FORMA DE INVESTIGAR:

Método Científico a traves de planteamientois estadísticos:

.A partir de tests de asertividad, personalidad, actitudes...veremos que condicionamientos tienen los usuarios-alumnos, para buscar las herramientas sdíncronas y asíncronas que les serán necesarias.

.A partir de estos tests, y con la información que nos proporciones, propondremos una Tipología de Evaluación Inicial, que expondremos a Administradores y docentes de E-learning-Inclusivo.

.También empleartemos mecanismos de observación y rastreo de herramientas, según las tendencias formativas del momento que nos han proporcionando ls Coolhunters.

.Estableceremos los parámetros de los Coachings en cada curso formativo, según sea para universitarios, empresarios, profesionales...

.A partir de las Estadisticas que saquemos en cuánto a posibilidades, tipologías de alumnos, diversidad y eficacia de los materiales...antes, durante y al finalizar la formación...lo utilizaremos para plantear posibles metodologías retroactivas, tanto en los materiales, planteamientos metodológicos, cómo variaciones estructurales en ls cursos.

. Emplearemos el método científico; Teoría con su planteamiento de hipótesis (que ya hemos comentado), una posterior observación y una comprobación empírica (científica), centrándonos en la teoría del ERROR, la base del E-Learning-Inclusivo.

.En la Estadística, eutilizacemos un muestreo en un conjunto de Usuarios y aquí lo haremos con una doble variante,; primero por sacar una estadística que nos conduzca afuturos planteamientos y segundo, por el tema de la inclusividad, ya que las personas son diferentes y sus necesidades, aptitudes y actitudes, también, poor eso lo necesitamos, con las variables, según l comentado que puedan llevarnos a fórmulas de retroacción adecuadas, tant o en aspectos personalizados como socializadores.

Naturalmente siempre tendremos especial incidencia en la Relación de un medio tan especial cómo es Internet y su aplicación en E-Learning-Inclusivo, un planteamiento que tiene diferentes vaiantes, por una parte es formació (educación) y además inclusiva, y por otra , tenemos los aspectos más tecnológicos, propios de la tecnología Educativa (medios electróinicos y trabajos con web).

.La Recogida de datos la Realizaremos mediante planteamientos síncronos y asíncronos, en los primeros hartems es pecal incidencia en formatos 2.0, como los RSS, especialmente en Wikis, tal cómo ya hemnos comentado y los aspectos evaluativos los realizaremos con rúbricas, nuestro buque insignia dentro del control evaluativo del proceso.

.Con los programas Informáticos que hemos expuesto en el Proyecto 1, revisaremos los aspectos cuantitativos y cualitativos del marco de formación E-learning-Inclusivo, el

cuál nos permitira establecer caminos diferentes (inclusivos) para la realización del mismo.

.Estableceremos modelos estandarizados , para que a partir de ellos podamos introduciar las variables y los condicionamientos personalizados de todo el proceso, siempre teniendo presente las peculiaridades de los usuarios.

Emplearemos el SPSS :

El sistema de módulos de SPSS, como los de otros programas (similar al de algunos lenguajes

de programación) provee toda una serie de capacidades adicionales a las existentes en el

sistema base. Algunos de los módulos disponibles son:

Modelos de Regresión (retroacción)

Modelos Avanzados

Reducción de datos: Permite crear variables sintéticas a partir de variables

colineales por medio del Análisis Factorial.

Clasificación: Permite realizar agrupaciones de observaciones o de variables

(cluster analysis) mediante tres algoritmos distintos.

Pruebas no paramétricas: Permite realizar distintas pruebas estadísticas

especializadas en distribuciones no normales.

Tablas: Permite al usuario dar un formato especial a las salidas de los datos para su

uso posterior. Existe una cierta tendencia dentro de los usuarios y de los desarrolladores

del software por dejar de lado el sistema original de TABLES para hacer uso más extensivo

de las llamadas CUSTOM TABLES.

Tendencias

Categorías: Permite realizar análisis multivariados de variables normalmente

categorías. También se pueden usar variables métricas siempre que se realice el proceso

de recodificación adecuado de las mismas.

Análisis de Conjunto: Permite realizar el análisis de datos recogidos para este tipo

especifico de pruebas estadísticas.

Mapas: Permite la representación geográfica de la información contenida en un fichero

Pruebas Exactas: permite realizar pruebas estadísticas en muestras pequeñas.

Análisis de Valores Perdidos: Regresión simple basada en imputaciones sobre los

valores ausentes.

Muestras Complejas: permite trabajar para la creación de muestras estratificadas, por

conglomerados u otros tipos de muestras.

SamplePower (cálculo de tamaños muestrales).

Todas estas comprobaciones nos servirán para r readaptando nuestro E-Learning-Inclusivo,

eso si, a partir de los Estandares que hemos mencionado en un principio.

A partir de aquí, elaboraremos cuestionarios sobretodo para, antes , durante y después del

proceso, ..para todos los componntes intervinientes en el proceso; usuarios, profesores,

administradores, coaching, coolhunters...para que de esta manera tengamos la informacion

regogida de primera mano y poder estableces las correcciones oportunas.

Y todo ello lo realizaremos para poderlo aplicar tanto en las EVEAS, cómo en las Redes

Sociales, con las que seguramente haremos más incidencia, ya que consideramos que en

menos de un año el nuevo MOODLE 2.0, quedará superado por las mismas, por lo que la

situación en Tecnologías Educativas irá hacia este camino, con el refuerzo de planteamientos

de Inteligencia Artificial, que ya hemos comentado y que tenemos presente investigar:

.Simulaciones en entornos vuirtuales y aumentados, con tratamiento inmersivo y/o no inmersivo

(este con aplicación de herramientas de la web 2.0 –síncronas y asíncronas) y el inmersivo,

para reproducir virtualmente el foprmato de E-learning-Inclusivo, y a través de observar sus

errores y sus progresos, llegar a la realidad dede trabajo en WEB Y A DISTANCIA, de una

manera más fiable.

Árboles de Clasificación: Permite formular árboles de clasificación y/o decisión con lo

cual se puede identificar la conformación de grupos y predecir la conducta de sus

miembros.

Validación de Datos: Permite al usuario realizar revisiones lógicas de la información

contenida en un fichero.sav. y obtener reportes de los valores considerados extraños. Es

similar al uso de sintaxis o scripts para realizar revisiones de los ficheros. De la misma

forma que estos mecanismos es posterior a la digitalización de los datos.

SPSS Programmability Extension (SPSS 14 en adelante). Permite utilizar el lenguaje

de programación Python para un mejor control de diversos procesos dentro del programa

que hasta ahora eran realizados principalmente mediante scripts (con el lenguaje SAX

Basic). Existe también la posibilidad de usar las tecnologías .NET de Microsoft para hacer

uso de las librerías del SPSS. Aunque algunos usuarios han cuestionado sobre la

necesidad de incluir otros lenguajes, la empresa no tiene esto entre sus objetivos

inmediatos.

Desde el SPSS/PC hay una versión adjunta denomina SPSS Student que es un programa

completo de la versión correspondiente pero limitada en su capacidad en cuanto al número de

registros y variables que puede procesar. Esta versión es para fines de enseñanza del manejo

del programa