 20 18 12 15 20 21 17 14
Calificación promedio anual 58 65 58 60 69 62 76 83
Porcentaje de aprobación anual 0.55 0.67 0.5 0.67 0.55 0.52 0.72 0.86
Calificación promedio por método 61 71.34
Porcentaje de aprobación 0.6 0.673
7 Conclusiones y trabajo futuro
La incorporación en el salón de clases de elementos como robots, cámaras digitales,
lenguajesdeprogramaciónocircuitoseléctricos,juntocontécnicasdinámicasdeenseñanza
permiten activar procesos cognitivos en el alumno, lo cual propicia un aprendizaje
significativo. La experiencia obtenida al impartir el curso empleando tecnología ha sido
muy productiva y será el cimiento para los futuros desarrolladores de ciencia y tecnología.
Actualmente se está trabajando en la utilización de robots, software matemático
y la estrategia de enseñanza aprendizaje basado en proyectos en asignaturas del corte
herramental o básico, tales como Cálculo Vectorial, Probabilidad y Estadística Inferencial,
pues se ha constatado que utilizando los ejemplos adecuados se consiguen óptimos
resultados. Por otro lado, se está iniciando la extrapolación de esta experiencia a cursos
de nivel medio superior, en asignaturas como Cálculo, Álgebra, Geometría, Física y
Trigonometría, en los cuales se espera obtener resultados similares.

32
Referencias
1. González C., García M., Montañez T., Escalante M.: Cálculo Diferencial con Aprendizaje por
Proyecto empleando Matlab y Robots LEGO NXT. Memorias de la Conferencia Conjunta Ibero-
americana sobre Tecnologías para el Aprendizaje 2009, pp. 118-127. Mérida, México (2009).
2. Sitio web de Matlab. http://www.mathworks.com/products/matlab/
3. Doswell J., Mosley P.: An Innovative Approach to Teaching Robotics. In Proc. 6th IEEE Int.
Conf. on Advanced Learning Technologies, pp. 1121-1122. Kerkrade, Netherlands (2006).
4. Gawthrop P., McGookin E.: Using Lego in Control Education. I.n Proc. 7th IFAC Symp.
Advances in Control Education, pp. 31-38. Madrid, Spain (2006).
5. Aliane N., Bemposta S., Fernández J., Egido V.: Una experiencia práctica de aprendizaje basado
en proyecto en una asignatura de robótica.Actas de las XIII Jornadas de Enseñanza Universitaria
de la Informática, pp. 139-144. Madrid, España (2007).
6. McMaster University, http://www.chemeng.mcmaster.ca/pbl/pbl.htm.
7. Universidad de Aalborg, http://adm.aau.dk/faktekn/aalborg/engelsk/index.html.
8. Thomas J.: A Review of Research on Project-Based Learning. Tesis doctoral, Buck Institute for
Education. California (2000).
9. Woods D., Felder R., Garcia A., Stice J.: The Future of Engineering Education III. Developing
Critical Skills. Chem. Engr. Educ., 34, 108-117 (2000).
10. Barg M., Fekete A., Greening T., Hollands O., Kay J., Kingston J.: Problem-Based Learning for
Foundation Computer Science Courses. Comp. Sci. Educ. 10:2, 109-128 (2000)
11. Hung D.: Situated Cognition and Problem-Based Learning: Implications for Learning and
Instruction with Technology. Interactive Learning Research. 13:4, 393-414 (2002).
12. Noguez J., Espinosa E.: Using a Portfolio for the Didactical Technique Project Oriented Learning
in some Computer Systems Subjects at ITESM-CCM. 47th World Assembly: Teacher Education
and the Achievement Agenda, Amsterdam (2002).
13. Spong M.: Project Based Control Education. In Proc. 7th IFAC Symp. Advances in Control
Education, pp. 40-47. Madrid, Spain, (2006).
14. Eduteka, En pro de los computadores, http://www.edutaka.org/ProComputadores.php.

33
Minería de datos: predicción de la deserción escolar
mediante el algoritmo de árboles de decisión
y el algoritmo de los k vecinos más cercanos
Sergio Valero Orea, Alejandro Salvador Vargas, Marcela García Alonso
Universidad Tecnológica de Izúcar de Matamoros, Prolongación Reforma 168,
Santiago Mihuacán, 74420, Izúcar de Matamoros, Puebla, México
svalero@utim.edu.mx, salvar73@hotmail.com, mgarcia@utim.edu.mx
Resumen. Las técnicas de minería de datos permiten obtener conocimiento
oculto en grandes cantidades de datos con información valiosa que, al explotarse,
ofrece ventajas competitivas a las organizaciones. En el caso de las instituciones
de educación superior, existen muchos datos respecto a los estudiantes, útiles
para tomar decisiones estratégicas en pro de los mismos. Con base en esto, se han
aplicado técnicas de minería de datos para buscar predecir la deserción escolar
en la Universidad Tecnológica de Izúcar de Matamoros, tomando como base de
análisis los datos del estudio socioeconómico del EXANI-II, elaborado por el
CENEVAL, mismo que se aplica desde el año 2003 en nuestra institución. Para
esta investigación se utilizaron específicamente dos algoritmos: el algoritmo de
árboles de clasificación C4.5 y el algoritmo de los k vecinos más cercanos.
Palabras clave: Minería de datos, deserción escolar, árboles de decisión, k
vecinos más cercanos.
1 Introducción
La minería de datos es una subdisciplina de las ciencias de la computación que ha logrado mucho
reconocimientoenlosúltimosaños,principalmenteporquepuedeserusadaparadiferentespropósitos
como herramienta de apoyo en las demás disciplinas de las ciencias. Su fortaleza radica en el hecho
de que forma parte del proceso de descubrimiento del conocimiento, cuyo objetivo es la búsqueda de
patrones de datos que sean válidos, novedosos, potencialmente útiles y comprensibles [1].
La minería de datos en la educación no es un tópico nuevo y su estudio y aplicación ha sido muy
relevante en los últimos años. El uso de estas técnicas permite, entre otras cosas, predecir cualquier
fenómeno dentro del ámbito educativo. De esta forma, utilizando las técnicas que nos ofrece la
minería de datos, se puede predecir, con un porcentaje muy alto de confiabilidad, la probabilidad de
desertar de cualquier estudiante.
2 Antecedentes
De acuerdo con laANUIES [2], en México de cada 100 estudiantes que ingresan a la Instituciones
de Educación Superior (IES), sólo 60 egresan, y de éstos sólo 20 se titulan. De acuerdo con la
Organización para la Cooperación y el Desarrollo Económico [3], aproximadamente un tercio

34
de los estudiantes de educación superior en México desertarán antes de completar sus estudios
de nivel superior.
Al igual que en muchas IES, la deserción escolar es un grave problema de la Universidad
TecnológicadeIzúcardeMatamoros(UTIM).Muchosfactoresinfluyenenladeserción,sinembargo,
al no haber un diagnóstico oportuno, conlleva a la falta de seguimiento del problema. Considerando
un índice de deserción relativamente alto (tabla 1), encontramos un área de oportunidad de poder
predecir la posibilidad de deserción de los estudiantes.
Tabla 1. Relación ingreso/deserción por periodo cuatrimestral en la UTIM
PERIODO INGRESO DESERCIÓN PORCENTAJE
Sep. - Dic. 2004 881 102 11.58%
Ene. - Abr. 2005 779 73 9.37%
May. - Ago. 2005 706 37 5.24%
Sep. - Dic. 2005 742 77 10.38%
Ene. - Abr. 2006 665 55 8.27%
May. - Ago. 2006 610 20 3.28%
Sep. - Dic. 2006 789 78 9.89%
Ene. - Abr. 2007 711 30 4.22%
May. - Ago. 2007 681 30 4.41%
Sep. - Dic. 2007 871 70 8.04%
Ene. - Abr. 2008 801 47 5.87%
May. - Ago. 2008 754 33 4.38%
Sep. - Dic. 2008 1104 68 6.16%
Ene. - Abr. 2009 1036 86 8.30%
En el modelo de Universidades Tecnológicas existen dos categorías para docentes: Profesores
de Tiempo Completo (PTC) y Profesores por Asignatura (PA). Dentro de nuestra institución, los
tutores son PTC que guían u orientan a los alumnos durante su estancia en la institución. Estos
docentes identifican a los alumnos que desertarán en el momento en que ellos solicitan su baja ya
que no existe ningún mecanismo formal que ayude a identificar la vulnerabilidad de los estudiantes;
el resultado del proyecto es una herramienta que permite calcular la probabilidad de deserción de
cada uno de los estudiantes, por lo que nuestra aportación a la UTIM tiene la finalidad de apoyar el
proceso de tutorías con una herramienta útil y práctica.
3 Minería de datos
Lamineríadedatosesentendidacomoelprocesodedescubrirconocimientosinteresantes,comopatrones,
asociaciones, cambios, anomalías y estructuras significativas a partir de grandes cantidades de datos
almacenadasenbasesdedatos,datawarehouses,ocualquierotromediodealmacenamientodeinformación
[4]. La aplicación de algoritmos de minería de datos requiere de actividades previas destinadas a preparar

35
los datos de manera homogénea. Esta primera etapa es también conocida como ETL (Extract, Transform
and Load) [5]. Un proceso completo de aplicación de técnicas de minería, mejor conocido como proceso
de descubrimiento del conocimiento en bases de datos [6] establece a la minería de datos como una etapa
del mismo. Dentro de ésta se pueden utilizar diversos algoritmos predictivos como:
Árboles de decisión C4.5: categorizado como aprendizaje basado en similaridades [8], los árboles
de decisión son uno de los algoritmos más sencillos y fáciles de implementar y a su vez de los más
poderosos. Este algoritmo genera un árbol de decisión de forma recursiva al considerar el criterio
de la mayor proporción de ganancia de información (gain ratio) [4], es decir, elige el atributo que
mejor clasifica a los datos.
Técnica de los k vecinos más cercanos: conocido como algoritmo de aprendizaje basado en
instancias, su funcionamiento es muy simple: se almacenan los ejemplos de entrenamiento de
datos históricos y cuando se requiere clasificar a un nuevo objeto, se extraen los objetos más
parecidos y se usa su clasificación para clasificar al nuevo objeto [7]. Los vecinos más cercanos
a una instancia se obtienen, para el caso de los atributos continuos, utilizando la distancia
Euclidiana sobre los n posibles atributos. El resultado de la clasificación por medio de este
algoritmo puede ser discreto o continuo. En el caso discreto, el resultado de la clasificación es la
clase más común de los k vecinos [7] [8].
4 Desarrollo de la investigación
Para el desarrollo del proyecto, seguimos la propuesta hecha por Hernández [9] en la que se marca el
proyecto de minería en una serie de fases definidas: integración y recopilación, selección, limpieza
y transformación, minería de datos, pruebas y verificación de resultados.
4.1 Fase de integración
Las fuentes de datos con las que se trabajó, fueron las bases de datos del EXANI – II y de los
alumnos inscritos, proporcionados por el Departamento de Servicios Escolares de la UTIM, de los
alumnos que causaron baja, así como sus causas.
En resumen, fueron 11 archivos DBF de todas las fechas que se aplicaron EXANI desde
2003 hasta 2008, seis archivos XLS de los alumnos inscritos y la digitalización de todos los
memorándums en donde se notificaba la baja del alumno junto con sus causas.
4.2 Fase de selección, limpieza y transformación
La primera acción realizada fue el análisis de los datos que se insertaron en el almacén de datos; se
tuvo que llevar a cabo el proceso ETL para seleccionar los datos útiles para la investigación, después
llevar a cabo la limpieza y transformación de los mismos para obtener una vista minable que permita
construir un modelo de calidad, realizando operaciones de discretización, sumarización, etcétera.
Para la base de datos del EXANI, se realizó el proceso ETL para seis generaciones distintas,
trabajando con 11 bases de datos que correspondieron a cuatro cuestionarios diferentes. La tabla

36
2 ejemplifica el grado de complejidad del proceso al trabajar con una gran cantidad de datos, de
dominios heterogéneos.
Tabla 2. Diferentes atributos usados por el CENEVAL para representar la situación socioeconómica
de un estudiante
Año Trabaja Hrs. que
trabaja
Tipo de
trabajo
Tipo de
organización
Trabajo que
desarrolla
Ingreso
personal
2003 Trabaja Hrs_trab Tipo_tra Trab_des Ing_per
2004 Trab_act Hrs_trab Tip_trab Org_trab Ocu_trab Ingr_per
2007 Trab_act Hrs_trab
2008 Trab_act Hrs_trab Apor
Para el caso de la base de datos de los alumnos inscritos, se limpiaron y transformaron los datos
de seis archivos tipo XLS, que de la misma forma que el caso anterior, tenían formas distintas de
almacenar los datos de los alumnos. Por citar algunos ejemplos, el apellido de algún alumno se
almacenaba como “PÉREZ”, “Pérez” o “Perez”, o la fecha de su nacimiento, como “17/01/1985” o
“17 de Enero de 1985”.
Por último, una vez capturados los datos de los alumnos que causaron baja (matrícula, nombre y
generación), se obtuvo una primer vista minable (mediante SQL), con 16 atributos que representan las
características de nuestros alumnos; está vista es útil para aplicar las técnicas de minería de datos.
Tabla 3. Concentrado de atributos finales utilizados para el proceso de minería de datos
Atributo Valores posibles
Sexo H (hombre), M (mujer)
Edad <=18, >18
Tipo_Bach
Bachillerato Abierto, BGO, Bachillerato Pedagógico, Bachillerato
Tecnológico (CBTis, CBTa), Colegio de Bachilleres, Preparatoria, Profesional
Técnico (CONALEP), Otro.
Prom_Bach Bajo (menor a 7), Medio (entre 7 y 9) y Alto (superior a 9).
Mat_Rep Ninguna, 3 o menos, 7 o menos, más de 7.
IntentosPrev Sí, No
ApoyoEco Sí, No
Inglés Básico, Intermedio, Avanzado
HabEst Nulo, Bajo, Medio, Alto
Exani Bajo (<1000 puntos índice CENEVAL), Medio (entre 1000 y 1150) y Alto
(arriba de 1150).
Esc_Padre No lo sabe, Sin estudios, Primaria, Secundaria, Media superior y Superior.
Esc_Madre No lo sabe, Sin estudios, Primaria, Secundaria, Media superior y Superior.
IngresoFam No lo sabe, <$3000, de $3000 a $6000, de $6001 a $9000, de $9001 a
$15000, >$15000
Tam_Fam Núcleo (padres y a lo más dos hijos), Extensa (padres y más de dos hijos).
Trabaja Sí, No
Hrs_Trabajo Menos 10 hrs semanales, Medio Tiempo, Tiempo Completo, No trabaja
Baja Sí, No

37
4.3 Fase de minería de datos
La tarea de minería de datos seleccionada fue la clasificación, utilizando un árbol de decisión
mediante el algoritmo C4.5 y el método de aprendizaje basado en vecindad conocido como los
k vecinos más cercanos (k nearest neighbors). Se crearon muchos árboles de prueba y se ejecutó
y probó el algoritmo haciendo las operaciones manualmente. También se construyó un segundo
modelo con el algoritmo de los k vecinos más cercanos y se compararon los resultados verificando
el nivel de confiabilidad de ambos modelos, mismos que se presentan a continuación.
4.4 Fase de pruebas y verificación de resultados
En esta fase se generaron los modelos con la ayuda del minero de datos (Weka) [10]. Se realizó un
conjunto de pruebas que se verificaron al momento de crear los modelos.
Por un lado, para la construcción del árbol de decisión, de las 723 instancias (registros) que
formaba nuestra vista minable, Weka tomó 477 instancias (66.6%) para construir el modelo y 246
instancias (33.4) para probarlo, con una precisión de 67.07%. Por otro lado, se probó el segundo
modelo con la ejecución del algoritmo de los k vecinos más cercanos, utilizando el método de
entrenamiento de validación cruzada con 10 evaluaciones, y se pudo notar que al establecer el valor
de k en 50, se obtuvo una precisión de 67.77%, superior a algoritmo C4.5. Este fue el porcentaje
mayor de confiabilidad, ya que se probó el modelo con los valores de k en 1, 10, 50 y 100, obteniendo
62.51%, 67.08%, 67.77% y 67.63%, respectivamente.
Se eligió la construcción del modelo usando el algoritmo para árboles de clasificación ya que
presenta un nivel de confiabilidad más alto al trabajar con cantidades mayores de datos. Se pudo notar
al construir modelos para poco más de 6500 instancias, y el modelo para el árbol de clasificación
tuvo una precisión de 98.98%, mientras que el algoritmo de los k vecinos más cercanos apenas y
superó el 70% como lo podemos observar en la Figura 1:
Figura 1. Comparación de resultados: a la izquierda el % de confiabilidad en k vecinos más cercanos y a la
derecha el % de confiabilidad de los árboles de decisión

38
Una vez que se eligió el modelo predictivo con base en árboles de decisión, se procedió a la
construcción de una interfaz que permitiera interactuar con el modelo construido. Como se cita en [10],
es posible leer una serie de reglas directamente del árbol creado, iniciando en la raíz y recorriéndolo a
partir de las decisiones tomadas en cada nodo encontrado hasta llegar a un nodo hoja (nodo final).
Figura 2. El sistema de predicción de deserción, resultado de la investigación
Usando el sistema de reglas del modelo creado se desarrolló una interfaz Web [11] que facilita la
identificación de los alumnos vulnerables. Esta interfaz se encuentra implementada en un Servidor
Linux con uso de Apache y PHP.
A través de esta interfaz (Figura 2) se probó el modelo con datos de alumnos que se encuentran
inscritos en el periodo septiembre-diciembre de 2009 del grupo 1A. Este grupo cuenta con 27
alumnos, de los cuales cinco se omitieron por no presentar examen de ingreso, quedando 22
registros para la prueba, cuyos resultados se muestran en la Figura 3.
Figura 3. Resultados de la prueba del modelo con datos reales

39
5 Resultados
La interfaz creada se encuentra disponible en el sitio Web de la UTIM [11] y cada tutor podrá
hacer uso de ella.
En resumen, nuestra investigación mostró que los alumnos de la UTIM desertan por las siguientes
tres causas principales:
ü La edad es un factor importantísimo que tiene que ver con la madurez y perspectiva de futuro
de los estudiantes,
ü Los ingresos familiares, para aquellos alumnos cuya edad sea menor o igual a 18 años, puesto
que a esta edad aún dependen de los ingresos familiares para el costo de su educación, y
ü El nivel de inglés, para aquellos alumnos cuya edad sea mayor a 18 años.
Conclusiones
Como primera conclusión podemos afirmar que las técnicas de minería de datos que usamos
proporcionan una manera que permite determinar aquellos alumnos que son candidatos a desertar.
Existe la suficiente evidencia para afirmar que mediante la interfaz propuesta en esta investigación
los tutores de nuestra institución podrán determinar este factor de riesgo de manera oportuna, para
así dar seguimiento a aquellos estudiantes vulnerables. Esta herramienta tiene la particularidad de
que fue creada específicamente para los alumnos del Programa Educativo de TIC-SI, con datos
históricos de éste y sólo puede utilizarse en la UTIM. La aplicación de este modelo en otros entornos
no sería posible, sin embargo, el desarrollo de todo el proceso de descubrimiento del conocimiento y
la aplicación de estas técnicas de minería de datos podría emularse de la misma manera.
Referencias
[1] Fayyad, U. M., 1996: “Data Mining and Knowledge Discovery: Making Sense out of Data”, IEEE
Intelligent Systems, Vol. 11, No. 5, USA, ISSN: 0885-9000.
[2] ANUIES, 2003, “El significado de la tutoría académica en estudiantes de primer ingreso a la licenciatura”,
Revista de la Educación Superior, Vol 3, No 127, México, ISSN: 01852760.
[3] OCDE,2006,“Highereducation:quality,equityandefficiency”,Obtenidoeldía15dediciembrede2009,desde
la World Wide Web en el sitio http://www.oecd.org/site/0,3407,en_21571361_36507471_1_1_1_1_1,00.html.
[4] Britos P., Hossian A., 2005, “Minería de Datos”, Nueva Librería, Argentina, ISBN: 9871104308.
[5] Kimball, R, 2002, “The Data Warehouse Toolkit: the Complete Guide to Dimensional Modeling”, Wiley
Computer Publishing, USA, ISBN: 780471200246.
[6] Cabena, P., Hadjinian, P., 1988, “Discovering Data Mining, From Concept to Implementation”, Prentice
Hall, USA, ISBN: 9780137439805.
[7] Morales, E., 2009, “Descubrimiento de conocimiento en bases de datos”, Obtenido el día 11 de julio de
2009, desde la World Wide Web en el sitio http://ccc.inaoep.mx/~emorales/Cursos/KDD/principal.html.
[8] Han J., Kamber M., 2006, “Data Mining: Concepts and Techniques”, The Morgan Kaufmann Publishers,
USA, ISBN: 1558609016.
[9] Hernández J., Ferrari C., Ramírez M., 2004. “Introducción a la minería de datos”, Pearson Educación,
España, ISBN: 9788420540917.
[10] Witten I., Frank E., 2005, “Data Mining, Practical Machine Learning, Tools and Learning”, The Morgan
Kaufmann Publishers, USA, ISBN: 0120884070.
[11] Valero S., Salvador A., García M., 2009, “Modelo de predicción”, Disponible en la World Wide Web en
http://www.utim.edu.mx/mineria.

40
Experiencias en la implementación de aulas virtuales para
la incorporación de las TIC al aprendizaje
Clave del Proyecto: 011.09-P03
Ramanuján Gómez,1 Fausto Iuit2 y José Ordóñez2
1CBTis 95, calle 22 Núm. 102 por 21 y 23 Col. Yucatán C.P. 97050 Mérida, Yucatán, México.
2CETIS 112, Circuito Colonias por Av. Rafael Matos Escobedo
1rama.cbtis95@innove.com.mx, 2 jaon126@hotmail.com
Resumen. En este proyecto participaron 72 profesores de Matemáticas, Ciencias
experimentales, Sociales y humanidades, Comunicación y Especialidades del
estado de Yucatán, proporcionándoles la metodología y herramientas necesarias
para diseñar e implementar 61 aulas virtuales que fueron utilizadas por 1,716
alumnos como una herramienta didáctica de apoyo a las clases presenciales,
favoreciendo el desarrollo de competencias genéricas y docentes enmarcadas en
la Reforma Integral de la Educación Media Superior.
Se registraron dos dominios, se habilitó un servidor dedicado a configurar
un sistema gestor del aprendizaje. Se diseñó e impartió el diplomado “Aulas
Virtuales para el Aprendizaje”, con características específicas para este
proyecto. Se realizó un acompañamiento de manera virtual y presencial a los
profesores durante todo el proceso de implementación de las aulas virtuales con
sus alumnos.
Para la evaluación del proyecto se diseñaron y aplicaron encuestas y preguntas
abiertas a una muestra de los profesores y alumnos participantes.
Palabras clave: Aula virtual, Recursos Tecnológicos para el Aprendizaje, las
Tecnologías de la Información y la Comunicación en el Aula, Sistema Gestor
del Aprendizaje, Plataforma didáctica.
1 Introducción
Este informe se estructuró con los siguientes apartados: resumen, introducción, justificación,
objetivo, metodología, conclusión, trabajos futuros y bibliografía.
En el presente proyecto se diseñaron e implementaron 61 aulas virtuales con los profesores
pertenecientes a los subsistemas Dirección General de Educación Tecnológica e Industrial
(DGETI), Dirección General de Educación TecnológicaAgropecuaria (DGETA), Dirección General
de Educación en Ciencia y Tecnología del Mar (DGCyTM), Colegio de Estudios Científicos y
Tecnológicos (CECyTEY) y Colegio de Bachilleres del Estado de Yucatán (COBAY), para usar
como una herramienta didáctica de apoyo a las clases presenciales del nivel medio superior, que
responden a los planteamientos del Programa Sectorial de Educación 2007-2012 en sus objetivos 3.3
y 3.4, así como de los Acuerdos Secretariales 442, 444 y 447 del Sistema Nacional de Bachillerato.
Para el logro de los objetivos de este proyecto los profesores participaron en el diplomado “Aulas
Virtuales para el Aprendizaje” en la modalidad semipresencial (b-Learning) con la ayuda de un

41
Sistema Gestor del Aprendizaje (Moodle) implementado para este proyecto, que les proporcionó
la metodología y herramientas necesarias con las cuales diseñaron e implementaron las 61 aulas
virtuales que fueron utilizadas por 1,716 alumnos. Estas expectativas fueron superadas, lográndose
la participación de 72 profesores y la construcción de 61 aulas virtuales.
El Aula Virtual es un recurso de apoyo a la enseñanza y el aprendizaje que cualquier profesor
capacitado puede diseñar y utilizar. Es un espacio virtual en donde se desarrollan estrategias de
aprendizaje con la ayuda de algunas herramientas que el profesor configura para realizar diferentes
actividades: como foros de discusión, wikis, lecturas, tareas de elaboración de esquemas gráficos,
investigaciones, resúmenes, cuestionarios, exámenes o enlaces a otros recursos de interés para la
formación del alumnado. Con la puesta en marcha de aulas virtuales por parte del profesor, se logra
interesar y motivar al alumno a través de escenarios de aprendizaje innovadores, además de poner
en marcha procesos de reflexión, análisis, síntesis y autoevaluación, que favorecen la colaboración
y cooperación entre los alumnos y/o la adopción de roles distintos.
El proyecto de aulas virtuales favorece el uso de las Tecnologías de la Información y la
Comunicación como una herramienta de apoyo a la modalidad escolarizada (clase presencial) y el
desarrollo de ambientes de aprendizaje innovadores que motivan e interesan al alumno a: Aprender
a aprender, Aprender a hacer, Aprender a ser y Aprender a convivir. Con la implementación de este
proyecto se propician varias experiencias formativas y el desarrollo de competencias en el profesor
y el alumno enmarcadas en SNB. Los resultados de este trabajo permiten abrir nuevas líneas de
investigación para futuros estudios relacionados con el impacto de las Tecnologías de la Información
y la Comunicación (TIC) en el aula y el aprendizaje.
2 Justificación
El programa sectorial de educación 2007-2012 en sus objetivos 3.3 y 3.4 menciona: 3.3 “Capacitar al
profesorado en el acceso y uso de las Tecnologías de la Información y la Comunicación para mejorar
los ambientes y procesos de aprendizaje. Diseñar y ofrecer cursos de capacitación y actualización
dirigidos al conjunto de los profesores de todas las modalidades y orientados al trabajo de los
contenidos de aprendizaje de las distintas asignaturas del plan de estudios, mediante el empleo de las
Tecnologías de la Información y la Comunicación y otros materiales digitales”. 3.4 “Promover en las
aulas la utilización de espacios virtuales para acercar a los docentes y estudiantes a la tecnología de
punta, así como desarrollar competencias para su uso. Desarrollar plataformas didácticas y utilizarlas
de manera masiva a través de las Tecnologías de la Información y la Comunicación. Emplear de
manera sistemática en los ambientes escolares dichas tecnologías, para apoyar la inserción de los
estudiantes en la sociedad del conocimiento y ampliar sus capacidades para la vida, incluyendo la
educación y capacitación a distancia y el desarrollo de una cultura informática”.
3 Objetivo
Incorporar las Tecnologías de la Información y la Comunicación a la práctica docente, mediante la
implementación de aulas virtuales para el aprendizaje, con acciones que favorezcan el desarrollo de
competencias genéricas, disciplinares y docentes.

42
4 Metodología
Para lograr los objetivos planteados en este proyecto se describe a continuación los diferentes
procesos que se desarrollaron para su implementación.
1st. Se contrataron y registraron dos dominios ante Network Information Center México S.C.
innove.com.mx y redinnove.com.mx.
2nd. Se habilitó un servidor dedicado con las siguientes características técnicas: Procesador Xeon
Dual de 2.8 Ghz, RAM de 4 G, Disco Duro de 2x250 GB, Servidor Web Apache, Servidor Ftp
ProFTPD, Servidor Mail SMTP, IMAP4, POP3, Ancho de Banda 5000 GB.
3rd. Se instaló y configuró en el servidor dedicado un sistema gestor del aprendizaje (Moodle) [4]
con la posibilidad de atención a 2500 usuarios.
4th. Se diseñó, planeó e impartió el diplomado “Aulas Virtuales para el Aprendizaje” con las
siguientes características específicas para este proyecto:
• Modalidadsemipresencial(B-learning)loquesignificóquelosparticipantesdeldiplomado
aprendieron las TIC con las TIC, es decir, que los contenidos del diplomado se alojaron
en un aula virtual disponible en la plataforma implementada para que los profesores a
distancia fueran utilizando los recursos y actividades del aula para el desarrollo de las
actividades de cada módulo.
• Se trabajó con base en una metodología de investigación-acción en donde los profesores
disponían de un tiempo en cada módulo para poner en práctica con sus alumnos los
aprendizajes logrados.
• Los participantes del diplomado conformaron un grupo heterogéneo y multidisciplinario
de profesores, tanto por la diversidad de edades que fluctuaban entre los 23 y 60 años de
edad y de 3 a 35 años de servicio prestados, como por la diversidad de asignaturas, lo que
permitió acercar a los profesores con menos experiencia en el uso de las tecnologías para
que conozcan, utilicen y diseñen estrategias innovadoras aplicables al aula con el uso de
las Tecnologías de la Información y Comunicación y reflexionar sobre la necesidad de
transformar su práctica educativa.
• Un producto del diplomado fue que los profesores construyeran un aula virtual para una
unidad de la asignatura que estaban impartiendo en el semestre vigente, con el enfoque
metodológico propuesto en el Sistema Nacional del Bachillerato a través de una secuencia
didáctica que incluyera estrategias centradas en el aprendizaje innovadoras y enriquecidas
con los recursos y actividades tecnológicas de que dispone Moodle.
• Los profesores impartieron un curso de inducción a sus alumnos para que puedan utilizar
e interactuar con las actividades y recursos que el profesor diseñó e implementó en su
aula virtual. En este proceso se incluyó la matriculación de los alumnos con su usuario y
contraseña de acceso a la plataforma, la calendarización de actividades y la autentificación
al aula virtual, así como el proceso de editar el perfil de cada alumno que incluyó adjuntar
su fotografía.
5th. Se realizó una coevaluación con base en una lista de cotejo elaborada para constatar si las aulas
virtuales cumplían con los requisitos establecidos para este proyecto tanto en lo tecnológico
como en lo pedagógico.

43
6th. Se realizó un acompañamiento de manera virtual y presencial a los profesores durante todo el
proceso de implementación de las aulas virtuales con sus alumnos.
7th. Se evaluó la satisfacción e impacto en el uso de aulas virtuales, a través de encuestas dirigidas
a dos poblaciones: profesores y alumnos que han recibido el beneficio del uso del aula virtual
para el desarrollo de las asignaturas. Así mismo, su formato está elaborado como una escala
de medición ordinal ya que éstas cuentan con tres o más niveles establecidos que implican
un orden inherente entre sí. Es, por tanto, una escala cuantitativa que permite ordenar los
eventos en función de la mayor o menor posesión de un atributo o característica. Para ambas
poblaciones, en la escala de la evaluación de satisfacción, se incluyeron reactivos abiertos que
fueron interpretados de manera cualitativa.
4.1 Recolección de datos
Larecoleccióndedatosserealizóatravésdelservidordisponibleparaesteproyecto,esdecir,lasencuestas
sediseñaronyconstruyeronenunlenguajedeprogramación,paraestecasoPHP,yorganizándoseenuna
base de datos MySQL para que estuviesen disponibles en línea para alumnos y profesores http://www.
redinnove.com/alumnos2009 y http://www.redinnove.com/docentes2009 y contestaran las encuestas.
Así mismo, el sitio http://www.redinnove.com/docentes2009/resultados sirvió de contenedor de las seis
encuestas aplicadas con las cuales se tabularon, graficaron e interpretaron los datos.
5 Conclusiones
En este proyecto participaron 72 profesores pertenecientes a los subsistemas: Dirección General
de Educación Tecnológica e Industrial (DGETI), Dirección General de Educación Tecnológica
Agropecuaria (DGETA), Dirección General de Educación en Ciencia y Tecnología del Mar
(DGCyTM), Colegio de Estudios Científicos y Tecnológicos (CECyTEY) y Colegio de Bachilleres
del Estado de Yucatán (COBAY), así como 1,716 alumnos que utilizaron las aulas virtuales
construidas por sus profesores, lo que les permitió desarrollar algunas competencias docentes,
genéricas y disciplinares enmarcadas en el Sistema Nacional del Bachillerato.
5.1 Objetivos alcanzados en el proyecto
1. Se capacitó a los profesores en el uso de las TIC con las TIC.
2. Se capacitó a profesores en el uso de lasTIC mediante espacios virtuales para el aprendizaje.
3. Los alumnos utilizaron las TIC a través de espacios virtuales para el aprendizaje.
4. Construcción de 61 aulas virtuales a través de un Sistema Gestor de Aprendizaje, orientadas al
trabajo de los contenidos de aprendizaje de las distintas asignaturas del plan de estudios con el
conjunto de profesores pertenecientes a la Educación Media Superior del estado de Yucatán.
5. Implementación de las 61 aulas virtuales en la práctica docente para utilizar con sus alumnos.
6. Promover en las aulas la utilización de espacios virtuales para acercar a los docentes y
estudiantes a la tecnología de punta, así como desarrollar competencias para su uso.

44
5.2 Recursos y actividades diseñadas por los profesores en su aula virtual
Los profesores implementaron 494 recursos y 469 actividades en las aulas virtuales que utilizaron
con sus alumnos.
Recursos que se implementaron
Videos Hipervínculos y
ligas
Carpeteas y
archivos Audios Calendarios
97 209 122 9 57
Actividades que se implementaron
Foro Chat Wiki Cuestionarios Tareas Glosarios
134 18 87 56 154 20
5.3 Resultados del grado de satisfacción del docente
Con base en el análisis de los resultados de las encuestas aplicadas a los profesores se concluye que
en su gran mayoría se encuentran muy satisfechos de los contenidos y productos del diplomado.
Al 90% de los profesores les causó un gran impacto el haber diseñado e implementado un aula
virtual como herramienta que favoreció mejoras e innovaciones en su práctica docente, y que
resultaron del interés de los alumnos esta nueva forma de propiciar aprendizajes.
El 100% de los profesores encuestados respondió que sí recomendaría a sus compañeros
participar en el desarrollo de aulas virtuales como proceso de actualización y formación, y como
herramienta de apoyo a los procesos de aprendizaje.
5.4 Competencias docentes desarrolladas
• Organiza su formación continua a lo largo de su trayectoria profesional.
• Lleva a la práctica procesos de enseñanza y de aprendizaje de manera efectiva, creativa e
innovadora a su contexto institucional.

45
• Construye ambientes para el aprendizaje autónomo y colaborativo.
• Participa en los proyectos de mejora continua de su escuela y apoya la gestión
institucional.
5.5 Resultados del grado de satisfacción de los alumnos
Encuesta de satisfacción de alumnos en el uso del Aula Virtual
Nombre
Número de
encuestados
Número de
ítems
Resultados
Grado de satisfacción 1000 17
El 76.69% se encuentra entre
totalmente satisfecho y muy
satisfecho.
Resultados globales de la encuesta a alumnos del proyecto “Implementación de AV para la incorporación de
las TIC en el aprendizaje”
Núm. Pregunta Muy bien y aceptable
1 Contenidos 99.64%
2 Como apoyo y acompañamiento en mi clase. 98.75%
3
Disponibilidad de acceso a la información en el
AV (Archivo de texto, videos, power point, ligas,
etc.)
98.75%
4 Plataforma de tecnologías de información. 99.11%
5 Global 98.75%
En las encuestas aplicadas a los alumnos que utilizaron las aulas virtuales diseñadas e
implementadas por sus profesores, más de 90% aceptaron con agrado la disponibilidad de
recursos didácticos como videos de You tube, laboratorios virtuales, tablas interactivas y juegos
didácticos, entre otros contenidos educativos relacionados con las asignaturas de Matemáticas,
Física, Química, Lengua adicional al español, Contabilidad, Lectura, expresión oral y escrita,
Ciencia, tecnología, sociedad y valores, lo que les llamó mucho la atención al descubrir cómo
las TIC pueden ser una ayuda para sus aprendizajes.
Otro punto a destacar es que al 81.5% de los alumnos encuestados les resultó de mucha utilidad
y beneficio disponer de un sitio en internet creado por sus profesores donde, a cualquier hora, aun
fuera de la escuela y en fines de semana, puedan acceder a información de las clases, actividades y
tareas; con esto la comunicación maestro-alumno rompe el esquema de las cuatro paredes del aula y
se extiende extramuros a través de la tecnología.

46
5.6 Competencias genéricas desarrolladas por los alumnos
• Escucha, interpreta y emite mensajes pertinentes en distintos contextos mediante la
utilización de medios, códigos y herramientas apropiadas.
• Desarrolla innovaciones y propone soluciones a problemas a partir de métodos
establecidos.
Además, este proyecto contribuyó a dar respuesta a uno de los objetivos del Programa Sectorial
de Educación 2007-2012 que es “Promover en las aulas la utilización de espacios virtuales para
acercar a los docentes y estudiantes a la tecnología de punta, así como desarrollar competencias para
su uso. Desarrollar plataformas didácticas y utilizarlas de manera masiva a través de las tecnologías
de la información y la comunicación. Emplear de manera sistemática en los ambientes escolares
dichas tecnologías, para apoyar la inserción de los estudiantes en la sociedad del conocimiento
y ampliar sus capacidades para la vida, incluyendo la educación y capacitación a distancia y el
desarrollo de una cultura informática”.
5.7 Trabajos futuros
Se propone la continuidad de este proyecto con dos propósitos específicos, el primero:incrementar el
número de profesores en el diseño e implementación de Aulas Virtuales, para mejorar los ambientes
y procesos de aprendizaje y, por consiguiente, aumentar el número de estudiantes que utilizarán
la tecnología de punta, además de desarrollar las competencias docentes “Organiza su formación
continua a lo largo de su trayectoria profesional” y “Lleva a la práctica procesos de enseñanza y
de aprendizaje de manera efectiva, creativa e innovadora a su contexto institucional”, mediante la
multiplicación del diplomado a nivel estatal y nacional con los egresados de la primera generación
de “Aulas Virtuales para el Aprendizaje”.
El segundo propósito es trabajar con los profesores que participaron en este proyecto, en la
creación de nuevas aulas virtuales y en la formación de otros profesores en el uso de sistemas
gestores del aprendizaje a través de procesos de capacitación encaminados a la multiplicación,
acompañamiento, seguimiento, evaluación y actualización de sus aprendizajes en el diseño,
construcción y aplicación de recursos y actividades tecnológicas basados siempre en un
enfoque pedagógico y metodológico centrado en el aprendizaje más que en la enseñanza,
de acuerdo con propuestas de la RIEMS. Con esto se pretenden desarrollar los siguientes
atributos de tres competencias docentes: “Identifica los conocimientos previos y necesidades
de formación de los estudiantes, y desarrolla estrategias para avanzar a partir de ellas”,
“Diseña y utiliza materiales adecuados en el salón de clases”, “Da seguimiento al proceso
de aprendizaje y al desarrollo académico de los estudiantes”, “Fomenta la autoevaluación y
coevaluación entre los estudiantes para afianzar sus procesos de aprendizaje”, “Estimula la
participación de los estudiantes en la definición de normas de trabajo y convivencia, y las
hace cumplir”, “Colabora en la construcción de un proyecto de formación integral dirigido a
los estudiantes en forma colegiada con otros docentes y los directivos de la escuela, así como
con el personal de apoyo técnico pedagógico”.
Estos dos propósitos propiciarán el desarrollo de varias competencias genéricas y disciplinares
en los alumnos.

47
Para el logro de los objetivos anteriormente planteados, se requiere continuar con la disponibilidad
de un servidor dedicado que alojará el sistema gestor de aprendizaje Moodle donde las características
técnicas del servidor y ancho de banda estarán condicionadas por el número de usuarios que
accederán a ella. El recurso humano estará a cargo de los responsables del proyecto, un asesor, dos
programadores y de los profesores participantes en el primer proyecto.
Este proyecto contribuyó a utilizar las Tecnologías de la Información y la Comunicación de
manera sistemática en los ambientes escolares, favoreciendo la inserción de alumnos y profesores
en la sociedad del conocimiento y ampliar sus capacidades para la vida, incluyendo la educación y
capacitación a distancia y el desarrollo de una cultura informática.
Los resultados de este proyecto permiten abrir nuevas líneas de investigación referentes a medir
el impacto de los aprendizajes de los alumnos en diferentes asignaturas, contextos, edades, al utilizar
las aulas virtuales diseñadas por sus profesores.
Referencias
1. SEP. ACUERDO número 442. Por el que se establece el Sistema Nacional de Bachillerato en un
marco de diversidad. Diario Oficial de la Federación (2008).
2. SEP. ACUERDO número 444. Por el que se establecen las competencias que constituyen el marco
curricular común del Sistema Nacional de Bachillerato. Diario Oficial de la Federación (2008).
3. SEP. ACUERDO número 447. Por el que se establecen las competencias docentes para quienes impartan
educación media superior en la modalidad escolarizada. Diario Oficial de la Federación (2008).
4. Moodledocs, documentación para moodle en castellano, GNU general public license, www.docs.moodle.
org/es/portada.
5. Adell, J., & Bernabé, Y. (2008). El aula virtual como soporte a la formación presencial universitaria.
Quaderns Digitals. Net(38). Recuperado el 20 de marzo de 2010, de http://www.quadernsdigitals.net/
index.php?
6. Barberà, G.E. & Badia G.A., (2005). “El uso educativo de las aulas virtuales emergentes en la Educación
Superior” [artículo en línea]. Universidad Oberta de Catalunya España. Revista Iberoamericana de
Educación. ISSN 1681-5653.
7. Hiltz R,(205). Department of Information System College of Computing Sciences New Jersey Institute
of Technology University Heights. Building Learnig Communities in On Line Courses, disponible en
http://web.njit.edu/~hiltz/
8. Kutukdjian y Corbett. (2009). Informe mundial de la UNESCO: Invertir en la diversidad cultural y el
diálogo intercultural [en línea]. Editorial: UNESCO. Recuperado el 22 de marzo de 2010, de http://
unesdoc.unesco.org/images/0018/001847/184755S.pdf
9. Barbera y Badía (2004). Educar con aulas virtuales. Madrid, España: A. Machado libros.
10. Centro Virtual Cervantes (2009). El aprovechamiento de las Tecnologías de la Información y la
Comunicación para la creación de redes de aprendizaje colaborativo: La experiencia de Telefónica de
España. Revisado en línea en febrero de 2009 en sitio Web: http://cursos.cepcastilleja.org/mod/forum/
discuss.php?d=3294.

48
Modelo predictivo para la determinación de causas de
reprobación mediante Minería de Datos
Erika Rodallegas Ramos,1 Areli Torres González,1 Beatriz B. Gaona Couto,1
Erick Gastelloú Hernández,1 Rafael A. Lezama Morales,1 Sergio Valero Orea2
1Área de Tecnologías de la Información y Comunicación, Universidad Tecnológica de Puebla,
Antiguo Camino a la Resurrección Núm. 1002-A, Zona Industrial, Puebla, Puebla, C.P. 72300,
(222) 309-88-06, 2 Área de Tecnologías de la Información y Comunicación,
Universidad Tecnológica de Izúcar de Matamoros, Prolongación Reforma Núm. 168,
Barrio de Santiago Mihuacán, Izúcar de Matamoros, Puebla, C.P. 74420, (243) 436 3894
1{erika.rodallegas, areli.torres, beatriz.gaona, erick.gastellou, rafael.lezama}@utpuebla.edu.mx
2svalero@utim.edu.mx
Resumen. La reprobación escolar, específicamente en el nivel superior, es un
fenómeno altamente indicativo de la crisis por la que atraviesa la sociedad
en general y la educación. Se entiende que la reprobación como parte del
fracaso escolar es preocupante en todos los niveles educativos. Se estima que
la eficiencia terminal en educación superior en México oscila entre 53% y
63%. En este trabajo se llevó a cabo el análisis de los datos que nos permitirán
generar un modelo que ayude a predecir, desde que los alumnos ingresan a
la Universidad, las causas que los llevarán a reprobar, así como las materias
con mayor riesgo. Se recolectaron los datos relevantes que inciden en la
reprobación por alumno, resultando un repositorio denominado datawarehouse,
sobre él se está trabajando para diseñar el modelo predictivo. Finalmente, se
implementará en una interfaz para que el usuario pueda capturar y observar
los resultados.
Palabras clave: Reprobación escolar, ETL, Datawarehouse, Minería de datos,
KDD.
1 Introducción
Los problemas más complejos que enfrentan las instituciones de educación son la
deserción, la reprobación, el rezago estudiantil y los bajos índices de eficiencia
terminal [1]. La reprobación se define como un insuficiente rendimiento cuantitativo
y/o cualitativo de las potencialidades de un alumno para cubrir los parámetros
mínimos establecidos por una institución educativa [2]. La reprobación se puede
explicar por diversos factores (entre ellos los socioeconómicos) y no sólo como
un problema de falta de capacidades, se señala el examen[3] como “instrumento
de evaluación” utilizado por las instituciones de nivel superior para eliminar de la
escuela a los “reprobados”.
En esta investigación se está construyendo un modelo que ayude a predecir las causas de
reprobación, tomando en cuenta diversos aspectos de los estudiantes actuales y anteriores,

49
entre ellos: los datos del historial académico, problemas personales y psicológicos. Estos
datos fueron proporcionados por la Universidad Politécnica de Puebla (UPP), para aplicar
herramientas y técnicas de minería de datos.
En la UPP los índices de reprobación y deserción se han comportado como se muestra
en la tabla 1.
Tabla 1. Porcentajes de reprobación y deserción histórica de la UPP
% de reprobación y deserción
Programa educativo
2005 2006 2007 2008 2009
Rep Des Rep Des Rep Des Rep Des Rep Des
Biotecnología 23 27 31 28 30 29 30 30 33 19
Informática 37 67 43 62 58 57 52 52 37 23
Electrónica y
telecomunicaciones
36 65 45 60 56 55 51 50 34 22
Mecatrónica 26 26 42 26 40 26 35 20
En la tabla 1 se observa que el año en el que se tuvo mayor problema de reprobación fue
en 2007, debido a esto se tomaron medidas como clubes de asesoría, tutoría personalizada,
talleres extracurriculares, atención psicológica, entrevistas con padres de familia y cursos
de regularización, que ayudaron a que este índice fuera disminuyendo, sobre todo en las
carreras que tienen mayor problema tanto de reprobación como de deserción, que son las
de Informática, y Electrónica y Telecomunicaciones.
Normalmente los problemas de reprobación se tratan de resolver hasta que los alumnos
comienzan a tener problemas para promediar, por lo que el objetivo primordial de esta
investigación es anticiparse a que este fenómeno suceda, previniendo con algunas medidas
que la institución considere convenientes, conociendo las causas por las que los alumnos
tienen problemas para culminar con éxito una materia.
2 Metodología utilizada
La metodología utilizada es la que propone Hernández Orallo [4] para el proceso de
extracción o descubrimiento de conocimiento en bases de datos (Knowledge Discovery in
Databases, KDD), este proceso es iterativo e interactivo, por lo que se permite regresar
a etapas previas las veces que sea necesario, para refinar el modelo y tomar los datos que
ayuden a determinar con mayor precisión las causas de reprobación y las materias con
mayor riesgo.
La figura 1 muestra la secuencia de pasos para llegar al conocimiento, partiendo de un
conjunto de datos dispersos en una organización.

50
Figura 1. Proceso KDD [5]
3 Desarrollo
Los datos que se recolectaron corresponden a todas las carreras que se imparten en
la UPP de todos los ciclos desde que inició la Universidad (2004); se incluyeron los
siguientes datos: calificaciones por área del examen de admisión EXANI II, datos
relevantes del estudio socioeconómico, calificación del test de intereses vocacionales
(KUDER), calificación del test de coeficiente intelectual (RAVEN), estilos de
aprendizaje, evaluación a profesores, asignaturas cursadas y su promedio por
cuatrimestre.
Con todos estos datos se creó un repositorio con el histórico de la información de los
alumnos que actualmente están cursando la Ingeniería en cualquiera de las cuatro carreras
de la UPP.
El proceso que consumió la mayor parte del tiempo en toda esta serie de pasos es la
de ETL (Extracción, Transformación y Carga); es crítica su correcta elaboración debido
a que los datos que se toman para crear el repositorio están almacenados con diferentes
formatos, en diferentes fuentes y con errores en su captura, o con valores incompletos;
hubo entonces que aplicar técnicas para depurar todo de tal manera que el almacén de
datos quedara lo más completo y homogéneo posible.

51
Figura 2. Proceso ETL [6]
Se aplicaron técnicas de clasificación, utilizando árboles de decisión mediante
el algoritmo C4.5, para crear un modelo predictivo que identifique las materias que
reprobarán los alumnos, así como sus causas. Se realizó un árbol de decisión por cada
materia para que se pueda obtener el porcentaje de probabilidades de que la apruebe
o repruebe, así como las probables causas por las que tendrá problemas en dichas
materias. Por lo tanto, el modelo quedó conformado por 157 árboles de las cuatro
carreras de la UPP.
Se está diseñando una interfaz de tal manera que la información pueda ser analizada
e interpretada por cualquier persona y que los datos nuevos puedan ser capturados y
clasificados; esta interfaz tendrá dos maneras de visualizar los resultados, en pantalla o en
un archivo PDF para que pueda ser impresa.
Se están comprobando los resultados del modelo predictivo usando los datos de
los alumnos que ingresaron en el periodo septiembre–diciembre de 2009; con esto se
comprobará el porcentaje de eficiencia del modelo diseñado.
En este momento la investigación se encuentra en la fase de obtención del modelo
predictivo; se tiene integrado el almacén de datos, el cual quedó conformado como se
muestra en la figura 3.

52
Figura 3. Modelo Multidimensional
Los datos obtenidos de las fuentes mencionadas se clasificaron de acuerdo con los
siguientes rubros: datos de identificación, antecedentes escolares, resultados del examen
de ingreso (CENEVAL EXANI-II), datos sociodemográficos, habilidades académicas,
historial académico dentro de la UPP y otros factores como es la calificación docente
(evaluaciones que hacen los alumnos a sus profesores).
Se unieron algunas variables similares en grupos y se discretizó y numerizó algunas
otras. Hubo variables en las que se tomaron los datos almacenados en ellas desde las fuentes
de datos, ya que se observó que no requerían de alguna técnica de transformación.
Después de aplicar el proceso ETL y crear el almacén de datos, se obtuvieron vistas
minables para cada una de las materias; de cada una de ellas se obtendrá un árbol de decisión
usando la herramienta WEKA[7], los cuales servirán para formar el modelo predictivo,
pasando las sentencias que genera la herramienta a un lenguaje de programación, el cual
se insertará en la interfaz gráfica.
4 Resultados experimentales
El modelo obtenido ha arrojado algunos datos interesantes que describen el fenómeno de
la reprobación en la UPP. De las 157 materias se obtuvo que las que tienen un porcentaje
menor a 40% de reprobación tienden a no generar árboles y la predicción sale con un
porcentaje fijo de aprobación, omitiendo los demás atributos de los alumnos; con estas
características se obtuvieron 64 materias.

Recursos digitales

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (9)

Similar a Recursos digitales

Similar a Recursos digitales (20)

Más de veronicaAlzogaray

Más de veronicaAlzogaray (17)

Recursos digitales