análisis de la relación entre los objetivos cognitivos y...
Post on 09-May-2020
11 Views
Preview:
TRANSCRIPT
Análisis de la relación entre los objetivos cognitivos y la
evaluación sumativa en los cursos de bajo rendimiento de la
carrera de Ingeniería en Computación.
MBA. Lorena Valerio Solís
Msc. Gaudy Esquivel Vega
Introducción
La carrera de Ingeniería en Computación del ITCR, en la sede San Carlos
presenta los niveles más bajos de aprobación en los cursos ubicados en los
primeros dos años de la carrera, entre los que se encuentran el curso de
Estructura de Datos y el de Análisis de Algoritmos. Es lo anterior, que establece un
caso de estudio importante para analizar los objetivos cognitivos y la evaluación
sumativa en estos cursos, con el objetivo de determinar si existe una relación de
exigencia “adecuada”, según el nivel alcanzado de los objetivos en la taxonomía
de Bloom, con el tipo de instrumento e ítems seleccionados para evaluar al
estudiante.
Metodología utilizada y sustento teórico del estudio realizado
La carrera de Ingeniería en Computación consta de 8 semestres, con 22 cursos
del área de computación los que suman un total de 136 créditos. En el año 2010
se creó el modelo pedagógico de la Carrera de Ingeniería en Computación, el que
consta de 5 componentes que se explicarán seguidamente, pero nuestro análisis
se centra en el componente número tres y cinco, el cual es el que es evaluado
directamente con la evaluación sumativa de cada uno de los cursos.
Explicaremos el modelo:
1) Estudiante: este como el propio autor de su aprendizaje a través de las
diferentes dinámicas de aprendizaje en las que participa, tanto en los
cursos como la experiencia de su formación formal e informal.
2) Profesorado: facilitador y orientador del proceso educativo, ayuda al
estudiante a construir y reconstruir su propio conocimiento y contribuyendo
con el desarrollo de un espacio de aprendizaje en el que es estudiante
respeta y confía en sí mismo.
3) Proceso enseñanza aprendizaje: Que permita el desarrollo de
profesionales que respondan a las necesidades ética, moral y
técnicamente que el entorno nacional e internacional requiere.
Para desarrollar estos profesionales, el perfil de los egresados de esta
carrera se base en los cinco pilares establecidos en el Modelo Académico
del ITCR, a continuación se citan las capacidades establecidas en
(Escuela de Ingeniería en Computación, 2011), para cada uno de los
saberes:
Aprender a conocer
Los principios teóricos que fundamentan su especialidad en área de
computación.
La información veraz y discriminar la información falsa.
Los medios de comunicación electrónicos más efectivos para aplicar en
diferentes situaciones de trabajo.
Aprender a hacer
Uso eficiente de equipo computacional según sus características.
Identificación de los requerimientos para así producir soluciones
computacionales adecuadas.
Uso eficientemente las técnicas modernas recomendadas para la
producción de software.
Aprender a convivir
Con otras personas sin hacer discriminación de género, creo, partido
político, u otro.
Haciendo uso racional de los recursos naturales.
Trabajar en equipo y contribuir al logro de los objetivos comunes.
Tiene habilidad para utilizar el lenguaje oral y escrito en forma asertiva
tanto en las relaciones interpersonales como en su disciplina.
Tolerando y respetando las diferencias individuales con diferentes
temperamentos y caracteres en la organización en la cual se
desempeña y en la sociedad.
Aprender a ser
Crítico, creativo e innovador.
Conductor de cambios tecnológicos considerando el factor humano, las
tecnologías limpias y la preservación del ambiente.
Consciente de la sociedad que hereda y contribuye en el proceso de su
continuación en beneficio del bien y el derecho social.
Humanista, honesto, íntegro, responsable y con sentido ético para
contribuir al desarrollo y progreso de la sociedad.
Aprender a emprender
La solución de problemas computacionales con iniciativa, creatividad e
innovación.
Asumiendo un papel de promotor sociocultural y tecnológico como
agente de cambio.
Como autor del cambio en los emprendimientos sociales, políticos,
culturales y económicos contribuyendo al desarrollo sostenible.
4) Investigación: En el ITCR la investigación es uno de los ejes principales
como medio para generar conocimiento y consolidar la excelencia. Para la
Escuela de Ingeniería en Computación es una actividad fundamental, que
consolida un proceso sistemático y riguroso, genera conocimiento y la
producción educativa, científica y tecnológica, articulando e integral con la
docencia y la extensión.
5) Evaluación: Como medio para comprobar el cumplimiento de los
objetivos educacionales establecidos en los cursos, así como para
reorientar y/o retroalimentar el currículo y las estrategias didácticas. En la
Escuela de Ingeniería en Computación se dan tres estrategias evaluativas:
Autoevaluación (parten de concepciones constructivistas que aportan a la
formación del estudiante, desarrollando capacidad de autocrítica y le
permite definirse metas y comprender su proceso de aprendizaje de una
forma más integral.), Coevaluación (evaluando situaciones reales o de sus
compañeros), Inter-evaluación (lo realiza el docente sobre el aprendizaje
de sus estudiantes y el cumplimientos de los objetivos específicos de los
cursos).
Con el objetivo de mantener y mejorar la calidad académica, la carrera realiza
estudios sobre el rendimiento académico de los estudiantes, en el gráfico #1.
“Porcentaje de aprobación de los cursos de Ingeniería en Computación 2012-2013
del apartado de anexos se muestra la aprobación para todos los cursos de la
carrera.”. En este gráfico se puede observar la tendencia que entre más avanzado
el semestre, la aprobación de los estudiantes en los cursos es mayor. Los cursos
que se estudiarán pertenecen al II y III semestre, los cuales se presentan
resaltados en el gráfico.
Los cursos de Estructura de Datos (II semestre) y Análisis de Algoritmos (III
semestre) han presentado a través de los años un bajo nivel de aprobación, según
consta en estudios realizados a partir del año 2008 al 2013. El cambio de las
generaciones de estudiantes, profesores y lenguaje de programación no ha
cambiado por largos períodos el comportamiento de aprobación.
En el gráfico #2 “Porcentaje de aprobación en el curso IC-2001 Estructura de
Datos” se puede observar que ha tenido algunos repuntes pero no permanecen en
el tiempo y el promedio de aprobación es de 54%.
En el curso de Análisis de algoritmos presenta mejores niveles de aprobación, el
promedio es de 70%, como se muestra en el gráfico #3 “Porcentaje de aprobación
en el curso IC 3002 Análisis de Algoritmos”.
Debido a este comportamiento de baja aprobación se ha decido analizar la
evaluación sumativa de estos dos cursos, según (Flores Pérez, Chang Herrera, &
Corea Torres, 2010) la evaluación sumativa es “para designar la forma, mediante
la cual, se mide y juzga el aprendizaje con el fin de certificarlo, asignar
calificaciones, determinar promociones, etc”. Tiene la característica de ser
medible, dado que se le asigna a cada alumno que ostenta este tipo de evaluación
un número en una determinada escala, el cual supuestamente refleja el
aprendizaje que se ha adquirido.
Se clasifican los objetivos específicos cognitivos (el dominio cognitivo se ocupa de
la capacidad de procesar y de utilizar la información (conocimiento) de una
manera significativa) de los dos cursos seleccionados según la taxonomía de
Bloom, debido que a nivel mundial se han estudiado y clasificado los Objetivos
Educativos (López García, 2002), en 1956 se establece una taxonomía para
distinguir tres grandes dominios: 1) Cognitivo (Conocimiento y competencias
intelectuales) 2) Psicomotriz (Destrezas físicas) y 3) Afectivo (Sentimientos y
Actitudes). Estos dominios fueron a su vez subdivididos para dar lugar a otra serie
de objetivos de complejidad o pensamiento creciente.
Dominio Cognitivo fue el dominio más desarrollado por Bloom. En el año 2000
(López García, 2002) se hacen unos cambios a la clasificación inicial del dominio
cognitivo, la que se presenta en la figura #1 “Actualización de Taxonomía de
Bloom”.
Una vez analizados e interpretados los datos obtenidos en esta evaluación
sumativa y clasificación de objetivos específicos, se sugerirá un cambio en dicha
evaluación para mejorar los resultados de aprobación y dinamizar las actividades
de aprendizaje en la medida de lo posible en caso de que corresponda.
Desarrollo del tema y resultados
Para cada uno de los dos cursos seleccionados se clasificó los objetivos
específicos según la taxonomía de Bloom como se muestra a continuación:
Curso Objetivos específicos
Clasificación
en la
taxonomía
de Bloom
Estructuras
de Datos
IC2001
Implementar soluciones utilizando las diversas
estructuras de datos aprendidas Aplicar
Elaborar diseños detallados soluciones basados en
estructuras de datos que le permitan resolver
problemas de la vida real
Aplicar
Determinar buenas prácticas de programación
para la implementación de estructuras de datos Aplicar
Explicar distintas estructuras de datos (lineales,
jerárquicas, generales) con el objetivo de la
resolución de problemas de mediana complejidad
en la implementación y diseño.
Aplicar
Elaborar estructuras de datos alternas que permitan
la resolución de problemas con mayor eficacia,
haciendo híbridos de las mismas con el objetivo de
crear soluciones más robustas.
Crear
Análisis de
algoritmos
IC3002
Identificar la medición de la eficiencia de los
algoritmos y la programación de algoritmos
utilizando buenas prácticas y estructuración del
Recordar
código en capas.
Determinar diversas estrategias para el diseño e
implementación de algoritmos Analizar
Aplicar técnicas para el manejo eficiente de la
memoria primaria y secundaria, como la relación de
algoritmos al cifrado y la compresión de datos.
Aplicar
Examinar situaciones y ejemplos que impliquen la
protección de datos e información en sistemas
computacionales utilizando las tecnologías actuales
para cifrado y protección.
Aplicar
Dominar conceptos de complejidad espacial y
temporal, como temas avanzados de
computabilidad e intratabilidad.
Recordar
El resultado obtenido sobre nivel alcanzado según la clasificación de Bloom es:
Se clasificaron 10 objetivos específicos, 5 objetivos de cada curso. Existen 2
objetivos del primer nivel, 6 del tercer nivel, 1 del cuarto nivel, y 1 del sexto nivel.
En ambos cursos prevalece en los objetivos específicos alcanzar el 3 nivel de
conocimiento según la taxonomía de Bloom.
Ahora se clasificó la evaluación sumativa para estos dos cursos en estudio, la cual
está distribuida en los siguientes tipos de asignación:
Distribución porcentual de los tipos de asignación
Cantidad Tipos de asignación Valor
porcentual
N Pruebas, tareas cortas, laboratorios 30%
2 Proyectos programados 40%
2 Exámenes 30%
De los tres tipos de a asignación, en promedio los estudiantes tienen las más
bajas calificaciones en el rubro de exámenes, como se muestra en la siguientes
tablas.
Calificación promedio por tipo de asignación Curso Estructura de Datos
Semestre
Pruebas y
tareas
cortas,
laboratorios
Exámenes Proyectos
programados
I semestre
2012 79,17 53,34 71.42
II semestre
2012 78 54.53 70.64
I semestre
2013
69,64 55.02 56
90,636 61 81.65
II semestre
2013 68,17 52.5 57
Promedio 77 57 57
Calificación promedio por tipo de asignación Curso Análisis de Algoritmos
Calificación
promedio
por tipo de
asignación
Curso
Análisis de
Algoritmos
Semestre
Pruebas y
tareas
cortas,
laboratorios
Exámenes Proyectos
programados
I semestre
2012 79,24 53.02 68.32
II semestre
2012 89,1 50.95 80.11
I semestre
2013 90,636 61 81.65
II semestre
2013 80,73 57.5 80
Promedio 85 61 80
Para el análisis correspondiente se tomaron los resultados de las diferentes
pruebas de exámenes aplicados a los estudiantes, separados por ítem. Los ítems
que se encontraron en esta pruebas sumativas son: el pareo, respuesta breve,
respuesta extensa, completar, desarrollo de algoritmos, y de identificación
(diagramar).
En el siguiente cuadro se muestran los resultados por ítem, según se indica por
semestre y por curso.
Porcentaje de acierto en cada ítem
Semest
re Curso
Ítem
Pare
o
Respue
sta
breve
Desarroll
o
algoritm
os
Respue
sta
extensa
Comple
tar
Identificac
ión
I - 2013 Estructura de
Datos
Análisis de
algoritmos
96.15 66.07 48.61 57.38 -
II -2013 Estructura de
Datos
88.88 89.56 36.02 - -
Análisis de
algoritmos
92.08 46.06 37.98 72.80 47.5
I - 2014 Estructura de
Datos
95.33 89.66 56 - - 70.83
Análisis de
algoritmos
94.44 65.55 - 71.52 - -
Promedio 93.37 71.38 44.65 67.23 47.5 70.83
Promedio de las
desviaciones absolutas.
2.31 14.58 7.65 6.5 0 0
El ítem de más bajo rendimiento es el desarrollo de algoritmos, recordemos que
los cursos en estudio su esencia es el aprendizaje de implementación de
algoritmos, por tanto debe ser el fuerte a evaluar. El ítem con más aciertos es el
pareo, el estudiante saca provecho de las ventajas que tienen los ítems “más
fáciles”, pues les es más fácil asociar conceptos.
Conclusiones y aportes
Como sabemos los objetivos guían al docente de cómo enseñar y como evaluar
lo aprendido. Debe existir una congruencia entre los objetivos, contenidos, el cómo
se enseña y lo que se evalúa, por tanto, entre los objetivos cognitivos e
instrumentos o las preguntas de evaluación.
Los instrumentos aplicados como los laboratorios, proyectos programados y los
ítems de las preguntas de desarrollo de algoritmos se ubican para evaluar los
objetivos del nivel de aplicación (nivel 3) según varios autores (Santamaría
Vizcaíno, 2008) e instituciones de educación superior (Sistema Integrado de
Educación Superior INACAP, 2014).
Estos instrumentos e ítems de evaluación tienen el mayor porcentaje de
evaluación en los dos cursos en estudio por lo que cubre la mayoría de objetivos
ubicados en este nivel de aplicación.
Los ítems de pareo y completar cubren los niveles más bajos de conocimiento
como lo son los de comprender y recordar de los cuales solo se encontraban dos
objetivos específicos en estos niveles.
Los otros niveles de más alto de conocimiento según Bloom que aparecen en los
objetivos de los cursos seleccionados son analizar y crear, estos son evaluados a
través de las conclusiones y recomendaciones de los proyectos programados, así
como los ítems de respuesta extensa que se presenta en los instrumentos de
examen.
Por tanto, consideramos que la evaluación sumativa si está acorde con el nivel de
conocimiento de los objetivos específicos. Además, de que está asociado
estrechamente con nuestro modelo pedagógico de la carrera en el componente de
Proceso enseñanza aprendizaje y con los saberes de “Aprender a conocer” y
“Aprender a hacer”.
Referencias
Churches, A. (1 de Octubre de 2009). Eduteka. Obtenido de Portal Educativo gratuito de la Fundación Gabriel Piedrahita Uribe (FGPU): www.eduteka.org/TaxonomiaBloomDigital.php
Escuela de Ingeniería en Computación. (2011). Modelo Pedagógico de la Escuela de Ingeniería en Computación. ITCR, Cartago.
Flores Pérez, O., Chang Herrera, C., & Corea Torres, N. (2010). Valoración de los instrumentos de evaluación en los procesos de aprendizaje. Ciencia e Interculturalidad, 85-89.
López García, J. C. (21 de Septiembre de 2002). EDUTEKA. Obtenido de Portal Educativo gratuito de la Fundación Gabriel Piedrahita Uribe (FGPU): www.eduteka.org/TaxonomiaBloomCuadro.php3
Santamaría Vizcaíno, M. A. (2008). Características de los ítemes de una prueba. En M. A. Santamaría Vizcaíno, ¿Cómo Evaluar los aprendizajes en el aula? (págs. 95-131). San José: Editorial Universidad Estatal a Distancia.
Sistema Integrado de Educación Superior INACAP. (22 de septiembre de 2014). INACAP. Obtenido de Sistema Integrado de Educación Superior de Chile: http://www.inacap.com/tportal/portales/tp4964b0e1bk102/uploadImg/File/pdf/4216TEstrategiaseInstrEval.pdf
Anexos
Gráfico #1.
Gráfico #2.
40
50
60
70
80
90
100
IC-1
40
0
IC-1
80
2
IC-1
80
3
IC-2
00
1
IC-2
10
1
IC-3
00
2
IC-3
10
1
IC-4
30
1
IC-4
70
0
IC-4
81
0
IC-5
70
1
IC-5
82
1
IC-6
20
0
IC-6
40
0
IC-6
60
0
IC-6
82
1
IC-7
60
2
IC-7
84
1
IC-7
90
0
IC-8
84
2
Porcentaje de aprobación de los cursos de Ingeniería en Computación 2012-2013
31
77
56 61
84
75
56
72
39
47 53
43
30 29
39
49
59
69
79
89
Porcentaje de aprobación en el curso IC-2001 Estructura de Datos
Gráfico #3
Figura #1
Actualización de Taxonomía de Bloom.
Fuente: “La taxonomía de Bloom y sus dos actualizaciones” (Churches, 2009).
42
52
62
72
82
Porcentaje de aprobación en el curso IC 3002 Análisis de Algoritmos
top related