131 CAPÍTULO II MARCO TEÓRICO En este capítulo se incluyen los antecedentes del estudio, las bases teóricas, los términos básicos y la especificación de las variables objeto de estudio destinado a fundamentar el modelo de rendimiento del estudiante en función de las materias cursadas y la manera en que dicho modelo se integra en la actividad de orientación curricular del profesor. 1. Antecedentes de la Investigación Existe mucha información en la literatura donde se analiza el rendimiento estudiantil con base a diferentes tipos de modelos y alcances. Para comenzar con esta revisión se menciona el trabajo de Tonconi (2010), quien usó dos modelos econométricos lineales en la Facultad de Ingeniería Económica de la Universidad Nacional del Altiplano de Puno, Perú, para analizar factores influyentes, tanto en el rendimiento: el modelo de Mínimos Cuadrados Ordinarios (MCO), como en la deserción estudiantil: el modelo Próbit de Máxima Verosimilitud (MV). Para la consecución de este trabajo se utilizó una muestra probabilística estratificada y considerando un nivel de significancia del 95% la 24 25 cual estuvo conformada por 120 estudiantes de un total de 550 que ingresaron al primer semestre académico de 2009. Tomaron en cuenta variables como el número de créditos matriculados, número de horas dedicadas al estudio por día, nivel de asistencia del estudiante a clases, número de cursos que desaprobó, ingreso económico mensual del estudiante, tamaño familiar, nivel de educación secundario del jefe de hogar, nivel de educación superior del jefe de hogar y la deserción estudiantil. Dado lo anterior, se puede resaltar que la información de corte transversal obtenida por una encuesta, así como una evaluación escrita para la cuantificación de algunos factores mostraron que la variable más significativa del modelo de rendimiento era la cantidad de créditos matriculados por parte del estudiante, mientras que para el modelo de deserción lo constituía el desempeño docente. El aporte más resaltante que se puede aprovechar de este estudio es la forma de deducir, a partir de un modelo lineal, la significancia del número de materias cursadas por el estudiante, como causal del rendimiento, así como la importancia de una asesoría justa al mostrarle al estudiante las oportunidades que se le presentan en el momento de la inscripción. Carvajal y otros (2009) utilizaron como base los datos de sus estudios en años anteriores (2001-2004) y diferentes tamaños de muestras, tanto del primer semestre del año 2007 (582) como del segundo semestre del año 2008 (680). Construyeron un modelo de regresión logística binaria del rendimiento de nuevos alumnos en la asignatura Matemáticas I del Departamento de 26 Matemáticas de la Universidad Tecnológica de Pereira, Colombia, con una aceptable confiabilidad (cerca del 70%). Así mismo, en este trabajo se tomaron en cuenta como factores: El género y la edad, el tipo de colegio, el estrato socioeconómico, el resultado del examen de ingreso a nivel superior ICFES, las materias, el nivel de lectura literal y el nivel de razonamiento lógico abstracto, salud y tiempo de estudio. Utilizando el algoritmo CHAID del paquete estadístico SPSS lograron discriminar mediante el árbol de clasificación factores significativos como resultados deficientes de la prueba ICFES en estudiantes de algunas carreras y aquellos que presentan un nivel deficiente o insuficiente de lectura literal. Como aporte de este estudio al desarrollo de modelos de rendimiento fue que mediante una prueba de ingreso conocida como ICFES y el nivel de lectura y razonamiento lógico detectado, se pueden desarrollar modelos no lineales de tal forma de orientar al estudiante sobre su rendimiento futuro. La experiencia obtenida sobre el buen desempeño de árboles de clasificación puede ser adaptada al contexto del presente estudio, específicamente usando el área de la materia como indicador relacionado con el rendimiento. Por otra parte, Morales y otros (2007) usaron como muestra todos los registros (1.345 en total) junto a 17 variables relativas a todas las asignaturas impartidas en las diferentes carreras durante el curso 2003-04 en la Universidad de Almería, España. Desarrollaron modelos de Redes Bayesianas mediante el paquete Elvira 2002 y dos algoritmos para comparación. El algoritmo K2 intenta encontrar una red óptima en términos de la verosimilitud 27 de la base de datos para cada red candidata. Mientras que el algoritmo PC intenta determinar la estructura de la red a través de un test de independencia estadísticos. Según este trabajo, las variables discretizadas de la red que mejor verosimilitud mostraron con la data, que el tipo de asignatura tuvo influencia preponderante sobre la tasa de rendimiento y la calificación relativa para asignaturas obligatorias, y para asignaturas electivas la tasa de rendimiento estuvo fuertemente afectada por el número de estudiantes matriculados en los cursos. Tomando en cuenta el aporte de este estudio en la solución de problemas presentes en el modelado de rendimiento, se puede decir, a partir de sus conclusiones que con un tipo de grafos especial se visualizan las relaciones de dependencia entre las variables ayudando con ello al personal directivo en el proceso de toma de decisiones sobre solicitudes de fondos públicos y el manejo de cupos. Morales y otros (2007) dejan como trabajo futuro la aplicación de modelos bayesianos para construir un sistema que aconseje a los estudiantes a elegir las asignaturas con el fin de maximizar sus oportunidades de éxito. Partiendo de esta visión, en la presente investigación se incluye el tipo de asignatura como uno de los indicadores a ser estudiado durante el desarrollo de grafos relacionales dirigidos a la elección de asignaturas a cursar por período académico. 28 Torres y otros (2007) trabajaron sobre una muestra no probabilística de tipo intenciona l ya que fue definido el lugar de la investigación y el número de la muestra. Según la medida de KMO (Kaiser-Meyer-Olkin) y esfericidad de Bartlett, la muestra conformada por 260 el test de alumnos mayoritariamente por mujeres (71,9%), pertenecientes al primer año de estudios de la Facultad de Educación de una universidad pública de Lima, Perú. Se puede ver en este trabajo que mediante una encuesta de 40 Ítems en una escala Líkert de 5 alternativas y análisis factorial exploratorio con el método de los componentes principales (indicativo Alfa de Cronbach), se cubrieron variables como Rendimiento académico, Calidad docente , Edad y Especialidad. Demostraron que existe una correlación significativa entre el rendimiento académico de los estudiantes y su percepción de la calidad académica de sus docentes. Ligado a posiciones bastante críticas a la actividad docente en el manejo de sus relaciones interpersonales y a ofrecer una actitud más abierta hacia los estudiantes. El aporte de este trabajo , es haber detectado diferencias de rendimiento dependientes del género y la especialidad, ligadas al trato de los docentes con sus alumnos, parte fundamental del contacto dialógico durante el desempeño docente de la cual la asesoría académica formar parte de manera formal o informal. Utilizaron un cuestionario exploratorio con indicadores ligados al rendimiento estudiantil y a la calidad docente, idea a seguir en este trabajo desde la perspectiva de la orientación curricular. 29 Continuando con la revisión de antecedentes se observa que en el trabajo de Vélez (2005) se incluye n datos de 80 estudiantes voluntarios de 120 que ingresaron a la Facultad de Medicina de la Universidad del Rosario, Colombia, al primer semestre en el segundo periodo de 2003. Se excluyeron casos de repitientes, se usó una serie de variables para predecir el rendimiento universitario mediante un modelo de regresión logística: los resultados previos en el colegio, las pruebas de estado, el examen de ingreso a la universidad, las aptitudes intelectuales, los factores psicosociales, los rasgos de personalidad y los factores emocionales, los hábitos de estudio y el interés vocacional, las notas parciales y finales de cada una de las asignaturas cursadas. Dichos investigadores usaron la prueba neuropsicológica “Batería de Aptitudes Diferenciales y Generales del Aprendizaje” (BADYG ), dividida en cuatro partes correspondiente a “habilidad mental verbal” (HMV), “habilidad mental no verbal” (HMNV), comprensión verbal (CV) y razonamiento lógico (RL). Los puntajes se clasificaron en bajo, promedio-bajo, promedio, promedioalto y alto. Los autores del trabajo mencionado obtuvieron como resultado que existe una relación significativa entre el fracaso académico y la presencia de violencia intrafamiliar, el consumo de marihuana, el proceder de un colegio que recibe estudiantes de ambos sexos y tener bajas calificaciones en promedio, especialmente en biología y bioquímica. Por otra parte, las causas determinantes del fracaso escolar no quedan plenamente establecidas a este nivel siendo necesario incluir otras variables como el tipo de profesor, la 30 metodología utilizada para la enseñanza y los índices de capacidad de atención de los estudiantes entre otros. Otro aporte sustancial del mencionado trabajo es darle importancia a mejorar el trato y la orientación hacia los alumnos como factor compensatorio a los problemas familiares que ellos traen, variables ajenas a la institución difíciles de manejar o controlar. Ese punto de vista es aprovechado para desarrolla r en la presente investigación una herramienta de apoyo a dicha orientación, proponiendo indicadores relacionados con el rendimiento y los pasos requeridos para hacer del contacto dialógico más efectivo. En lo que se refiere a una revisión de los trabajos anteriores se confirma la existencia de diferentes tipos de modelos que muestran perspectivas claras de estudio en modelado lineal como en Tonconi (2010), en modelado no lineal según Vélez (2005), en estadísticos ya probados como en Torres (2007) y en el análisis de grafos relacionales utilizados en los trabajos de Carvajal y otros (2009) o en Morales y otros (2007). El propósito de tales estudios se ha centrado en la planificación académica mediante la búsqueda de variables de significación de origen colectiva, por lo que han requerido gran cantidad de datos. Cabe resaltar que los modelos de tipo incremental, donde la data se acumula en el tiempo, suelen saturarse de información y su validez suele ser temporal dada las variable involucradas. Por lo tanto, es menester utilizar modelos simples y dinámicos sobre el comportamiento del rendimiento estudiantil, de tal manera que conserven su validez en el tiempo, ayuden en el trato y en la orientación del asesor hacia los 31 alumnos, en el sentido de que los profesores deben conocerlos mejor; conocimiento clave en la búsqueda de un mejor rendimiento en el aula. En el mismo sentido, en cuanto a las variables detectadas en los trabajos anteriores como significati vas en el rendimiento se pudieron observar: la cantidad de créditos matriculados por parte del estudiante tomados en cuenta en Tonconi (2010), la prueba de actitudes para el ingreso y las deficiencias en lectura en Carvajal y otros (2009), el tipo de asignatura y el número de estudiantes por curso en Morales y otros (2007), la percepción de la calidad académica de sus docentes en Torres (2007), además del área de las asignaturas y la presencia de factores sociales externos a la institución observado en Vélez (2005). En la búsqueda de esta relación entre el conocimiento sobre estudiante y el rendimiento, a l experiencia de la Universidad Nacional Abierta UNA en materia de asesorías puede aprovecharse, debido a que han salvado desde 1977 uno de los obstáculos más limitantes como lo es la distancia, la cual dificulta mantener la interacción necesaria del alumno con su tutor durante el proceso educativo. Ortiz (2006) denomina al servicio de orientación provisto en los sistemas de educación a distancia EaD como Servicio de Soporte o Apoyo al Estudiante. El aporte del trabajo anterior, se basa en una revisión documental que identifica claramente las cuatro tendencias que han seguido las prácticas de orientación en la UNA bajo esta modalidad, las cuales se encuentran constituidos en varios documentos distribuidos en informes, manuales y 32 recursos audio-visuales ligados a la asesoría académica, tales documentos se caracterizan por ser modelos de contenido adaptados a un modelo comunicacional basado en las TIC que permite la interactividad entre el docente y el alumno. La presencia de la tecnología en la UNA es fundamental en las actividades que manejan grandes cantidades de información. La presente investigación aprovecha esa tendencia de manera similar al utilizar la informática para el desarrollo de un modelo de rendimiento de manera automatizada, permitiendo la interactividad entre sus usuarios, la elaboración de informes y salvando los obstáculos de la distancia. Otra experiencia invalorable sobre el uso de las TIC en la EaD y el correspondiente Servicio de Apoyo utilizando modelos de contenido junto a modelos de comunicación se ve reflejada en el trabajo desarrollado por Colina y Bustamente (2009). Su equipo se dedica a explorar espacios de la educación superior a distancia que cubren actividades metodológicas y pedagógicas, de tal manera que sean propicios a incluir eficientemente las TIC como soporte educativo. Los autores dejan claro la importancia del docente con presencia virtual en calidad de tutor, asesor o facilitador y las potencialidades de los recursos informáticos existentes en la actualidad. Como aporte significativo hacen ver que las transformaciones son necesarias a manera de innovación pedagógica y en la reestructuración de contenidos de las unidades curriculares bajo el esquema de la EaD, a pesar de salvar prácticas tradicionales y vacios legales. 33 Analizan la realidad venezolana en el ámbito de la EaD y las expectativas de atender mediante ella los escenarios sociales presentes. El concepto de facilitador con presencia virtual es aprovechado en el presente trabajo para incorporarlo a la actividad de orientación curricular. De igual manera, cuando se incorpora la tecnología en el desarrollo de Sistemas de Apoyo se debe identificar el modelo de contenido requerido junto al modelo de habilidades o capacidades del estudiante. En esa línea de investigación se pueden ver trabajos como el de Rojas y Muñoz (2008). Él cual propone un Sistema Tutorial para el desarrollo de habilidades en la asignatura de Matemáticas del Departamento de Ciencias Básicas de La Universidad de La Salle, Colombia, llamado MENTOR. Tomaron como modelo de contenido del curso las ecuaciones lineales de una sola variable. Este trabajo fue cuasi-experimental y abarcó un grupo dividido en 26 estudiantes de control y 14 experimentales, a los cuales se le aplicó un pre test y un pos test. Los resultados del análisis de varianza revelaron una marcada diferencia en cuanto a las respuestas correctas en el pos test a fa vor de la efectividad del sistema. El aporte significativo lo constituyó la creación de una interfaz usuario-computador multimedia que permite al estudiante escuchar la información presente en el modelo de contenido durante el diálogo tutorial y la posibilidad de ampliar la cobertura hacia Internet dado que el lenguaje de desarrollo utilizado lo permite. En esta línea de investigación también se presenta el trabajo de Huapaya y otros (2005). Él y su equipo desarrollaron un Sistema Tutorial 34 Inteligente STI como ayuda al proceso enseñanza-aprendizaje en la Facultad de Ingeniería de la Universidad Nacional de Mar del Plata Argentina. El estudio se basó en estudiar tanto la dinámica y el estilo docente como las preferencias de aprendizaje de los estudiantes. Incluyó tres modelos: el modelo del dominio o contenidos del curso, el modelo pedagógico responsable de las decisiones docentes con cuatro niveles de dificultad y el modelo del estudiante, que va acumulando su progreso individual en una base de datos. Estos tres modelos interactúan dando la sensación de inteligencia computacional. El aporte significativo de este trabajo lo constituye la inclusión del modelo o perfil del instructor en la arquitectura del sistema de apoyo mejorando su comportamiento. Además la inspección constante del modelo del estudiante agrega realismo y retroalimentación sobre la estrategia de instrucciones aplicada por el STI. En concordancia con la idea del modelo de decisión del docente seguido en el presente trabajo. Haciendo un resumen de los antecedentes presentados en los párrafos anteriores, existe experiencia y razones que apoyan estudiar la variable rendimiento sobre la cual se ocupa este trabajo, a partir de un modelo simplificado a ser incluido en las funciones de asesoría a través de una herramienta de apoyo informática. La primera razón obedece a que los modelos gráficos relacionales como el caso de las Redes Bayesianas vistos en Morales y otros (2007) y los Árboles de Clasificación de Carvajal y otros (2009) se transfieren fácilmente a modelos con base en reglas. 35 La segunda razón es debido a que las variables como la cantidad de créditos matriculados analizada en Tonconi (2010), el tipo de la asignatura en Morales y otros (2007) y la percepción de la calidad docente en sus funciones como orientador en Vélez y Roa (2005), demuestran significancia de datos aportados por los registros de la Institución. La tercera razón se debe a que un modelo de rendimiento estudiantil con base en reglas pudiera ser usado por el personal docente para propósitos de orientación y asesoría individualizada, así como para la planificación académico-administrativa como se espera obtener al analizar los resultados de esta investigación. La cuarta razón se apoya en que los factores externos evidenciados son difíciles de manejar por el docente en su función de profesor consejero, tal como se ve expresado en Vélez y Roa (2005), pudiéndose atacar en actividades especializadas de orientación o investigación de currículo entre otros. La quinta razón se ve cuando se generan modelos del rendimiento del estudiante que sean capaces de integrase a un sistema informático bien sea para efectos de instrucción presencial STI como lo observado en los trabajos de Huapaya y otros (2005) o Rojas y Muñoz (2007), o bien para formar parte Servicios de Apoyo para la Educación a Distancia EaD como en Ortiz (2006) o Colina y Bustamante (2009). Con ello se crean las expectativas para atender los requerimientos educativos basándose en las innovaciones tecnológicas disponibles. 36 2. Bases Teóricas En esta parte se describen las bases teóricas que soportan la investigación, la Lógica Inductiva, el rendimiento académico y las reglas del profesor, las cuales sirve n para proponer el modelo del rendimiento del estudiante tomando como referencia un ejemplo. Describiendo sus características ayudará a responder la primera pregunta formulada en el capítulo anterior: ¿Cómo describir el rendimiento del estudiante de ingeniería mediante un modelo basado en los registros de la institución? Para comenzar esta parte, se deben describir y analizar las variables de entrada al modelo, así como la salida que constituyen las piezas del proceso de modelado. Los trabajos de Vélez y Roa (2005) y Morales y otros (2007) avalan que el área de la asignatura es un parámetro imprescindible a tomar en cuenta para el modelado del rendimiento por lo que se comienza por atender esta característica en el modelo curricular. En el caso que se presenta, para octubre de 1984 el Vicerrectorado Académico de La Universidad del Zulia consideró ajustar los currículos a un sistema coordinado de planificación, a fin de cumplir con los principios del Modelo del Currículo Integral caracterizado por cinco áreas: Formación General, Formación Profesional, Práctica Profesional, Área de Orientación y Área de Desarrollo. Sobre la basa de las consideraciones anteriores, en 1995 se aprueba una reestructuración para cubrir dichas áreas en la carrera de Ingeniería 37 Eléctrica, la cual se ha seguido hasta el presente (Universidad del Zulia, Escuela de Ingeniería Eléctrica, 1995). En el área de Formación General está la integración de materias comunes a otras escuelas, con actividades que sirven al estudiante para situarse críticamente dentro de un panorama históricosocial. El área de Formación Profesional está integrada por materias ligadas con la carrera, de la cual se reconocen dos sub -áreas: la formación básica profesional como preámbulo a la profesionalización y la formación específica vinculada a la resolución de problemas propios de la disciplina. Como complementación a lo anterior, se encuentran el área de Práctica Profesional como vehículo de acercamiento al trabajo real a través de un conjunto de experiencias diseñadas para tal fin. El área de Orientación, en apoyo de los rasgos positivos, al desarrollo psicosocial y el redescubrimiento vocacional del estudiante y el área de Autodesarrollo comprende actividades culturales, cívicas, sociales y deportivas que promueven la formación y desarrollo de actitudes y valores comunitarios. Todas las áreas mencionadas anteriormente se interconectan en una organi zación lineal de contenidos, en que cada nuevo concepto según Posner (1998, pp.133-137) requiere de los conceptos o habilidades logradas anteriormente y una estructura de los medios mixta que capitaliza las fortalezas de las actividades en cada asignatura con los objetivos coincidentes por área de conocimiento. De lo anterior se puede partir de las habilidades medidas o hechos establecidos en los procesos de evaluación de contenidos de cada asignatura, 38 las cuales se encuentran reflejada en el instrumento “Relación de Materias Cursadas” MACUR (Anexo A) a fin de lograr una relación entre el rendimiento y la secuencia de materias vistas expresadas en un modelo causal. El instrumento es generado por la Secretaría Docente de la Facultad de Ingeniería y es similar a otras facultades, mediante el cual se pueden obtener algunos atributos propios del estudiante que pueden relacionarse el área de la asignatura y el rendimiento obtenido. Dicho instrumento, resume la siguiente información: las cátedras cursadas, el período o los períodos académicos cursados, la nota obtenida en cada asignatura en secuencia temporal, la cantidad de materias cursadas desde su ingreso y el promedio aritmético de materias aprobadas. Su uso es interno a la institución pero de gran valor referencial debido a que indica el número de la planilla en la cual se encuentra registrada la nota definitiva de cada asignatura, información que no es provista por otros instrumentos. 2.1. Lógica Inductiva Los hechos evidenciados en el MACUR constituyen ejemplos tanto de los atributos de las materias como de la nota que obtuvo el estudiante, por lo que partiendo de estos datos y mediante un proceso de inferencia o Lógica Inductiva se logra una correspondencia en forma de reglas en donde los atributos de las materias se consideran antecedentes en el modelo lógico y el rendimiento se considera el consecuente. 39 En efecto, este procedimiento de modelado en forma de reglas se puede llevar a cabo por período semestral, debido a que en cada semestre se presentan diferentes situaciones. En la actualidad existen algoritmos capaces de descubrir patrones o relaciones en un conjunto de datos de diferente índole utilizando la Lógica Inductiva como el PNC2 (Positive and Negative examplebased Clustering) de la Universidad de Dortmund o el ID (Inductive Dicotomizer) de la Universidad de Sydney entre otros, apoyados por agentes inteligentes. En otras palabras, estos algoritmos inducen reglas a partir de datos, por lo que en este trabajo se recurre al ID3 de Quinlan (1993, 1995), una versión ampliada del ID desde su aparición en 1975, que puede usarse en el sistema operativo Windows. El método es aplicable a datos alfanuméricos que describen tanto fenómenos naturales como fenómenos sociales y consiste en la técnica de clasificación cualitativa (CLS, Concept Learning System), constituyéndose de gran utilidad en el manejo de las decisiones humanas, debido a que se aprende o adquiere nuevo conocimiento por descubrimiento tomando en cuenta un conjunto de datos. Cabe decir que, el algoritmo ID3 genera un árbol de decisión tal como se describe en Guerra (2009), y del cual fuera adaptado a la línea de investigación seguida en este trabajo . Posteriormente al recorrer todas las ramas del árbol de decisión generado por el algoritmo se obtienen las reglas, que sirven para explicar el rendimiento o “clase” de rendimiento esperado por el estudiante, es decir la forma de deducir qué “clase” de rendimiento resulta dado 40 los hechos presentados en el MACUR. Una regla del modelo de se escribe en la Ecuación (1) como: N: si Atributo1 = Valor1,…, Atributo4 = Valor4 ? Rendimiento (1) y se interpreta de la siguiente manera: Según la regla N, si se presenta el caso de un materia con los siguientes atributos: Atributo1 = Valor1,…, Atributo4 = Valor4 entonces el estudiante manifestará tal Rendimiento Un modelo como el anterior, generalmente tiene varias reglas, además de que la cantidad de atributos y los valores de cada uno asociados a las materias que forman el pensum y por ende el antecedente de cada regla pueden variar. Para este trabajo se toma en cuenta un segundo atributo: la cantidad de horas semanales que cursa el estudiante por cada asignatura del pensum durante un período académico. De esta manera, la cantidad de horas semanales por materia definidas en el pensum de la carrera para el caso de estudio puede observarse en el Anexo B, el cual constituye en primer lugar un régimen semestral. En segundo lugar la cantidad de horas semanales que un estudiante sin problemas puede asumir varía según el semestre como se ve en el Cuadro 1. Según Tonconi (2010) la cantidad de horas de clases semanales se reflejan en el total de tiempo de estudio y en el rendimiento. 41 Por su parte, como se verá más adelante al describir los pasos que sigue el algoritmo ID3 a través de un ejemplo, se puede hacer más simple el proceso de construcción del modelo y su posterior interpretación en lo referente a la cantidad de horas, éstas pueden agruparse en dos categorías: horas teóricas y otras horas, permitiendo una mejor convergencia del procedimiento algorítmico. En los Cuadros 2 y 3 se muestran respectivamente los atributos de horas semanales y áreas de formación de las materias del pensum tomado en cuenta para el antecedente del modelo. Cuadro 1. Cantidad de horas semanales por semestre. Semestre 1er 2do 3er 4to 5to 6to 7mo 8vo 9no 10mo TOT HT HPD HPL HPP HTOT 15 3 2 2 22 15 4 5 0 24 15 5 3 0 23 14 2 5 0 21 18 2 5 0 25 HT: Teóricas HPD: Practicas Dirigidas HPP: Prácticas Profesionales 20 0 5 0 25 18 1 4 2 25 12 3 3 6 24 11 2 4 3 20 2 0 2 0 2 140 22 38 13 213 HPL: Prácticas de Laboratorio HTOT: Totales Fuente: Cálculos basados en Universidad del Zulia, EIE (1995). Símbolo Ht Hpd Hpl Hpp Área Cuadro 2. Atributos de las materias del pensum. Atributo Valores Categoría Horas teóricas 1 al 4 Horas teóricas Horas de prácticas dirigidas 1 al 4 Horas no teóricas Horas de prácticas de laboratorio 1 al 4 Horas de prácticas profesionales 1 al 4 Área de la materia Cuadro 3 Fuente: Universidad del Zulia, EIE (1995). Cuadro 3. Áreas de Formación del Pensum. 1 2 3 4 5 Profesional General Básica Específica Práctica Profesional Orientación Autodesarrollo Fuente: Universidad del Zulia, EIE (1995). 42 En tercer lugar, no todos los estudiantes cursan todas las materias durante un semestre, ni todos cursan un semestre único lo cual determina un tercer atributo para el antecedente del modelo: La Dispersión. Este valor se determina por la cantidad de semestres que cubren las materias cursadas por el estudiante durante un período académico, siendo la unidad curricular pendiente más atrasada durante ese período la que marca la ubicación del estudiante en el pensum de la carrera (Escuela de Ingeniería Eléctrica, 2006). Se observa claramente que este atraso, al llevar al día la carrera, constituye un problema para el estudiante y puede detectarse usando el “Árbol de Prelaciones” (Anexo C), el cual se considera como una estructura funcional de todas las materias y de donde se pueden obtener atributos como: las series de identificación relacionadas con las diferentes Escuelas que forman la Facultad y los Departamentos que las administran académicamente, las prelaciones absolutas y secuencias curriculares existentes entre las asignaturas, la cantidad y ubicación de las electivas a ser aprobadas, el total de asignaturas del pensum y los semestres más recargados de asignaturas o diversidad de materias. En lo referente a la prelación absoluta, ésta queda establecida como una restricción que se establece cuando un estudiante no aprueba el primer componente o asignatura prelante, quedando imposibilitado de cursar el segundo componente o asignatura prelada. Mientras que en la secuencia curricular se simplifica la restricción dado que el estudiante puede cursar el segundo componente sin haber necesariamente aprobado la primera (Escuela 43 de Ingeniería Eléctrica, 2006). En el Cuadro 4 se muestra la cantidad de estos atributos. En el Cuadro 4, las prelaciones absolutas y secuencias curriculares no constituyen parte del modelo de rendimiento ya que son restricciones implícitas en el sistema informático de la institución que limitan al estudiante a matricularse arbitrariamente durante los lapsos habilitados para las inscripciones durante un período académico vía Internet. En este orden de información, en el Anexo D se muestran los requisitos que debe que sigue el estudiante al momento de inscribirse en una unidad curricular (Gutiérrez, 2006). Cuadro 4. Atributos del árbol de prelaciones. Atributo Cantidad Código de Identificación 9 Prelaciones Absolutas 19 Secuencias Curriculares 18 Electivas 3 Total de Asignaturas 53 Semestres con un mínimo de Asignaturas 1 Semestres con máximo de Asignaturas 4 Fuente: Cálculos basados en Universidad del Zulia, EIE (1995). Una vez determinados los atributos del antecedente, se deben tomar en cuenta los criterios para determinar la escala de valoración del rendimiento estudiantil que sirve como salida del modelo del estudiante se recurre a la normativa sobre veredictos de evaluación de Trabajos de Grado como indicador del mérito del egresado en diferentes instituciones de educación superior, llevados a una escala equivalente de 0-20 puntos, al comportamiento estadístico del rendimiento observado en la población durante un lapso de 44 tiempo determinado y a la simbología proveniente de la Secretaría Docente de la institución sobre casos especiales no contemplados en la valoración cualitativa. De tal modo, el primer aspecto considerado para la cualificación del rendimiento estudiantil corresponde a que la escala de evaluación cualitativa cambia según la normativa de la Institución, la Escuela o la Facultad en que se observe, pudiendo no estar cuantificada. Se toma como ejemplo la Universidad Nacional Experimental Politécnica de las Fuerzas Armadas Bolivarianas, dicha valoración posee cinco categorías: Reprobado, Aprobado, Aprobado con Honor al Mérito, Aprobado con mención Publicación, Aprobado con mención Honor al Mérito y Publicación (UNEFA, 2010, Art.162, Parágrafo Primero, p. 62). Así mismo, en la Escuela de Ingeniería Industrial de la Universidad Católica Andrés Bello solo se manifiestan tres categorías: Aprobado (15-20), Diferido (10-14) y Reprobado (0-9) (UCAB, 2003, Art. 18, p.7). En la Facultad de Ciencias Forestales y Ambientales de la Universidad de los Andes cinco categorías: (19-20) Excelente, (16-18) Muy bueno, (13-15) Bueno, (10-12) Suficiente, (0-10) Insuficiente (ULA, 2008, Art. 46, p.14). En otro ejemplo se ve n hasta siete categorías como las del Instituto Universitario de Barlovento: (19-20) Excelente, (17-18) Sobresaliente, (16-15) Distinguido, (14-13) Bueno, (10-12) satisfactorio, (6-9) Deficiente, (1-5) Muy Deficiente (IUB, Art.80, p.25). Al igual que en el Colegio Universitario de lo Teques: (19 – 20) Excelente, (17 -18) Sobresaliente, (16 – 15) Distinguido, (14- 45 12) Bueno, (10 – 11) Satisfactorio, (7-9) Deficiente, (1-6) Muy Deficiente (Art. 35, Parágrafo único, p. 10). Como segundo aspecto a observar, es el comportamiento del promedio aritmético poblacional de las materias aprobadas durante los dos últimos períodos académicos del caso de estudio donde se desarrollará el modelo de rendimiento ya que este comportamiento cambia de una institución a otra. En el caso de la Escuela de estudio (1ro. y 2do. 2010) se sitúa muy cercano a los trece puntos (13), considerándose como primer punto de referencia (Bueno). Mientras que el otro punto de referencia corresponde a dieciocho puntos (18) para cuadros de honor (sobresaliente), por lo que el resto de las divisiones queda definida por divisiones de tres puntos de longitud para un total intermedio de 6 divisiones en una escala cuasi lineal facilitando de esta forma el desarrollo del modelo. En resumen se obtiene el Cuadro 5 con la valoración cualitativa de rendimiento. Cuadro 5. Valoración cualitativa del rendimiento estudiantil. entre 0 y 4 entre 5 y 9 entre 9 y 11 entre 12 y 14 entre 15 y 17 malo deficiente regular bueno Excelente Fuente: Propia de la Investigación. entre 18 y 20 sobresaliente Como tercer aspecto se considera la normativa seguida por la institución de educación para la identificación de casos no contemplados en la valoración cualitativa. Para ello se recurre al reglamento específico de la Universidad donde se desarrollará el modelo de rendimiento, ya que esta simbología cambia de una institución a otra. Según el reglamento de la Universidad del 46 Zulia (Gaceta Extraordinaria, 1992, Art. 3, p.23) se observan ocho códigos de clasificación los cuales son mostrados en el Cuadro 6. Cuadro 6. Código de clasificación para casos especiales. NP SI SP EQ AI SD SA DE No presentó Sin información Sin Promedio Equivalencia de estudios Aplazado por inasistencia Sin Derecho a Reparación Satisfactorio Deficiente Fuente: Universidad del Zulia, Gaceta Extraordinaria (1992). Considerando los criterios anteriores en el desarrollo del modelo de rendimiento con las variables de entrada y la salida cualitativa ya definida, se deben considerar otros criterios para poder integrarlo satisfactoriamente al proceso de orientación curricular. Durante este proceso el docente revisa el árbol de prelaciones y las reglas de inscripción, las cuales sirven por sí solas para responder preguntas simples como las presentadas en el Cuadro 7, pero no pueden responder preguntas sobre la dinámica del rendimiento académico. En cambio, cuando se unen las reglas del modelo de rendimiento del estudiante (1) a las reglas de inscripción, combinadas pueden ayudar al docente al momento de estimar esta dinámica. Cuadro 7. Ejemplos de preguntas de orientación curricular. 1 2 3 4 ¿Cuál es la relación existente entre Sistemas Lineales, Comunicaciones I y Sistemas de Control? ¿Qué tipo de materia es Autodesarrollo? ¿Se puede cursar Metodología de la Investigación Documental en el VII Semestre? ¿Se puede cursar Metodología de la Investigación Documental cursando el VII Semestre? ¿Se pueden cursar las tres electivas en el X Semestre? ¿Se pueden cursar Geometría, Cálculo II y Física II durante un semestre? ¿Se puede inscribir el Trabajo Especial de Grado y Seminario en el X Semestre? ¿Se puede cursar al mismo tiempo Comunicación Gráfica y Pasantías? Fuente: Gutiérrez (2010). 47 En relación a esto, los modelos basados en reglas como base de conocimiento pueden acumular información, creciendo sin el proceso de saturación que sufren otros modelos, debido a que cada regla trabaja sola, es consistente a la lógica que la generó, de tal forma que se pueden incluir reglas basadas en técnicas de razonamiento cualitativo (Gutiérrez, 2010), agregando la capacidad de establecer relaciones causa-efecto en el árbol original al momento de proveer de indicaciones y sugerencias al estudiante. Sobre la base de las consideraciones anteriores, se pueden incluir en la base de conocimiento reglas adicionales extraídas de procedimientos académicos y administrativos provenientes de reglamentos como los considerados para asuntos estudiantiles, permisos, traslados, equivalencias o sanciones entre otros, y que se aplican a casos particulares. Entre estos casos se pueden mencionar ejemplos de un estudiante sobresaliente que desea aumentar el número de materias a cursar durante un semestre, o cuando solicita apelación a faltas cometidas por desconocimiento de los reglamentos o restricciones académicas (Fuente: Secretaría del Consejo de la Facultad de Ingeniería, LUZ). 2.2. Descripción del Algoritmo ID3 Considerando los aspectos mencionados, el proceso de construcción del modelo recorre la siguiente secuencia de pasos: Recibir los datos del estudiante del formato Relación de Materias Cursadas, revisar que se cumplan las reglas de inscripción, aplicar el algoritmo ID3 y transferir el diagrama de 48 árbol al formato de reglas. Una vez obtenido el modelo se puede realizar un proceso deductivo para estimar el rendimiento en materias similares de un período posterior. Como puede apreciarse en la Figura 1, el algoritmo de inducción genera un árbol de decisión que clasifica el rendimiento de cada materia cursada por el estudiante, filtrándolo de manera descendente, hasta encontrar una hoja, que corresponde a la clasificación buscada del rendimiento. Se observa que la función CLASIFICA, posee dos argumentos, el primero es un argumento de entrada, constituido por el ejemplo que se le está presentando (materia y rendimiento) y el segundo es un argumento de salida, el árbol. Figura 1. Algoritmo ID3 (Guerra 2009, p. 122). Posteriormente la función tomaValor encuentra el valor de un atributo de la materia, en el rendimiento que se está clasificando. El tercer predicado es verdadero si su argumento es un nodo terminal del árbol (hoja) y falso si se trata de un nodo interno. En el primer caso el ejemplo ya está clasificado. En el caso de ser un nodo interno la función subArbol se mueve por la rama del árbol 49 que corresponde al valor del atributo probado en el caso. De esta forma, obtiene un sub-árbol como parte de la red. El procedimiento se repite hasta clasificar todos los ejemplos o materias cursadas en un período académico completando así un árbol particular. Adicionalmente a este proceso, se puede observar en general que un árbol de decisión representa una disyunción de conjunciones formada cada una por restricciones en los posibles valores de los atributos de los diferentes casos de rendimiento. Cada rama que va de la raíz del árbol a una hoja, representa una conjunción de tales restricciones (una regla) y el mismo árbol representa la disyunción de esas conjunciones (un conjunto de reglas). Cabe decir que en este caso se usa la cantidad de información que cada atributo aporta a la clasificación del rendimiento como medida que guía heurísticamente al algoritmo y viene dada por la fórmula de Claude Shannon, Ecuación (2). Puede suceder que mayor cantidad de atributos no provean información relevante, restando claridad al modelo. En general, si los posibles valores del atributo vi, ocurren con probabilidades P(vi), el contenido de información, o entropía E de cada ejemplo está dado por: (2) De la ecuación anterior se puede probar que si todas las materias cursadas por un semestre pertenecen a la misma clase, la entropía sería cero. La entropía es como una medida de ruido o desorden en los ejemplos. La 50 ganancia de información G(S,A) mide la reducción de la entropía causada por dividir un conjunto de entrenamiento S, con respecto a un atributo A y viene determinada por la siguiente Ecuación (3): (3) La ecuación (3) guía el algoritmo hasta obtener un árbol de decisión como el ejemplo mostrado en la Figura 2. Cada atributo corresponde a un nodo del árbol y su grado de significación sobre el modelo de rendimiento depende del nivel donde se encuentra ubicado. El algoritmo excluye atributos o nodos que no son relevantes en el resultado final. Recorriendo las ramas del árbol de la Figura 2 se derivan 4 reglas (Ecuación 4): Figura 2. Árbol de decisión por período. Fuente: Propia de la Investigación. 51 1: si HT = 4, Sub_Área1 = Electrónica Analógica à Excelente 2: si HT = 4, Sub_Área2 = Potencia à Excelente 3: si HPD = 2, HPL = 2 à Regular 4: si HPP= 2, D = 0, P = 1 à Bueno (4) Según se ha visto, de este modelo se extraen un conjunto de características particulares tomadas tanto de los atributos de las materias cursadas como del árbol curricular (cantidad y tipos de horas, dispersión, número de prelaciones y área de conocimiento) las cuales se pueden leer como: • Según las reglas 1 y 2: si el estudiante cursa una materia que posee cuatro horas teóricas (HT) bien sea en la sub área de Electrónica Analógica o en la sub área de Potencia, entonces su rendimiento será excelente. • Según la regla 3: si el estudiante cursa una materia que posee dos horas de práctica dirigida (HPD) y dos horas de práctica de laboratorio (HPL), entonces su rendimiento será regular. • Según la regla 4: si el estudiante cursa una materia que posee dos horas de práctica profesional (HPP) y no presenta dispersión (D) con otras materias y posee una prelación absoluta (P), entonces su rendimiento será bueno. Además, la complementación de un modelo de rendimiento con las reglas de inscripción y con reglas provenientes de otros reglamentos que 52 pueden considerarse conlleva a una herramienta de deducción que utiliza premisas, hechos y lógica de predicados que constituye un instrumento capaz de dar explicaciones a hechos presentados. En Russell y Norvig (2003) se puede ver que los algoritmos desarrollados en las últimas décadas en materia de inteligencia artificial brindan la posibilidad de que este proceso se realice de forma automática En este orden de ideas, la secuencia que seguiría un proceso de este tipo se toma el modelo (4) como el ejemplo descrito anteriormente. Si se desea estimar el rendimiento cualitativo (Cuadro 5) de una asignatura con atributos particulares, es decir, un números de horas extraídas del Anexo B, la cantidad de prelaciones y la dispersión observadas en el árbol de prelaciones (Anexo C) y el área de formación (Cuadro 3) se tendría para una materia propuesta como ejemplo a la entrada del modelo la Ecuación (5): HT (horas teóricas) = 4 HPL (horas de prácticas de laboratorio) = 2 HPD (horas de práctica dirigida) = 2 HPP (horas de prácticas profesionales) = 0 P (prelación absoluta) = 1 D (dispersión) = 1 SA (Sub área) = 3 (Circuitos, Cuadro 3) (5) Por lo que primero se debe verificar si la asignatura cumple con los requisitos indicados por los requisitos de inscripción (Anexo D). Si es aceptada 53 en esta primera prueba, se sigue un proceso deductivo utilizando las reglas de inferencia lógica (Anexo E), en forma simbólica se tiene: 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: HT4 • SA1 => E HT4 • SA2 => E HPD2 • HPL2 => R HPP2 • D0 • P1 => B HT4 • HPL2 • HPP0 • SA3 HT4 • (A1 U A2) => E V • (f v f) => f V • V => V f • f • f => f HPD2 • HPL2 => R H H H H M ab. e. h. h. c. 1,2 6 3 4 8 (6) Como se puede observar, para considerar los valores correspondientes de verdad o falsedad de las variables, primero se escriben las hipótesis (H) o reglas del modelo (Ecuación 4) en las líneas del 1 al 4 de la deducción (Ecuación 6) como: HT4 para HT = 4, SA1 para SA = 1, E para rendimiento “excelente”, SA2 para SA = 2, HPD2 para HPD = 2, HPL2 para HPL = 2, R para rendimiento “regular”, HPP2 para HPP = 2, D0 para D = 0, P1 para P = 1, B para rendimiento “bueno”. Siguiendo el orden, en la línea 5 de la deducción se aplica el modelo (M) de la materia propuesta con HT4, HPL2, HPP0 para HPP = 0 y SA3 Para SA = 3. En la línea 6 se aplica la primera regla de absorción lógica (Anexo E) a las hipótesis 1 y 2. En la línea 7 se verifica la falsedad de la Ecuación 6 resultante de la absorción de las hipótesis 1 y 2. En la línea 8 se verifica la veracidad de la hipótesis 3. Según la línea 9 la resolución de la hipótesis 4 es falsa. En la línea 10 se concluye (c) que la variable consecuente de rendimiento es R “Regular” 54 dado que según el paso 8 de la deducción, la única prueba de hipótesis que dio verdadera fue la 3. En resumen, se deduce que las características de la materia propuesta cumplen con la regla 3 en el paso 8 de la demostración, no habiendo otra verdadera se estima que el estudiante resultaría regular si cursara esa asignatura. Lo anterior constituye un caso aislado, ya que en realidad la asesoría debe manejar varias materias propuestas, además de varias opciones, así como debe observarse también la dinámica del rendimiento en otros semestres, lo que hace impráctico resolver a mano todas las propuestas presentadas. En este sentido, se requiere de un sistema de deducción más eficaz que la prueba de hipótesis por asignatura propuesta de forma manual. Una forma de simplificar el trabajo deductivo es la de agrupar atributos en el modelo (6) lo cual se constituye un regla de simplificación. Esto se demuestra al considerar al operador lógico de disyunción (o) en una sola regla y el operador de pertenencia en la siguiente nueva regla: HPD y HPP pertenecen al grupo de horas no teóricas (HNT). En la figura 3 se muestra el árbol modificado cuando no se encuentra alguna relación entre la prelación y el rendimiento . Esta la figura 3 se interpretaría de la siguiente manera: • Regla 1: si el estudiante cursa una materia que posee cuatro horas teóricas (HT) bien sea en la sub área de Electrónica analógica (SA1) o 55 en la sub área de Potencia (SA2), entonces su rendimiento será excelente. • Regla 2: si el estudiante cursa una materia que posee cuatro horas no teóricas (HNT), entonces su rendimiento será regular. • Regla 3: si el estudiante cursa una materia que posee dos horas no teóricas (HNT) y no presenta dispersión (D) con otras materias, entonces su rendimiento será bueno. Figura 3. Árbol de decisión simplificado. Fuente: Propia de la investigación. Tomando en cuenta que algunos lenguajes informáticos como el Lisp para el diseño de aplicaciones en la plataforma UNIX o el Prolog (Russell, 2003) para aplicaciones en plataformas como UNIX o Windows proveen del cálculo funcional o de predicados partiendo de hipótesis, los mismos pueden utilizarse para el desarrollo de sistemas de consulta con propiedades de 56 diálogo computador-usuario. En estos sistemas de consulta el profesor consejero se constituye en el usuario principal, debido a que junto a los instrumentos proporcionados por la institución, como lo son la relación de materias cursadas, el diseño curricular y los reglamentos académicos vigentes le ayudan a realizar razonamientos coherentes para orientar de la mejor manera posible al estudiante. De acuerdo con los razonamientos que se han venido realizando, para integrar el modelo en las actividades de orientación curricular del profesor consejero se deben cumplir dos pasos: El primer paso consiste en escoger el lenguaje a ser usado para probar el algoritmo ID3 de Quinlan. En esta investigación se pretende incorporar el algoritmo en un recurso informático bajo plataforma Windows por lo que se usa un lenguaje adaptado a esta tarea. Este lenguaje se conoce como Prolog, cuyo nombre viene del francés PROgrammation en LOGique, el cual fue ideado a principios de los años 70 en la Universidad de Aix-Marseille por los profesores Alain Colmerauer y Philippe Roussel. Cabe destacar que Prolog posee las ventajas de un lenguaje de propósito general, pero a diferencia de los lenguajes convencionales se compone de cláusulas de Horn que constituyen reglas del tipo "modus ponendo ponens”. Su ejecución se basa en la unificación y el backtracking (Guerra, 2009). Con el paso de los años se han desarrollado facilidades de programación destinadas a la construcción de interfaces de comunicación de forma y funcionalidad más amigables con el usuario. 57 Por su parte, en el segundo paso se realiza una encuesta dirigida a los profesores, destinada a recabar la información necesaria para responder las interrogantes planteadas en el capítulo anterior: ¿Cuáles son las reglas consideradas por el profesor en la orientación curricular del estudiante? En este propósito, la información aportada por la encuesta ayudará a desarrollar la forma y funcionalidad de un sistema experto SE de tal manera de saber cuáles son las reglas consideradas por los docentes y hacer que exista comunicación efectiva entre el algoritmo que maneja el modelo de rendimiento y el docente. El diseño óptimo de este recurso se logra con las facilidades que presentan el ambiente de trabajo SWI-Prolog implementado por Wielemaker (2010) el cual maneja una versión en código libre del lenguaje de programación lógica. Mediante este paquete informático se puede elaborar el recurso de apoyo al profesor con características como las mostradas en Guerra (2009, p. 99), es decir: • Razonamiento: Técnica de inferencia que usa reglas SI-ENTONCES. • Manejo de incertidumbre. Habilidad para trabajar con datos imprecisos. • Explicación: Habilidad para describir el razonamiento . • Interfaz del usuario. Componente de diálogo con el usuario tomando en cuenta el tipo de aplicación, los recursos multimedia existentes y los principios de interactividad presentados en Nanni (2004). 58 Los SE son aplicaciones de cómputo que involucran experiencia no algorítmica, basada en las decisiones que toman los seres humanos. El conjunto de estas decisiones forman la base de conocimiento de la aplicación, que en este estudio son una representación declarativa de la experiencia de los profesores orientadores en forma de reglas SI-ENTONCES. Reglas de orientación que se suman al modelo de rendimiento cualitativo del estudiante. Además, la base de conocimiento se puede consultar ya que es declarativa, constituyéndose en la explicación que da el sistema experto al usuario. Con respecto a las reglas, a partir las cua les se basan las decisiones en la orientación curricular, éstas se dividen en dos grupos. El primer grupo lo constituyen las reglas de inscripción provenientes de los reglamentos y las normas y procedimientos seguidos durante la orientación curricular como una parte de las asesorías académicas. Mientras que el segundo grupo obedece a consideraciones no contempladas necesariamente en el grupo anterior, pero igualmente válidas, ya que no colidan con las anteriores, como un reflejo del aspecto humano de la orientación. Luego de describir la cualidad del rendimiento basada en atributos de la materia, el SE comienza una especie de diálogo con el profesor para desplegar al final expresiones como: se recomienda, se debe, se puede, debido a, etc. (Figura 4). La integración de los modelos descritos en la Figura 4 en un SE basado en reglas imita la forma de cómo el humano acumula experiencia y resuelve situaciones basadas en ellas. Una crítica importante del algoritmo ID3 sobre el 59 cual está soportada esta investigación tiene que ver con el proceso de búsqueda para encontrar aquellas reglas que se ajustan mejor a los datos presentados. Durante la selección de reglas, ID3 mantiene sólo una regla mientras explora el espacio de reglas posibles. Esto contrasta con otros métodos que conserva el conjunto de todas las reglas consistentes con el conjunto de datos. Figura 4. Modelo de rendimiento integrado a la orientación curricular. Fuente: Propia de la investigación. Es por ello que ID3 es incapaz de determinar cuántos conjuntos de reglas diferentes son consistentes con los datos. Además, una vez que el algoritmo selecciona un atributo o antecedente, nunca reconsiderará esta elección. Por lo tanto, es susceptible a detenerse cuando tales atributos no constituyen parte de patrones consistentes. Con la finalidad de integrar un modelo de rendimiento a las reglas que condicionan la orientación curricular ofrecida por el docente, se siguen los 60 pasos en el diseño de medios informáticos interactivos con el usuario, en este caso el profesor, junto a la secuencia o procedimientos que forman parte de la orientación curricular durante los procesos de inscripción. 3. La variable y sus dimensiones. 3.1. El Rendimiento del Estudiante. El rendimiento del estudiante supone su capacidad para responder a la estructura del currículo y hace referencia a la evaluación de sus conocimientos, mediante una escala numérica que depende de cada institución. Es una característica compleja cuya evaluación involucra otras variables, observables o no. De numerosas investigaciones acerca del rendimiento se concluye que la nota, tal como o expresa Garnica (1997), aludida como signo del “rendimiento”, es sólo una pequeña parte de esta definición. El rendimiento estudiantil está asociado al acopio secuencial de datos que pueden ser cuantitativos delimitados en una escala según la institución (010, 0-20, 0-100, etc.) o bien literales (aprobado, reprobado, satisfactorio, deficiente, bueno, excelente, etc.). Según Ortigosa y otros (2003), durante la medición del rendimiento se observan diferencias entre los objetivos planteados y los objetivos logrados por cada asignatura. Así mismo, para los registros mixtos la nota definitiva de la asignatura viene determinada mediante el promedio ponderado de las notas parciales o bien definidos mediante símbolos alfabéticos. Para el caso de estudio el 61 sistema de evaluación establece que el rendimiento estudiantil es evaluado mediante una escala de cero a veinte puntos (Universidad del Zulia, 1992, Art. 11) y el promedio general de la carrera se obtiene por la media aritmética de las notas de las materias aprobadas en todos los períodos cursados (Fuente: Secretaría Docente de la Facultad de Ingeniería). Dimensiones e indicadores Para la inclusión del modelo de rendimiento como apoyo a la actividad de orientación curricular se requiere el uso de recursos informáticos en los escenarios que propone n los nuevos requerimientos educativos, como está especificado en el Plan Nacional Simón Bolívar, en sus estrategias de profundizar la universalización de la Educación Bolivariana, fortaleciendo e incentivando la investigación en el proceso educativo (Malavé, 2011, Secc. 4.6, p.12), de tal manera que dichos recursos aportan a la asesoría académica como parte de este proceso una alta capacidad productiva y operativa. Además, para la determinación del modelo de rendimiento del estudiante se necesita manejar sus dos dimensiones en la Institución, específicamente en cada Escuela, las cuales según los objetivos planteados en esta investigación son: El Rendimiento poblacional y el rendimiento individual. La primera dimensión está delimitada por los registros llevados a cabo por la Secretaría Docente en un instrumento conocido como el Orden de Inscripción, el cual establece la secuencia en que se lleva a cabo la matriculación vía Web. De este primer instrumento se toman en cuenta los 62 siguientes indicadores: el promedio de notas de la carrera, la eficiencia, la eficacia, la antigüedad en años determinada por el período de ingreso, la cantidad de asignaturas aprobadas y el nivel de estudios. El promedio de notas de la carrera se refiere a la media aritmética de las notas aprobadas, tomando en cuenta solo las presentadas en una escala numérica. La eficiencia se obtiene de dividir el número de materias aprobadas entre el número de materias ofrecidas en los períodos que ha cursado el estudiante durante su carrera. La eficacia por su parte se obtiene al dividir el número de mate rias aprobadas entre el número de materias cursadas (Escuela de Ingeniería Eléctrica, 2006). La antigüedad consiste en determinar la diferencia entre el año de ingreso y el presente. El Cuadro 8 resume estos primeros indicadores y los atributos necesarios para la valoración cualitativa del rendimiento del estudiante en la carrera. Cuadro 8. Primeros Indicadores del rendimiento durante la carrera. 1 Promedio (puntos) Atributo 2 Eficiencia o Eficacia (%) Atributo 3 Antigüedad (años) Atributo 0– 4 1 malo 0-35 1 baja Menos de 1 1 baja 5– 8 9 – 11 2 3 deficiente regular 33-65 2 media 1-4 2 media 12 – 14 15 – 17 4 5 bueno Excelente 66-100 3 Alta 5-6 3 Alta 18 – 20 6 sobresaliente mayor de 100 4 muy alta mayor de 6 4 muy alta Fuente: Propia de la investigación. El indicador de la cantidad de asignaturas aprobadas se obtiene sumando: las asignaturas cursadas, aquellas convalidadas del pensum anterior y aquellas admitidas por equivalencia en el pensum vigente, mientras que para 63 determinar el nivel de estudios en el cual se ubica al estudiante en la carrera se realiza un pre-procesamiento del rango de materias cursadas por el estudiante y su relación con el semestre tomando en cuenta los criterios de la Secretaría Docente mediante un agrupamiento por nivel de los grupos 2, 3 y 5 del instrumento Orden de Inscripción (Cuadro 11 detallado más adelante en Marco Metodológico), dando como resultado 4 atributos o categorías del nivel del estudiante tal como se ve en el Cuadro 9. Cuadro 9. Grupos por nivel de estudios. 1 Grupo por Orden de Inscripción 5 3 2 2 Rango de materias 0-6 7-11 12-15 16-20 21-25 25-30 31-32 33-40 41-48 49-53 3 Semestre 1 2 3 4 5 6 7 8 9 10 4 Nivel 1 2 3 4 Atributo inferior medio Alto avanzado Fuente: Propia de la Investigación. Para un análisis más detallado del rendimiento poblacional, como también del rendimiento individual, se recurre a otros instrumentos: El registro institucional en su fo rmato de la Relación de Materias Cursadas y el Documento del Diseño Curricular que contiene las características de la carrera curriculares y el árbol de prelaciones. En total, para la determinación del rendimiento individual se tienen los siguientes indicadores: El número de materias cursadas por período académico hasta la presente, la duración semanal de clases de cada asignatura, las áreas de formación cubiertas, el tipo de asignaturas que el estudiante ha cursado en cada período, bien sea teórica, 64 práctica o una combinación de ambas, y por último, la dispersión semestral en cada período. Cabe destacar que estos últimos indicadores no se obtienen por cálculo directo, sino al relacionar los registros institucionales con el Diseño Curricular de la carrera. 3.2. Reglas de Orientación del profesor. En los sistemas informáticos se encuentran los sistemas expertos, o basados en reglas, utilizados recientemente en educación. Según Guerra (2009, p. 99), una regla es una representación declarativa de la experiencia, la cual afecta la conducta humana, entre las cuales se encuentran la toma de decisiones. Las reglas descomponen el problema de la toma de decisiones en sub-problemas más simples, por lo que dicha unidad de razonamiento sirve para explicar los sucesivos pasos tomados en cuenta en la decisión de una persona ante una situación que se le presenta. Las reglas forman un modelo de conocimiento, y pueden derivarse de los árboles de decisión. El objetivo de proponer un modelo de rendimiento del estudiante basado en reglas de tal manera que puedan integrarse (sumarse) a las reglas de orientación del profesor, obliga a identificar cuáles son las reglas que sigue el profesor durante la Orientación Curricular, actividad que se ha convertido en las instituciones en un requisito meramente administrativo en la cual el asesor aprueba la selección de materias y el horario establecido por el estudiante (consejería académica). 65 En realidad la aprobación final de esta selección de materias cumple con algún formalismo, pero según Fernández (2004) olvida el objetivo central de esta actividad ya que debe incluir los aspectos relacionados con el contexto para apoyar a los estudiantes que presenten problemas que se relacionen con su rendimiento y adaptación al ambiente académico. El Manual de Asesorías Académicas (Universidad del Zulia, Vicerrectorado Académico, 1991) describe la actividad de orientar académicamente como un procedimiento complejo que involucra por parte del docente las siguientes funciones ejercidas durante lapsos de tiempo definido: • Asesorar a los estudiantes en la identificación, diagnóstico, solución e implantación de alternativas ante situaciones académicas y/o personales que se les presenten o referirlos a las dependencias correspondientes cuando el caso no sea de su competencia. • Asesorar a los estudiantes en la elaboración de su programa académico: selección de asignaturas por período académico. • Ofrecer información académico-administrativo sobre la institución. • Registrar y evaluar las actividades realizadas en relación con las asesorías e informar al coordinador sobre las mismas. De aquí se delimita el significado de la Orientación sobre Currículo con lo planteado en Forero (1991, p. 26), donde se la describe como la tarea en régimen de estudio abierto semestral o anual, en que el estudiante escoge las materias que va a cursar. Esta tarea ocurre durante los procesos de inscripción 66 y su objetivo es la de facilitar la toma de decisiones al inscribir las materias. Es una actividad de carácter preventivo que debe cubrir a toda la población estudiantil y a los profesores activos fundamentándose en un programa de seguimiento que contenga la información necesaria para ese momento. Según Forero (1991), tales actividades y servicios son una manera de enfocar la función de los docentes, cuyas tareas a desarrollar varían en cada institución educativa. Actividades que pueden concentrarse en cuatro ámbitos: Académico, Institucional, Administrativo y Comunitario (Universidad Nacional Abierta, 1992) citado en Medina (2005). Dichos ámbitos pueden enlazarse desde el punto de vista técnico de tal manera de canalizar satisfactoriamente la integración, el desarrollo académico y el rendimiento del estudiante en el medio universitario. De lo anterior, la orientación curricular requiere considerar como primer instrumento un conjunto de suficientes documentos institucionales, que en el caso de estudio corresponde a: El Reglamento del programa de Asesorías, El Reglamento de Evaluación y Rendimiento Estudiantil, el Reglamento de Inscripciones, el Régimen sobre enmienda de Calificaciones y Planillas de Exámenes y el Reglamento de Servicio Comunitario del Estudiante. La aplicación de los reglamentos institucionales y los requisitos anteriores se hacen más notables en las decisiones tomadas durante la orientación curricular cuanto mayor sean las diferencias que existan entre los objetivos planteados en cada curso y los objetivos logrados, es decir que una o varias asignaturas reprobadas hacen evidente la necesidad de proporcionar 67 ayuda institucional al estudiante a través de los servicios de asesoría académica. El Reglamento del Programa de Asesorías (Universidad del Zulia, Vicerrectorado Académico, 1991) del cual forma parte la orientación curricular especifica como uno de los propósitos de la institución el de aumentar el rendimiento académico, mejorando la calidad de los participantes en el proceso evaluativo y atendiendo los factores que inciden negati vamente en el mismo (Art. 6, Parágrafo 2). Además especifica entre las funciones del profesor, la de remitir al centro de orientación o su equivalente en la facultad aquellos estudiantes cuyas situaciones escapen a su nivel de competencia para su debida atención, así como la de presentar un informe acerca de dicha actividad (Art. 41). Aparte de los reglamentos institucionales existen requisitos que deben cumplirse durante la revisión de cada caso de inscripción (Anexo D). Estos requisitos guían al orientador en una secuencia de quince pasos que van desde que se inicia la revisión de documentos hasta que se le dan las respuestas al estudiante al final de la asesoría (Gutiérrez, 2006). Cada paso de este procedimiento consume tiempo y puede ser llevado a la forma de reglas SIENTONCES similares a las presentadas para el modelo del estudiante de tal forma de ser integradas (Figura 4). Este procedimiento de integración es ampliado en el análisis de los resultados de la investigación. Indicadores 68 En el contexto social, los reglamentos académicos y los requisitos de inscripción no son suficientes en materia de orientación, por lo que se consideran indicadores a través de un cuestionario dirigido a los profesores sobre las decisiones que tomarían durante la orientación. Según Forero (1991) y el manual de asesorías vigente (Universidad del Zulia, Vicerrectorado Académico, 1991) se mencionan los aspectos operacionales que definirán cuáles reglas SI-ENTONCES condicionan las decisiones tomadas por el profesor y que servirán para describir los pasos a seguir en miras integrar la variable rendimiento a las reglas de orientación curricular. Los aspectos mencionados son los siguientes: Las Normas y los procedimientos seguidos en los procesos de orientación curricular desarrolladas durante las inscripciones. Las asignaturas propuestas por el estudiante para inscribir. El cumplimiento del régimen de prelaciones. Las dificultades manifestadas por el estudiante. La disponibilidad y la metodología del estudiante para la distribución del tiempo de estudios semanalmente. Las relaciones verticales y horizontales entre las materias del plan de estudio de la carrera. La realización de Informe de Orientación Curricular. El cuestionario dirigido a los profesores es un instrumento que tiene la función primordial de identificar aquellas reglas de decisión que son consideradas durante el proceso de orientación curricular y que no están cubiertas por los reglamentos institucionales, es decir aquellas reglas provenientes de la experiencia o del sentido común de los profesores. La identificación de las reglas usadas en la orientación vendrá dada por el estudio 69 inferencial de este instrumento, cuyo diseño se explica en el capítulo siguiente. Los indicadores van desde la consideración de normas y requisitos de inscripción hasta la realización de un informe del proceso de orientación se muestran en la operacionalización de las variables (Cuadro 10). Una vez obtenidos tanto el modelo de rendimiento para el estudiante como el modelo del profesor consejero, se deben relacionar en uno solo, por lo que se deben describir los pasos para unir ambos modelos y conformar de esta manera una guía de pasos a seguir por el profesor y por el estudiante para que las decisiones que surjan del proceso de orientación curricular sean lo más consistente posibles. Para lograr esta integración se recurre a las reglas de inscripción de cada unidad curricular (Anexo D), las cuales constituyen una secuencia de pasos que pueden automatizarse dependiendo de los recursos disponibles de la institución. Se utilizó el ambiente de desarrollo de licencia libre SWI-PROLOG de Wielemaker J. (2008). 70 Cuadro 10. Operacionalización de la Variable. Objetivo General Objetivos Específicos Describir el rendimiento de la población de estudiantes de ingeniería desde la perspectiva de un modelo de reglas basado en los registros de la institución Proponer un modelo de rendimiento del estudiante de ingeniería integrado a las reglas de orientación curricular. Variable Dimensión Indicador Instrumento Promedio de notas de la carrera Eficiencia Eficacia Registro Antigüedad Institucional: Cantidad de Orden de asignaturas Poblacional Inscripción aprobadas Nivel de Estudios Nro. de materias cursadas Rendimiento del estudiante Describir el rendimiento individual del estudiante de ingeniería desde la perspectiva de un modelo de reglas basado en los registros de la institución Individual Duración semanal de horas de clases de cada asignatura Nro. de Áreas de formación cubiertas Tipo de asignatura Predominante Dispersión semestral Normas y requisitos de Asesoría Identificar las reglas que condicionan las decisiones durante la orientación curricular Describir los pasos a seguir para integrar un modelo de rendimiento del estudiante a las reglas de orientación curricular. Asignaturas Propuestas Régimen de Prelaciones Dificultades del estudiante Tiempo de estudios Plan de estudio Realización de Informe Procedimientos de Inscripción Registro Institucional: Relación de Materias Cursadas Diseño Curricular: Características de la Carrera Diseño Curricular: Árbol de Prelaciones Reglamentos Institucionales Cuestionario dirigido a los docentes Reglamentos Institucionales Ambiente de Diseñar un esquema de implementación del modelo de rendimiento del estudiante en Desarrollo la orientación curricular. Informático Fuente: Elaboración propia.