CAPÍTULO II MARCO TEÓRICO En este capítulo se incluyen

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.