Libro Jidere 13

La rica variedad de enfoques docentes propuestos permitir al lector descubrir nuevas
vas para hacer partcipes a los alumnos de las ideas, contenidos y procedimientos propios
de la disciplina, cuyas dificultades de transmisin no son exclusivas de un rea o titulacin,
sino que son un problema transversal que todos los docentes de Estadstica y materias
afines compartimos.
Por ello, y con la idea de que aunque slo pudieras extraer de este volumen una idea que
implantar en el aula ya valdra la pena, en este libro se recopilan algunas de las experiencias
de innovacin docente ms interesantes que se han venido desarrollando durante los
ltimos aos en las aulas de Estadstica de la universidad espaola.
DOCENCIA EN ESTADSTICA. EXPERIENCIAS DE INNOVACIN
En DOCENCIA EN ESTADSTICA. EXPERIENCIAS DE INNOVACIN,

profesores del rea de Estadstica de ms de 10 universidades diferentes presentan
algunas de las experiencias docentes que han venido implementando, en el difcil contexto
socioeconmico y universitario actual, en sus clases de Estadstica de titulaciones tan
variadas como Biologa, Economa, Ingeniera, Matemticas o Psicologa.
DOCENCIA EN ESTADSTICA.
EXPERIENCIAS DE INNOVACIN
JOSE M. PAVA ROSARIO MARTNEZ FRANCISCO G. MORILLAS BELN GARCA (eds.)
DOCENCIA EN ESTADSTICA, EXPERIENCIAS DE

INNOVACIN
Jose M. Pava, Rosario Martnez, G. Morillas y Beln Garca (Eds.)
Prlogo
El pasado mes de julio de 2012 (das 16 y 17) se celebraron en Valencia las III Jornadas de
Intercambio de Experiencias de Innovacin Educativa en Estadstica. Las jornadas contaron
con el patrocinio del Unitat dInnovaci Educativa de la Universitat de Valncia y la
colaboracin de la Facultat dEconomia de la misma universidad. Al igual que en ocasiones
anteriores las jornadas sirvieron de punto de encuentro para intercambiar ideas y experiencias
entre los docentes del rea de Estadstica y en ellas los asistentes tambin pudieron analizar,
en el difcil contexto socioeconmico y universitario actual, la situacin de la implantacin de
los nuevos grados en el marco del Espacio Europeo de Educacin Superior.
A la luz de los debates que suscitaron las distintas ponencias, la rica variedad de enfoques
docentes y la asistencia que registraron todas las sesiones, un encuentro de estas
caractersticas no slo es necesario, sino que debe crecer y buscar nuevos horizontes que
permitan hacerlo accesible a un abanico de docentes ms variado territorial y funcionalmente.
Los autores: Jose M. Pava, Rosario Martnez,
Francisco G. Morillas y Beln Garca (Eds.)
1 edicin: febrero, 2013
Esto, sin duda, parece garantizado gracias al inters y disponibilidad que mostraron varios de
los asistentes a alojar en sus universidades las jornadas en aos sucesivos.
Debido a la gran utilidad que para nuestra prctica docente representan muchas de las ideas y
experiencias que se mostraron en las jornadas por parte de los ponentes y al enorme inters
que suscitaron muchas de las presentaciones, sera imperdonable por nuestra parte que no
ISBN: 978 - 84 - 9858 - 872 9
tratramos de recopilar como organizadores la mayor parte del conocimiento que se comparti
D.L.: V 409 2013
durante esos das. Sin duda, muchos de nosotros descubrimos de nuestros compaeros
nuevas vas para hacer partcipes a los alumnos de las ideas, los contenidos y los
Edita: ADD Editorial
procedimientos propios de nuestra disciplina, cuyas dificultades de transmisin no son
Imprime: Alfa Delta Digital
exclusivas de un rea o titulacin, sino que, como qued patente, es un problema transversal
que todos nosotros compartimos. Por ello, y con la idea de que aunque slo pudieras extraer
Reservados todos los derechos.

No se permite reproducir, almacenar en sistemas de reproduccin de
informacin ni transmitir alguna parte de esta publicacin, cualquiera
que sea el medio empleado electrnico, mecnico, fotocopia,
grabacin, etc.- sin el permiso previo de los titulares de los derechos
de propiedad intelectual.
de este volumen una idea que implantar en el aula ya valdra la pena, hemos recopilado en
este volumen algunas de las ponencias ms interesantes que se presentaron en las jornadas.
Algn lector de entre los que acudieron a las jornadas podr echar en falta los artculos de
algunas de las ponencias presentadas y notar, as mismo, que han sido incluidos un par de
artculos de ponencias que no fueron presentadas en las jornadas. Para el conocimiento del
lector interesado hemos de comentar que aunque unos pocos autores declinaron nuestra
invitacin a publicar su comunicacin, la mayor parte de las comunicaciones presentadas que
no podrn ser encontradas en este volumen (al menos seis) no lo estn porque han sido
iii
publicadas (o estn aceptadas para su publicacin) en otro medio. En particular, podrn ser
este grupo se encuentran los artculos Innovacin educativa en el laboratorio: una mejora en el
encontradas en revistas como Epsilon, Innovar Journal o RevMetCuant. Por otra parte, hemos
rendimiento acadmico, Una propuesta alternativa para el aprendizaje del clculo de
decidido incluir dos artculos que consideramos podrn ser de utilidad para el lector aunque no
probabilidades en el Grado de Ingeniera Mecnica, Matheamtica 8 como recurso docente en
pudieron ser presentados durante las jornadas debido a problemas de agenda de los autores.
Estadstica Empresarial, rkTeaching: un paquete de R para la enseanza de Estadstica y

La teora de juegos como herramienta para obtener datos empricos sobre el comportamiento
Para facilitar la lectura del libro, se han organizado los captulos en bloques. En primer lugar se
de los agentes econmicos: una aplicacin para la enseanza en estadstica, donde el lector
agrupan los artculos que en algn sentido tratan cuestiones de reflexin y anlisis que tienen
encontrar herramientas concretas y metodologas activas de cooperacin para motivar la
que ver con la innovacin docente. En este sentido, Valoracin de los conocimientos previos
implicacin de los estudiantes en su aprendizaje.
en Estadstica de los alumnos del Grado en Economa y su incidencia en los resultados

acadmicos (curso 2011/12), ofrece una reflexin sobre la materia prima con la que debe
El ltimo bloque hace referencia a la incorporacin de las TIC a la docencia en Estadstica,
lidiar un docente en Estadstica en relacin a los conocimientos previos de la disciplina con la
aportando herramientas para la difusin de contenidos. En concreto Blog de Estadstica por y
que acceden los estudiantes de primer curso de grado. El captulo siguiente El perfil del
para los alumnos muestra la labor admirable de un grupo de estudiantes de Psicologa para
estudiante de primero del Grado en turismo y su valoracin sobre asignaturas de Estadstica:
aportar contenidos tiles en la docencia Estadstica para sus compaeros. Aplicaciones web
Un anlisis comparativo entre la Universidad de Mlaga y la de Valencia, ofrece adems, una
en docencia Estadstica y anlisis genmicos ofrece una interesante herramienta sobre las
evaluacin de los estudiantes del Grado de Turismo en dos universidades espaolas. A
incipientes tcnicas de investigacin en biomedicina y finalmente el captulo Tutorials dinmics
continuacin La asignatura de Estadstica en el nuevo Grado de Ingeniera Telemtica aporta
per a la docncia en assignatures destadstica: laprofitament de les TIC davant de la
una reflexin sobre el cambio curricular y metodolgico que ha supuesto para la materia la
transformaci del paradigma docent en el context de lEEES, que cierra el libro, presenta la
adaptacin al Grado. Para cerrar el bloque, se ha incluido un captulo con un muy interesante
metodologa y la aplicacin de una herramienta TIC para la enseanza en Estadstica.
contenido metodolgico Uso de curvas ROC en prediccin del xito acadmico en estudiantes
de Estadstica que tiene como objetivo valorar y comparar el valor predictivo de diferentes
Esperamos que gracias a la publicacin de este libro los temas tratados durante las jornadas
variables en el rendimiento de 180 estudiantes de Estadstica del Grado de Psicologa.
estn disponibles para todos aquellos que no pudieron acudir a la cita, y que ms docentes e
investigadores puedan unirse al debate. Confiamos, asimismo, que el libro sea tambin de
El segundo bloque abarca los captulos referentes a recursos de evaluacin para la docencia
utilidad para los que participasteis en la reunin, evitando que tengis que confiar a la memoria
en Estadstica. En este grupo se encuentran varias propuestas para el aprovechamiento de las
las valiosas ideas y sugerencias que los distintos ponentes ofrecisteis.
TIC. En concreto, Seguimiento y evaluacin online de trabajos de prcticas en asignaturas

de Estadstica, Automatizacin en la realizacin y evaluacin de actividades docentes en
Para finalizar quera agradecer, en nombre del Comit Organizador, la enorme colaboracin
disciplinas de perfil cuantitativo en entornos masivos: El caso de Estadstica Econmica y
prestada por los miembros del Comit Cientfico (Manuela Alcaiz Zann, M. Dolores Bentez
Empresarial II, Evaluacin continua de adquisicin de conocimientos en ECONOMETRIA. Un
Mrquez, Jos Salvador Cnovas, David V. Conesa Guilln, Eugenio M. Fedriani Martel,
caso a estudio y Material docente, nuevas tecnologas y sistema de informacin continuo para
Alfredo Garca Hernndez-Daz, Beatriz Larraz Iribas, Pedro Marn Rubio, Antonio Miguel
la evaluacin de las competencias adquiridas por el alumno en las asignaturas de Estadstica
Mrquez, M. Amparo Oliver Germes, Javier Toledo Melero y Jos Valero Cuadra) y muy
de los grados dentro de las Ciencias Experimentales, adems de aportar interesantes
especialmente reconocer la ayuda y dedicacin de autores y ponentes, ya que sin todos ellos
reflexiones relativas a la cuestin de la evaluacin, abordan algunas soluciones para hacer
no hubiera sido posible llevar a buen puerto esta aventura. Personalmente, adems, quiero
frente a los retos y dificultades que plantea la masificacin de los grupos y su efecto sobre la
extender el agradecimiento a mis compaeros del Comit Organizador. Beln, Fran y Rosario;
cantidad y calidad de actividades docentes.
sabis que esto habra sido absolutamente imposible sin vuestra dedicacin desinteresada.
Jos Manuel Pava
Valencia 30 de octubre de 2012.
El tercer bloque de captulos rene aquellas aportaciones que desarrollan metodologas

docentes innovadoras a travs de herramientas y mtodos para la docencia en Estadstica. En
iv
NDICE DE CONTENIDOS
Prlogo_______________________________________________________________iii
NDICEDECONTENIDOS _________________________________________________ 7
REFLEXIONES Y ANLISIS DE LA SITUACIN SOBRE LA INNOVACIN DOCENTE
ENASIGNATURASDEESTADSTICAENELCONTEXTODELEEES__________________ 9
ValoracindelosconocimientospreviosenEstadsticadelosalumnosdel
Grado en Economa y su incidencia en los resultados acadmicos (curso
2011/12)________________________________________________________ 11
ElperfildelestudiantedeprimerodelGradoenTurismoysuvaloracin
sobre la asignatura de Estadstica: Un anlisis comparativo entre la
UniversidaddeMlagayladeValencia ______________________________ 29
LaasignaturadeEstadsticaenelnuevoGradodeIngenieraTelemtica ___ 47
Uso de curvas ROC en prediccin del xito acadmico en estudiantes de
Estadstica ______________________________________________________ 59
RECURSOS INNOVADORES PARA LA EVALUACIN DE COMPETENCIAS EN
ASIGNATURASDEESTADSITCA __________________________________________ 77
Seguimiento y evaluacin online de trabajos de prcticas en
asignaturasdeEstadstica__________________________________________ 79
Automatizacinenlarealizacinyevaluacindeactividadesdocentesen
disciplinas de perfil cuantitativo en entornos masivos: El caso de
EstadsticaEconmicayEmpresarialII________________________________ 87
Evaluacin continua de adquisicindeconocimientos en ECONOMETRA.
Uncasoaestudio(*) ______________________________________________ 97
Materialdocente,nuevastecnologasysistemadeinformacincontinuo
para la evaluacin de las competencias adquiridas por el alumno en las
6
asignaturas de Estadstica de los grados dentro de las Ciencias

Experimentales__________________________________________________ 117
METODOLOGASDOCENTESINNOVADORAS.HERRAMIENTASYMTODOSPARA
PARALADOCENCIAESTADSTICA________________________________________ 129
Innovacin educativa en el laboratorio: Una mejora en el rendimiento
acadmico _____________________________________________________ 131
Una propuesta alternativa para el aprendizaje del clculo de
probabilidadesenelGradodeIngenieraMecnica____________________ 141
Mathematica8comorecursodocenteenEstadsticaEmpresarial ________ 153
rkTeaching:unpaquetedeRparalaenseanzadeEstadstica___________ 167
Lateoradejuegoscomoherramientaparaobtenerdatosempricossobre
el comportamiento de los agentes econmicos: una aplicacin para la
enseanzaenEstadstica._________________________________________ 181
RECURSOS PARA LA INNOVACIN DOCENTE: NUEVAS TECNOLOGAS PARA LA
DOCENCIAENESTADSTICA ____________________________________________ 191
BlogdeEstadsticaporyparalosalumnos ___________________________ 193
AplicacioneswebendocenciaEstadsticayanlisisdedatosgenmicos___ 201
Tutorials dinmics per a la docncia en assignatures destadstica:
laprofitament de les TIC davant de la transformaci del paradigma
docentenelcontextdelEEES______________________________________ 211
LISTADODEAUTORES/AS______________________________________________ 227
REFLEXIONES Y ANLISIS DE LA SITUACIN SOBRE LA

INNOVACIN DOCENTE EN ASIGNATURAS DE
ESTADSTICA EN EL CONTEXTO DEL EEES
Valoracin de los conocimientos previos en Estadstica de

los alumnos del Grado en Economa y su incidencia en los
resultados acadmicos (curso 2011/12)
Ernesto Jess Veres Ferrer (1)
(1) Departamento de Economa Aplicada
Universidad de Valencia
Av de los Naranjos s/n. (46022) VALENCIA
e-mail: Ernesto.Veres@uv.es
RESUMEN
Este trabajo evala el nivel de conocimientos especficos en estadstica que tienen los alumnos
matriculados en Estadstica I del Grado en ECONOMA, en la Universidad de Valencia y en el
curso 2011/12. La evaluacin tiene sentido en cuanto que dicho alumnado ya ha recibido
formacin en muchos de los contenidos que se desarrollan en el Programa de esta asignatura
del primer curso del Grado, bien en la Enseanza Secundaria y el Bachillerato, bien en el
mismo Grado en el caso de alumnos matriculados por segunda vez.
Para conocer ese nivel de conocimientos estadsticos previos se dise una prueba para su
medicin. Consista en pasar a 88 alumnos y el primer da de clase, dos test de
autoevaluacin, exactamente iguales a los existentes en dos libros de texto de 3 y 4 de ESO,
con preguntas correspondientes al primer tema del programa de Estadstica I. Por tanto, todos
los alumnos deban contestarlas correctamente, dado su carcter de elementales.
Finalmente, el trabajo valora hasta qu punto los conocimientos previos afectan a los
resultados acadmicos obtenidos por el alumnado. En todo el trabajo los resultados se
discriminan segn si el alumno ha estado o no matriculado previamente en la asignatura. La
conclusin es clara: el nivel de conocimientos con el que se enfrentan a la asignatura es
manifiestamente bajo y, adems, no hay diferencia entre ambos tipos de alumnado.
INTRODUCCIN
Los Decretos del Consell 112/2007, de 20 de julio (DOGV 24.07.2007), y 102/2008, de 11 de
julio (DOGV 15.07.2008), establecen, respectivamente, los currculos de la Educacin
11
Secundaria Obligatoria y del Bachillerato en la Comunidad Valenciana. Se deduce de ellos que
doblemente problemtico: por el bajo nivel matemtico en general, y por el bajo nivel de
los contenidos impartidos en ESO y Bachillerato cubren prcticamente la totalidad de los
conocimientos estadsticos, en particular.
contenidos de la Estadstica I del Grado en ECONOMIA. E, incluso, se adentran en muchos de

los conceptos inferenciales desarrollados en la asignatura de Estadstica II1.
Tambin la experiencia del profesorado indica que, en gran medida, el fracaso en superar la
primera de las asignaturas de estadstica del Grado, para un porcentaje sensible de alumnado,
En cualquier caso salvo excepciones, como el caso del acceso de los mayores de 25 aos-
viene motivada por el abandono desde los primeros momentos del curso, y decidido por el
todos los alumnos que acceden a la Universidad han superado la enseanza secundaria
mismo alumno, a enfrentarse a ella en las dos convocatorias de examen previstas. Lo que
obligatoria, por lo que debieran conocer perfectamente los contenidos de la Estadstica
determina, en definitiva, que aunque matriculado en ella, el alumno que no supera una primera
Descriptiva unidimensional y los bsicos del Clculo de Probabilidades. Si, adems, la va
convocatoria no ha adquirido conocimientos aadidos a los que ya posea desde las
lgica de acceso a ADE es a travs del Bachillerato en su modalidad de Humanidades y
enseanzas medias.
Ciencias Sociales, sus conocimientos se adentran en la Estadstica Descriptiva bidimensional y

en estimacin y contraste de hiptesis estadsticas, con una apreciable profundizacin tal como
Este trabajo tiene como objetivo presentar los resultados de una sencilla evaluacin del nivel
se desprende de los criterios de evaluacin que acompaan a los contenidos y que estn
de conocimientos estadsticos de los alumnos matriculados en Estadstica I, en el grado en
relacionados en los Decretos del Consell.
ECONOMIA y en el curso 2011/12. Dado el resultado se confirma, por una parte, la plena
validez del programa de esa asignatura, dado el bajsimo nivel de conocimientos estadsticos
En Veres (2011) se realiza un tratamiento similar al aqu recogido, aplicado al curso pasado y a
con el que acceden los alumnos; la igualdad de conocimientos entre los alumnos matriculados
los alumnos matriculados en el Grado de Administracin y Direccin de Empresas (ADE). Dada
por primera y segunda vez, lo que da a entender el pronto abandono de la asignatura por parte
la coincidencia de temarios entre ECONOMIA y ADE, son aqu de plena aplicacin los
de los alumnos que no perseveran en ella; y, finalmente, que el bajo nivel con el que acceden
comentarios realizados sobre la progresividad del proceso de adquisicin de conocimientos
los alumnos de ECONOMIA es, incluso, inferior al de los alumnos del Grado en ADE (Veres,
estadstico-descriptivos en ESO y en Bachillerato. Y tambin sobre el peso de la Estadstica en
2011), por lo que este bajo nivel parece ser general, al menos en el rea de las Ciencias
el conjunto del temario impartido en Secundaria: el 13,9% de los temas de Matemticas
Sociales.
impartidos en ESO son de Estadstica, y el 28,3% en Bachillerato.
Podemos, pues, preguntarnos hasta qu punto tienen sentido los programas de las dos
asignaturas troncales de estadstica impartidas en ECONOMIA, clasificadas como formacin
RESUMEN DE LOS CONTENIDOS DE ESTADSTICA EN LOS

PROGRAMAS DE ESO, BACHILLERATO Y GRADO DE ECONOMA
bsica, y si no sera ms rentable reorientarlos a otros contenidos y/o profundizaciones

distintas. La respuesta debe tomarse en funcin de los conocimientos efectivamente adquiridos
Los contenidos de estadstica en la programacin de la Enseanza Secundaria, Bachillerato y
por el alumnado. Y, en este sentido, la experiencia de este ensayo es muy reveladora.
Grado de Economa no son, con mucho, conjuntos disjuntos. Adems, para las Enseanzas
Medias, tampoco lo son las programaciones cuando se comparan para cursos distintos. Un
En efecto, el profesorado universitario se reafirma ao a ao en el nivel cada vez ms bajo del
resumen de esta programacin se aprecia en la Tabla 1.
alumnado que accede a los estudios superiores. Y este problema es, en nuestro caso,
La Estadstica Descriptiva univariante se contempla a lo largo de toda la Enseanza
Secundaria Obligatoria y en el primer curso de Bachillerato. La Descriptiva bivariante slo se
recoge en este ltimo. La probabilidad y su axiomtica aparecen tanto en ESO como en el
1
primer curso de Bachillerato, y en las Matemticas dirigidas a las Ciencias Sociales de
Estos contenidos pueden consultarse en:
http://www.uv.es/fatwirepub/Satellite/universitat/es/asignaturas1285848977179.html?idA=36107&idT=1316
http://www.uv.es/fatwirepub/Satellite/universitat/es/asignaturas1285848977179.html?idA=36163&idT=1316
12
segundo curso. Tambin en los dos cursos de Bachillerato se estudian los modelos de
probabilidad binomial y normal. Y la inferencia estadstica se contempla en el segundo curso de
Bachillerato para aquellos alumnos que se dirigen a las Ciencias Sociales.
13
probabilsticos en situaciones sujetas a incertidumbre, utilizando en cada caso las
Tabla 1. Comparacin de los contenidos en estadstica de las Matemticas de ESO y

Bachillerato y las asignaturas troncales de Estadstica del Grado de Economa.
Contenido
Recuento de datos: tablas de frecuencias

de datos sin agrupar
Curso ESO
Curso Bach
Grado ECO
tcnicas adecuadas.
Criterio 7. Planificar y realizar estudios concretos de una poblacin, a partir de una

muestra bien seleccionada, asignar un nivel de significacin, para inferir sobre la media
1, 2, 3, 4
1 Bach
Estadstica I
poblacional y estimar el error cometido. Se pretende verificar la comprensin del
Estadstica I y
proceso estadstico en su conjunto y la capacidad de obtener informacin acerca de
II
una poblacin interpretando los datos obtenidos mediante muestreos simples.
Recogida de datos por muestreo
2, 4
1 Bach
Grficos estadsticos
1, 2, 3, 4
1 Bach
Estadstica I
Observando la Tabla 1 y el programa de Estadstica I del Grado en ECONOMIA, toda la
Variable con datos agrupados en intervalos
3, 4
1 Bach
Estadstica I
Estadstica Descriptiva de sta asignatura ya ha sido impartida en los distintos cursos de las
Promedios y medidas de posicin
2, 3, 4
1 Bach
Estadstica I
Enseanzas Medias, con las nicas excepciones de los Nmeros ndices y de la introduccin a
Medidas de dispersin
3, 4
1 Bach
Estadstica I
las Series Temporales que se estudian en el Grado.
1 Bach
Estadstica I
Variable estadstica bidimensional:

regresin
1 Bach, 2
DISEO DE LA PRUEBA DE EVALUACION
Combinatoria y Probabilidad
1, 3, 4
Modelos Binomial y Normal
Distribuciones en el muestreo
2 Bach CCSS
Estadstica II
2 Bach CCSS
Estadstica II
Bach CCSS
1 Bach, 2
Bach CCSS
Estadstica I
Para conocer el nivel de conocimientos estadsticos de los alumnos matriculados en el primer
Estadstica I
Inferencia: estimacin puntual y por

intervalos. Intervalos para la media y
pasarles el primer da de clase dos test de autoevaluacin, exactamente iguales a los

existentes en dos libros de texto de 3 y 4 de ESO2 en este caso, comn a las dos opciones
A y B-, y que contenan preguntas correspondientes al primer tema del programa de
Estadstica I. Por tanto, todos los alumnos deban contestarlas correctamente, dado su carcter
diferencia de medias.
de elementales.
Inferencia: teora de la contrastacin de

hiptesis estadsticas. Contrastes para la
curso del Grado en ECONOMIA, se dise una prueba para su medicin. Esta consista en
2 Bach CCSS
Estadstica II
Cada test constaba de 10 preguntas con cuatro respuestas posibles, de las que slo una era
media y diferencia de medias.

Fuente: Elaboracin propia a partir de los Decretos del Consell 112/2007 y 02/2008 y Secretara de la
Facultad de Economa de la Universidad de Valencia.
correcta. La ltima alternativa era comn a todas las preguntas: Nada de lo anterior. La
puntuacin obtenida se calcul a partir de la siguiente expresin utilizada con generalidad para
este tipo de pruebas:
Respecto a la profundizacin de los contenidos explicados en ESO y Bachillerato, los

respectivos Decretos del Consell acompaan aqullos con los criterios para su evaluacin. Es
apreciable la profundizacin en los contenidos, que no se cien a generalidades y definiciones
tericas sin concrecin prctica. Por ejemplo, en la normativa correspondiente a 2 de
Bachillerato para las Ciencias Sociales pueden leerse los dos criterios de evaluacin
siguientes:
Puntuacin Aciertos
Errores
Posibles respuestas 1
Los test se realizaron sobre 88 alumnos que asistieron al primer da de clase, pertenecientes a
dos grupos cuya docencia se imparta uno en horario de maana y otro en horario de tarde, y
Criterio 6. Asignar probabilidades a sucesos aleatorios simples y compuestos,
en los que haba en conjunto 119 matriculados (76 y 43 alumnos, respectivamente).
dependientes e independientes, relacionadas con fenmenos sociales o naturales e

interpretarlas; utilizar tcnicas de conteo directo, diagramas de rbol, clculos simples
o tablas de contingencia. Se pretende comprobar la capacidad de realizar estudios
14
2
Linea de manuales de Matemticas de la Editorial ECIR, autores Esteve, R. et al, y Deus, M. et al,
ediciones de 2007, 2008 y 2009.
15
El primero de los grupos el de la maana- era el primero, en orden alfabtico, de los cuatro
Tabla 3. Caractersticas de los alumnos evaluados.
grupos abiertos en la titulacin. El otro grupo el de la tarde- fue un grupo abierto para dar
cabida a la mayor demanda de matrcula derivada de los suspensos o de los no presentados
Caracterstica
en la asignatura en el curso anterior. Dados los criterios con los que se realiza la matriculacin,
ECONOMIA3. La tabla 2 recoge la estructura de la matrcula de ambos grupos, distinguiendo el
nmero de repetidores, y tambin la estructura de las respuestas al test.
Respuestas
Grupo
Hombre
56,6
Mujer
43,4
Edad (en aos)
Tabla 2. Estructura de la matrcula y de las respuestas al test

Matrcula
Otros
Sexo
podemos considerarlos como una muestra aleatoria de alumnos de primer curso en el grado de
Repetidores
No repetidores
Repetidores
No
repetidores
GJ
14
62
48
37
33
Total
51
68
39
49
Fuente: Elaboracin propia a partir de la informacin de la Secretara Virtual de la Universidad de

Valencia.
El total de matriculados en la asignatura en el curso 2011/12 en los cuatro grupos de primer
Caracterstica
%
11,7
16,7
Ocupacin
9,2
No trabaja
90,0
Primarios
23,3
Trabaja < 15 h
6,7
Trabaja > 15 h
3,3
32,5
Bach elemental
18,3
34,2
Bach superior
26,7
20
11,7
21
9,2
22
5,0
23
1,6
Diplomado
universitario
Licenciado o
Ingeniero
No
95,0
17,5
Si
5,0
Estudios de la madre
Sin estudios
Otra titulacin superior
5,0
13,3
Primarios
20,9
Bach elemental
15,0
curso del grado de ECO era de 262 alumnos4, por lo que, considerando el conjunto de alumnos
Lugar de nacimiento
Valencia ciudad
Valencia
provincia
23,3
53,3
Resto
evaluados en los tests, el porcentaje mximo de error para los porcentajes resultados de la
Forma de inicio
valoracin de los mismos es del 8,6%, para una significacin del 95,5%.
Las caractersticas fundamentales de los alumnos matriculados en esos dos grupos GJ y R se
Ingeniero
Estudios del padre
19
5,8
Licenciado o
Sin estudios
18
24 y ms
Caracterstica
Comunidad
5,0
Valenciana
PAU
83,3
FP
5,0
aprecia en la siguiente Tabla 3:
Bach superior
Diplomado
28,3
5,8
universitario
Resto de
Espaa
Otro pas
14,2
4,2
Fuente: Elaboracin propia a partir de la informacin de la Secretara Virtual de la Universidad de

Valencia.
RESULTADOS
3
Esta afirmacin podra ser discutible, en cuanto que el proceso de matriculacin se realiza segn la nota
de obtenida en las pruebas de acceso a la universidad. Dado que los grupos de maana como es el caso
de uno de los aqu considerados- suelen ser los preferidos, podra ser que los 54 alumnos que han
respondido el test de valoracin en el grupo de la maana hayan tenido notas de acceso superiores a la
media. Por el contrario, en el caso del grupo de tarde, dirigido ms hacia los alumnos repetidores, podra
haber una posible adquisicin de conocimientos derivados del estudio de la asignatura el curso anterior,
aunque no fuera superada. Distinguiremos estas circunstancias en el anlisis de los resultados.
4
No incluye los matriculados en el grupo de docencia Internacional, pues su composicin no es

necesariamente homognea respecto a la del alumnado del grado en ECONOMIA. De los 262 alumnos
matriculados, 197 (el 75,2%) lo fueron en primera matrcula. Fuente: Secretara de la Facultad de
Economa.
16
En conjunto, slo 3 alumnos (menos del 4%) alcanzaron o superaron la puntuacin de 5. Si no

se hubieran penalizado los errores ese porcentaje habra aumentado hasta el 12,5%. En
cualquiera de los dos casos, las puntuaciones de los que superaron el test estn ms cercanas
al lmite inferior, no habiendo destacado ninguno de los alumnos con una puntuacin excelente.
Un solo alumno habra alcanzado un notable mnimo, con 15 aciertos y 3 errores. La Tabla 4
recoge estos resultados: en trama oscura se sealan los que superan la prueba considerando
los errores; y en trama clara los que la superan sin tenerlos en cuenta.
17
Institutos ms o menos ilustrados, forzando a adaptar criterios y formas de trabajo
Tabla 4. Nmero de alumnos segn Aciertos/Errores en la prueba de evaluacin al

inicio del curso
semejantes a los de stos?
Ab
10
11
12
13
15
Total
Nivel de acceso a los estudios de ECONOMIA desde distintos itinerarios, en particular

desde la Formacin Profesional, cuya programacin de contenidos en casi todas sus
ramas no suele incluir la estadstica.
1
1
11
5
1
10
11
10
14
1
1
12
13
2
5
10
15
16
19
Total
10
11
22
15
88
No imparticin de los temas de Estadstica en ESO y Bachillerato por falta de tiempo, al

corresponder a los ltimos de su programacin. O, por este motivo, impartidos de
forma rpida y no rigurosa.
Posible falta de inters del profesorado de Secundaria y Bachillerato por la Estadstica,

en ocasiones considerada en segundo nivel respecto la Geometra, Algebra y Anlisis.
Distinguiendo segn si el alumno es o no repetidor, los respectivos resultados de la prueba se

recogen en las Tablas 5 y 6, elaboradas con iguales criterios que la anterior.
Tabla 5. Aciertos/Errores de los alumnos matriculados por primera vez
Ea
Ab
1
1
14
Aventuramos varias hiptesis que pueden motivar estos malos resultados:

15
12
13
15
Total
2
3
6
1
10
14
49
Fuente: Elaboracin propia.

a
b
Resultado no posible. / Errores. / Aciertos.
enseanzas medias, convirtiendo las Universidades, en sus primeros cursos, en

18
10
La puntuacin media conseguida en el test es 1,9, muy alejada del aprobado 5.
nuevos grados se ha realizado pensando en subsanar las deficiencias de las
10
Total
Bajo nivel de exigencia de la enseanza secundaria y del Bachillerato. Como reflexin
12
derivada planteamos la siguiente cuestin: hasta qu punto la implantacin de los
13
11

Resultado no posible.
a
Errores.
b
Aciertos.
19
Slo 2 alumnos (menos del 4,1%) alcanzaron o superaron la puntuacin de 5. Si no hubiera
Observando los resultados de las Tablas 5 y 6 no se advierte un comportamiento diferente
penalizacin por errores, ese porcentaje habra aumentado hasta el 12,24%. Como antes, las
entre los alumnos matriculados por primera y segunda vez. Sin embargo, lo esperable sera
puntuaciones de los que superaron el test estn ms cercanas al lmite inferior, no destacando
que los alumnos repetidores hubieran respondido mejor, por haber adquirido, aunque no
ninguno de los alumnos con una puntuacin excelente. A este grupo de matriculados por
suficientemente, ciertos conocimientos mnimos. La explicacin hay que encontrarla en el
primera vez pertenece el alumno que habra alcanzado un notable mnimo.
pronto abandono de la asignatura por el alumnado que no se encuentra capacitado, de

entrada, para superarla, sin llegar a iniciar su estudio.
Tabla 6. Aciertos/Errores de los alumnos matriculados por segunda vez
Ea
Tabla 7. Evolucin de la asistencia a clase
Ab
10
11
13
Total
Grupo GJ
1
1
7
8
2
1
1
1
1
1
12
13
14
16
Grupo R
Total
Asistentes
Porcentaje
asistencia*
Asistentes
Porcentaje
asistencia*
Asistentes
Porcentaje
asistencia*
6 feb
54
70,13
34
75,56
88
72,13
14 feb
57
74,03
29
64,44
86
70,49
20 feb
54
70,13
36
80,00
90
73,77
27 feb
44
57,14
32
71,11
76
62,30
6 mar
40
51,95
25
55,56
65
53,28
37,70
5
1
10
Fecha de
observacin
Total
19
20 mar
32
41,56
14
31,11
46
27 mar
35
45,45
22
48,89
57
46,72
2 abr
52
67,53
23
51,11
75
61,47
23 abr
49
63,64
24
53,33
73
59,83
30 abr
30
38,96
13
28,89
43
35,24
43
55,84
20
44,45
63
51,63
44,6
57,85
24,73
54,95
69,27
56,78
14 may
Asistencia
media
39

*Asistentes sobre matriculados
Como posible explicacin de este pronto abandono planteamos la mala ubicacin en el Plan de
Estudios de las dos asignaturas troncales de Estadstica: la Estadstica I en el segundo

a
b
Resultado no posible. / Errores. / Aciertos.
cuatrimestre del primer curso; y la Estadstica II en el primer cuatrimestre de segundo curso.

Por el contrario, en primer curso existen dos Matemticas, I y II, en sus dos cuatrimestres.
Slo 1 alumno (lo que supone el 2,6% del alumnado repetidor) super la puntuacin de 5, con
5,5 puntos. Si no se hubieran penalizado los errores ese porcentaje habra aumentado hasta el
12,82%. En cualquiera de los dos casos, las puntuaciones de los que superaron el test estn
ms cercanas al lmite inferior, no destacando ninguno de los alumnos con una puntuacin ni
siquiera cercana al notable.
Aquellos alumnos que no han superado las matemticas del primer cuatrimestre prefieren
centrar sus esfuerzos en ella y abandonan la Estadstica I, cuyo lenguaje, tambin matemtico
(Gonzlez, C. y Gil, M.C. 2000), les induce a confundirlas. Y aunque son laudables los intentos
de coordinacin transversal entre asignaturas previstos en la metodologa de adaptacin al
Espacio Europeo de Educacin Superior, y la adopcin de nuevas metodologas para lograrla
(por ejemplo, Martnez-Romero et al, 2011), los resultados de la Tabla 7 confirman una
excesiva tasa de inasistencia y, consecuentemente, de abandono. En este sentido, aceptando
20
21
como plausible que la no asistencia a la clase del primer da es una manifestacin de la
convocatoria, por lo que no es posible disponer de una valoracin global de los resultados
decisin de abandono, la Tabla 2 cuantifican este abandono inicial: un 26,1% del total de
finales del curso.
matriculados, desglosado en un 27,9% para los matriculados por primera vez y un 23,6% para
los matriculados en dos ocasiones.
Tabla 8. Resultado examen 1 convocatoria.

Grupo GJ
Grupo R
Total
Se aprecia un goteo inicial de abandonos, y la asistencia se estabiliza hacia mitad de curso.

Respecto las cifras medias, la diferencia de asistencia entre los dos grupos no es relevante,
an a pesar de que el grupo R est formado, mayoritariamente, por repetidores. Sin embargo,
restringindonos a los alumnos que hicieron el test inicial, la asistencia media en esas once
mediciones para los matriculados por primera vez alcanz el 76,6%, frente al 64,6% de los
alumnos matriculados en segunda ocasin. Estos porcentajes constituyen una buena medida
de la perseverancia a lo largo del curso.
Presentados
(%)*
Aprobados**
Presentados
(%)*
Aprobados**
Presentados
(%)*
Aprobados**
69,33
37,74
55,00
27,27
64,35
33,78

*Presentados sobre matriculados
** Aprobados sobre presentados
Blasco et al (2010) afirman que el alumno que ha seguido una metodologa basada en la
evaluacin continua se siente mucho ms motivado para presentarse en primera convocatoria.
Las puntuaciones medias del test inicial obtenida por los alumnos matriculados por primera vez
Por ello es interesante comprobar hasta qu punto coinciden los que hicieron el test inicial,
y por los repetidores son, respectivamente, de 1,91 y 1,85. Tanto el contraste paramtrico para
asistieron a clase y se presentaron a dicho examen. La Tabla 9 recoge la doble clasificacin de
la igualdad de medias de la t de Student, como el no paramtrico de la U de Mann-Whitney, no
los alumnos segn hicieran o no dicho test y se presentaran o no al examen, y proporciona una
rechazan la hiptesis de la igualdad de las medias de las puntuaciones (p-valores respectivos
idea del grado de perseverancia en el estudio y de la incidencia de los conocimientos previos y
iguales a 0,858 y 0,833). Por tanto, no hay diferencia en los conocimientos medios de los
de las expectativas de aprobado en la decisin adoptada por los alumnos ante su primera
alumnos que se enfrentan por primera o por segunda ocasin con la asignatura. Este resultado
convocatoria de examen.
avala nuevamente la hiptesis del pronto abandono de la asignatura por parte de los alumnos
matriculados, que renuncian a ella bien antes de iniciarse el cuatrimestre, bien en los primeros
Tabla 9. Presentados al examen y realizacin del test inicial
momentos del mismo.
La comparacin de los resultados de los alumnos de ECONOMIA en el curso 2011-2012 (nota
Examen
final
media del test 1,88), con los de los alumnos de ADE del curso 2010-2011 (Veres, 2011, nota
media del test 2,38), ofrece para aqullos peor resultado. La diferencia de puntuaciones
medias es significativa, tanto en un contexto paramtrico (test de la t de Student, nivel de
No
significacin 0,035) como no paramtrico (test de U de Mann-Whitney, nivel de significacin
Si
0,026).
Grupo GJ
Grupo R
Total
Test inicial
Test inicial
Test inicial
No
Si
No
Si
No
Si
16
23
22
45
13
21
66
Tanto para cada grupo, como para el conjunto de alumnos considerados, el test de la 2
RESULTADO DE LA CONVOCATORIA DE JUNIO
confirma la no independencia entre haber hecho el test inicial y la decisin de presentarse al

examen en primera convocatoria (coeficientes de contingencia 0,476 (significacin < 0,001),
La Tabla 8 valora en porcentajes el nmero de alumnos que se presentaron al examen de 1

convocatoria, indicando cuntos de ellos la superaron. En la superacin se ha tenido en cuenta
tanto la nota del examen final como la de la evaluacin continua. Dadas las fechas de
0,307 (significacin < 0,035) y 0,407 (significacin < 0,001), para los grupos J, R y total
alumnos, respectivamente. Esto es, los alumnos que inicialmente asistieron a clase s se
presentan en mayor medida al examen.
presentacin de este trabajo no ha sido posible incluir los resultados de la segunda
22
23
La Tabla 10 recoge los coeficientes de correlacin entre la asistencia (medida por el nmero de
vez y por los repetidores son, respectivamente, de 4,3 y 4,1. Tanto el contraste paramtrico
asistencia sobre el total de las once mediciones de la Tabla 7), las notas obtenidas tras el
para la igualdad de medias de la t de Student, como el no paramtrico de la U de Mann-
examen de la primera convocatoria y las del test inicial, distinguiendo las veces en las que el
Whitney, no rechazan la hiptesis de la igualdad de dichas notas medias (p-valores respectivos
alumno ha estado matriculado. La nota de primera convocatoria engloba la evaluacin continua
iguales a 0,785 y 0,937). Por tanto, no hay diferencia en los conocimientos medios adquiridos
y el examen final.
en el curso de los alumnos de primera o segunda matrcula en la asignatura. Este resultado

avala nuevamente la hiptesis de la inexistencia de conocimientos previos para ambos
Tabla 10. Correlacin entre las notas de los test inicial y de la 1 convocatoria.
colectivos de alumnado.
Todos los alumnos supervivientes

Coefte.
Examen
CONCLUSIONES
Test inicial
Asistencia
Test inicial
0,014 (0,898)
0,046 (0,715)
Concluimos, pues, que el alumnado llega prcticamente sin conocimientos estadsticos bsicos
Asistencia
0,014 (0,898)
0,419 (0,000)
a la asignatura de Estadstica I del grado en ECONOMIA. Ponemos en duda la capacidad de
Examen
0,046 (0,715)
0,419 (0,000)
las Pruebas de Acceso, para los alumnos que acceden a la Universidad desde el Bachillerato,
correlacin
Alumnos supervivientes matriculados por primera vez

Coefte.
para discriminar en la prueba especfica de Matemticas sobre su incorporacin atendiendo al
Test inicial
Asistencia
Examen
Test inicial
0,068 (0,642)
0,053 (0,747)
Asistencia
0,068 (0,642)
0,496 (0,001)
Examen
0,053 (0,747)
0,496 (0,001)
correlacin
incorporacin a la Universidad en cuanto a sus conocimientos estadsticos es, tericamente,

peor.
La discutible formacin recibida en las Enseanzas Medias traslada el problema a la

Enseanza Superior, a la que se abre una disyuntiva: bajar el nivel, sobre todo en los primeros
Alumnos supervivientes matriculados por segunda vez

Coefte.
grado de conocimientos en Estadstica que poseen. Para aquellos que no las realizan, su
cursos, para que tenga cabida el alumnado, modificando los Planes de Estudio rebajando la
Test inicial
Asistencia
Examen
Test inicial
-0,023 (0,891)
0,027 (0,894)
propios de la Secundaria; o, por el contrario, mantener un nivel mnimo aceptable, con la
Asistencia
-0,023 (0,891)
0,246 (0,225)
consiguiente expulsin de la Universidad de un porcentaje, a la luz de los resultados aqu
Examen
0,027 (0,894)
0,246 (0,225)
correlacin
cantidad y exigencia de sus contenidos, y copiando tcnicas de evaluacin y aprendizaje
recogidos, no despreciable.
Fuente: Elaboracin propia. Significacin entre parntesis.
Aceptando como solucin la primera de las disyuntivas, la ausencia de conocimientos slidos

Sealados en cursiva aparecen las correlaciones significativas al nivel 0,01 (bilateral). Para el
en Estadstica justifica plenamente el programa de la Estadstica I del Grado en ECONOMIA,
conjunto de alumnos, y para los matriculados en primera ocasin, la correlacin entre la
que comienza con los conocimientos bsicos ms elementales. La gran coincidencia de los
asistencia y la nota del examen es significativa y positiva. No ocurre as con los repetidores. Y,
contenidos de la Estadstica I con los impartidos en Secundaria resulta necesaria por la falta
en ningn caso, la puntuacin del test inicial correlaciona con la nota del examen y con la
real de conocimientos estadsticos bsicos de los alumnos matriculados en la asignatura.
posterior asistencia a clase. Dado el bajo nivel de conocimientos previos el resultado es

comprensible: el xito alcanzado dependen de la adquisicin de conocimientos a lo largo del
El trabajo constata que no hay diferencia en los conocimientos previos entre los alumnos que
curso y no de los que ya posean los alumnos al inicio del mismo.
se enfrentan a la asignatura de Estadstica I del Grado de ECONOMIA por primera o en

segunda ocasin. El pronto abandono por parte de los que deciden no continuar con ella es
Finalmente, restringindonos a aquellos alumnos que hicieron el test inicial, las notas medias
posiblemente el motivo ms cierto, a lo que no es ajeno la mala ubicacin de la asignatura en
del examen final en primera convocatoria obtenida por los alumnos matriculados por primera
el Plan de Estudios del Grado, al entrar en franca competencia con las Matemticas I y II que
24
25
cubren los dos cuatrimestres del primer curso, confiriendo a stas un marcado carcter de
asignatura anual, mientras que, en el caso de las Estadsticas, ese carcter de continuidad se
ve cortado por la pertenencia a cursos distintos.
ANEXO
Tests de autoevaluacin
Respecto al grado de adquisicin de conocimientos en el curso y la decisin de presentarse en

primera convocatoria, se concluye que si existe relacin entre ellos y los alumnos que
realizaron el test inicial, con presencia activa desde el primer da de clase. Adems, teniendo
en cuenta la significatividad de las correlaciones entre la asistencia peridica a clase, la
puntuacin del test inicial y la nota del examen de la primera convocatoria, se concluye que el
xito alcanzado al final depende de la adquisicin de conocimientos a lo largo del curso,
materializada por la presencia en el aula, y no de los que ya posean los alumnos al inicio del
mismo. Y, finalmente, el estudio confirma que no hay diferencia en los conocimientos medios
adquiridos en el curso de los alumnos de primera o segunda matrcula en la asignatura. Estos
dos ltimos resultados avalan nuevamente la hiptesis del la inexistencia de conocimientos
previos suficientes, y para ambos colectivos de alumnado.
REFERENCIAS
Blasco, O., Liern, V. y Sala, R. (2010). Cinco aos de experiencia con la metodologa del
Espacio Europeo de Educacin Superior. Anales de Asepuma, n 18: 111.
Deus, M. et al. (2008 y 2009). Matemticas aplicadas a las Ciencias Sociales 1 y 2
Bachillerato. Valencia: ECIR.
Esteve, R. et al. (2007). Matemticas 1 y 3 ESO. Valencia: ECIR.
Esteve, R. et al. (2008). Matemticas 2 y 4 opciones A y B ESO y 1 Bachillerato. Valencia:
ECIR.
Gonzlez, C. y Gil, M.C. (2000). Tiene lmites el uso de las matemticas en economa?.
Recta, 2-1, pp. 29-51..
Martnez-Romero, M.L., Zacars, J. Lpez, J. Ortega, A. y Llorca, J. (2011). Integracin de la
materia de Matemticas en un Proyecto Interdisciplinar de 1er curso en el Grado en
Finanzas y Contabilidad. Anales de Asepuma, n 19: 0413.
Veres, E. (2011). Valoracin de los conocimientos previos en Estadstica de los alumnos del
Grado en ADE, en Experiencias de Innovacin Docente en Estadstica. Valencia:
Reproexpres.
26
27
El perfil del estudiante de primero del Grado en Turismo y

su valoracin sobre la asignatura de Estadstica: Un
anlisis comparativo entre la Universidad de Mlaga y la de
Valencia
M. Dolores Bentez Mrquez (1), Rosario Martnez Verd (2) y M. Dolores
Sarrin Gaviln (3)
(1) Departamento de Estadstica y Econometra, 68
Universidad de Mlaga
Facultad de Comercio y Gestin, Campus Teatinos (ampliacin) 29071 Mlaga
bemarlo@uma.es
Universitat de Valncia
Facultat d'Economia, Av.Tarongers s/n.46022 Valencia
Rosario.Martinez@uv.es
(3) Departamento de Estadstica y Econometra, 68
Universidad de Mlaga
Facultad de Comercio y Gestin, Campus Teatinos (ampliacin) 29071 Mlaga
dsarrion@uma.es
RESUMEN
En este trabajo se analizan y comparan los resultados de una encuesta realizada a alumnos de
primer curso del Grado en Turismo de las Universidades de Mlaga y Valencia. La encuesta se
refiere tanto al perfil del estudiante como a su opinin sobre la metodologa docente y el
sistema de evaluacin empleados en la asignatura de Estadstica. Con el objetivo ltimo de
conocer a nuestros alumnos y mejorar el proceso de enseanza-aprendizaje, pretendemos dar
respuesta a las siguientes cuestiones: es el perfil del estudiante de primero del Grado en
Turismo similar en ambas Universidades?, qu diferencias y similitudes hay entre las
metodologas docentes y sistemas de evaluacin empleados?, qu opinan los alumnos sobre
(Fuente: ECIR, Matemticas 3 y 4 ESO opciones A y B)
estos aspectos?, hay diferencias significativas en los resultados acadmicos?
INTRODUCCIN
Las universidades espaolas estn inmersas, en la actualidad, en un profundo proceso de
cambio como consecuencia de la implantacin progresiva de los nuevos ttulos de Grado y
28
29
Postgrado que permitirn la inclusin del sistema de Educacin Superior espaol en el mbito
evaluacin empleados en la asignatura Estadstica
de integracin y cooperacin del Espacio Europeo de Educacin Superior (EEES). En este
los resultados relativos a la opinin de los alumnos sobre los mismos. En el epgrafe cuatro
nuevo marco se le otorga al estudiante un mayor protagonismo, tanto de manera
comparamos los resultados obtenidos por los alumnos en dicha asignatura y, por ltimo, en el
administrativa, con la introduccin del crdito europeo basado en el Sistema Europeo de
epgrafe cinco presentamos las conclusiones y la valoracin de la experiencia que se ha
Transferencia de Crditos (ECTS)5, como realzando su papel en el proceso de aprendizaje
llevado a cabo.
en dichas universidades y analizamos
(Vzquez et al., 2011). Se persigue, entre otros, motivar al estudiante y tratar de involucrarlo en
un proceso de aprendizaje basado en la bsqueda autnoma de conocimiento. Para ello, el
profesor deber ir ms all de la mera transmisin, aportando su experiencia para: ensear a
EL PERFIL DEL ESTUDIANTE DEL GRADO EN TURISMO
aprender; ensear a buscar; inducir a la curiosidad cientfica; ensear a discernir y a interpretar

los resultados, etc. (Bentez Mrquez, M. D. et al., 2010).
El ttulo oficial de Graduado en Turismo por la Universidad de Mlaga comenz a impartirse en

el curso 2009-2010, pertenece a la rama de conocimiento de Ciencias Sociales y Jurdicas y el
Atender a todos estos objetivos parece implicar, no slo la necesidad de introducir cambios
sustanciales en la metodologa docente tradicional, incorporando otras ms novedosas
basadas en la participacin activa de los alumnos en el proceso de enseanza-aprendizaje, en
el fomento del trabajo colaborativo y en la resolucin de casos reales, sino tambin la
necesidad de ampliar el conocimiento sobre nuestros alumnos: sus motivaciones, su
preparacin inicial y sus debilidades o limitaciones.
centro responsable de organizar las enseanzas es la recientemente creada Facultad de

7
Turismo . Como se pone de manifiesto en la Memoria de Verificacin del Ttulo (Universidad

de Mlaga, 2009), la Universidad de Mlaga fue la primera de Espaa que instaur de manera
oficial enseanzas relacionadas con el turismo, creando en 1995 el Centro Superior de
Turismo de la Universidad de Mlaga para impartir el ttulo de Tcnico en Empresas y
8
Actividades Tursticas (TEAT) . La actual titulacin es el resultado de la adaptacin al espacio

europeo de educacin superior (EEES) de los estudios oficiales de Diplomado en Turismo que,
En este trabajo analizamos el perfil del estudiante de primero del Grado en Turismo a travs de
desde el curso 1997-1998, se vienen impartiendo en la Universidad de Mlaga.
los resultados de una encuesta realizada a alumnos de primer curso de dicho Grado en las
Universidades de Mlaga y Valencia, utilizando como punto de partida el trabajo previo de una
Por su parte, en la Universidad de Valencia la nueva titulacin comenz a impartirse en el
de las autoras (Martnez Verd, R. y Yage Perales, R., 2011). Asimismo, comparamos la
curso 2010-2011 y el centro responsable de organizar sus enseanzas es la Facultat
metodologa empleada en la asignatura Estadstica en ambas universidades y revisamos la
dEconomia. Se trata, como en el caso de la Universidad de Mlaga, de la reconversin del
opinin de los alumnos sobre la misma y los resultados obtenidos por estos ltimos, en
ttulo de diplomado en Turismo, que vena impartindose desde el curso 1997-1998 en esta
trminos de su calificacin, como consecuencia del proceso de enseanza aprendizaje en
Universidad.
dicha asignatura. El objetivo ltimo es, como ya se ha mencionado, ampliar el conocimiento

sobre nuestros alumnos y mejorar el proceso de enseanza-aprendizaje. El trabajo est
El anlisis del perfil del estudiante del Grado en Turismo se puede llevar a cabo desde dos
estructurado del siguiente modo: en el epgrafe siguiente analizamos el perfil del estudiante,
realidades bien diferenciadas: la especificada o recomendada desde la titulacin, a travs de la
tanto desde lo especificado en los documentos de Verificacin de la titulacin en las
Memoria de Verificacin del Ttulo, y la propia del estudiante que ingresa en la misma.
Universidades de Mlaga y Valencia como desde los resultados obtenidos en las encuestas
realizadas a los alumnos de primero de dichas titulaciones en las universidades mencionadas.
A continuacin, en el epgrafe tres describimos la metodologa docente y el sistema de
6
En el Grado en Turismo de la Universidad de Mlaga esta asignatura se denomina Introduccin a la
Estadstica, no obstante, en lo que sigue nos referiremos a ella como Estadstica.
7
Esta Facultad tiene su origen en el Centro Superior de Turismo creado en 1995. Posteriormente, en el
mes de julio de 1997, segn decreto de la Junta de Andaluca, se crea la Escuela Universitaria de
Turismo, que pasa a ser Facultad de Turismo en el ao 2010.
5
Como es sabido, el crdito ECTS introduce, entre otras cuestiones, la consideracin del tiempo que el
alumno debe dedicar a preparar cada asignatura fuera del horario lectivo.
8 Dicho ttulo, fue aprobado por Real Decreto 865/80 de 14 de abril y, segn la disposicin adicional
tercera del mismo, es "equivalente al ttulo de Diplomado en Turismo".
30
31
Perfil recomendado en la Memoria de Verificacin del Ttulo

Dado que la Memoria de Verificacin del Ttulo es propia de cada Universidad, diferenciaremos
los alumnos participantes en la asignatura Estadstica . En las tablas siguientes se presenta

un resumen de los resultados.
entre lo especificado en la Memoria del Ttulo de la Universidad de Valencia y la

correspondiente al de la Universidad de Mlaga.
Los resultados presentados en la Tabla 1 se refieren al curso 2010-11 para la Universidad de

Valencia y 2011-12 para la Universidad de Mlaga. Para los encuestados se puede concluir
En relacin al perfil recomendado de los estudiantes que inicien los estudios de Grado en
Turismo por la Universidad de Valencia, en la Memoria de Verificacin (Universitat de Valncia,
2009) se especifica que, por un lado, y teniendo en cuenta las vas de acceso establecidas por
la ley, sera deseable que los/las estudiantes estn en posesin del ttulo de Bachillerato
LOGSE en la modalidad de Ciencias Sociales y hayan superado las pruebas de acceso a la
Universidad (PAU), hayan superado al menos un Ciclo Formativo de Grado Superior
perteneciente a las opciones de Agencias de Viajes, Alojamiento, Animacin Turstica,
Informacin y comercializacin turstica, y Restauracin. Se especifica, adems, que sera
recomendable que los/las estudiantes posean una serie de caractersticas y habilidades, tales
como: inters por las actividades relacionadas con el turismo y el ocio; inters por la
interculturalidad; capacidad para las relaciones personales y la comunicacin; capacidad de
que, en general, las caractersticas generales de los estudiantes de Mlaga y Valencia son
bastante similares. Destacamos el predominio del sexo femenino entre los estudiantes de esta
titulacin (el 74% de los encuestados en el curso 2010-11 en Valencia y el 81% de los
encuestados en el curso 2011-12 en Mlaga. La edad media es de 20 aos, con un grado bajo
de dispersin (coeficiente de variacin de 12% en UMA) y la mayor parte de los encuestados
no compatibilizan sus estudios con ninguna actividad laboral, han accedido al Grado a travs
de la prueba de acceso (Selectividad) y provienen del Bachillerato de Humanidades o Ciencias
Sociales (74% en la UV y 81% en la UMA en todos los aspectos mencionados). Respecto a su
formacin cuantitativa, en ambas universidades, un 32% manifiesta no haber cursado
asignaturas de Matemticas o Estadstica en sus estudios de Enseanza Secundaria, hecho
que puede dificultar su aprendizaje de la asignatura Estadstica.
trabajo en equipo; facilidad para las lenguas extranjeras, siendo aconsejable un nivel aceptable
Tabla 1. Caractersticas generales del alumnado
en al menos una; y sensibilidad por los derechos humanos y los principios de accesibilidad
universal, de igualdad de oportunidades, no discriminacin, los valores democrticos, la cultura
de la paz y la sostenibilidad en todos sus aspectos
Por su parte, en la Memoria de Verificacin de la Universidad de Mlaga (Universidad de

Mlaga, 2009) se especifica que el perfil del alumnado de nuevo ingreso ser preferentemente
el correspondiente a aquellos que han cursado el bachillerato de Humanidades y Ciencias
Sociales con especial formacin en ingls y otras lenguas extranjeras, as como el alumnado
que ha cursado alguno de los ciclos formativos superiores de las familias profesionales: de
Hostelera y Turismo, Administracin, Comercio y Marketing. Adems, segn la normativa
vigente, y salvo variaciones, las opciones de acceso desde las diferentes modalidades de
bachillerato podrn ser: COU (desde cualquiera de las opciones) Bachillerato LOGSE (desde
cualquiera de las opciones).
2010-11
2011-12
Caractersticas analizadas del alumnado

UMA
UV
UMA
UV
Porcentaje de mujeres/total alumnado
74%
81%
Edad media
20 aos
20 aos
A tiempo completo
74%
81%
74%
81%
74%
81%
Acceso al grado a travs de pruebas acceso a la

universidad
Procedencia de Bachiller de Humanidades y Ciencias
Sociales
No han cursado matemticas
32%
32%
Eleccin del Grado de Turismo en 1 opcin
56%
75%
Fuente: Elaboracin propia a partir de los resultados de la encuesta.
Perfil del estudiante de primero a partir de la encuesta

El anlisis del perfil del estudiante de primero del Grado en Turismo en las Universidades de
Mlaga y Valencia se ha llevado a cabo a partir de los resultados de una encuesta realizada a
9
La encuesta, que fue elaborada y pasada a los alumnos de Estadstica del Grado en Turismo de la
Universidad de Valencia por la profesora Rosario Martnez Verd en el curso 2010-2011, se ha pasado en
el curso actual a alumnos de Estadstica del Grado en Turismo de Mlaga ha sido contestada por un total
de 59 alumnos relativos a 2 grupos de un total de 4 grupos.
32
33
En cuanto a su motivacin principal en la eleccin del Grado de Turismo (Tabla 2) en la
Tabla 2. Motivaciones en la eleccin del Grado de Turismo.
Universidad de Mlaga las que engloban a un mayor nmero de encuestados son: Me gusta
2010-11
viajar (25,4%), Me gustan los idiomas (22%) y Quiero dirigir una empresa turstica (18,6%)
2011-12
Motivacin en la eleccin del estudiante
y coinciden con las que presentan mayor porcentaje entre los encuestados en la Universidad
UMA
UV
UMA
UV
de Valencia aunque no en el mismo orden ya que a diferencia de Mlaga destaca ms la
Me gustan los idiomas
20,8%
22,0%
motivacin relacionada con una actividad profesional frente a las otras dos ms vinculadas al
Me gusta viajar
18,1%
25,4%
Turismo como consumidores (me gusta viajar y me gusta los idiomas).
Quiero dirigir una empresa turstica
27,8%
18,6%
Quiero ser azafata/o de eventos tursticos
8,3%
10,2%
9,7%
5,1%
Quiero organizar/Planificar eventos tursticos
4,2%
11,9%
No fui admitido en los estudios que quera
5,6%
1,7%
Otros
5,6%
5,1%
Quiero participar en la planificacin del turismo

como tcnico/a
Tabla 3. Autovaloracin de los estudiantes sobre sus actitudes

Autovaloracin de los estudiantes sobre sus actitudes
(Escala Likert: 1= Nada de acuerdo, 5= Totalmente de acuerdo)
2010-11
2011-12
UMA
UV
UMA
Me esfuerzo para que los trabajos que hago tengan calidad.
4,2
4,1
Tengo vocacin de servicio.
3,6
3,9
Tengo iniciativa.
3,9
3,7
Soy creativo/a y me gusta innovar.
3,8
3,9
Me adapto con facilidad a las situaciones imprevistas.
3,6
3,8
Acepto con agrado la disciplina.
3,4
4,1
Me gusta el orden en el trabajo.
4,2
4,3
Me gusta trabajar en equipo.
3,4
3,8
Me gustan las relaciones pblicas y el trato con la gente.
4,4
4,3
3,9
4,0
2,5
3,4
Me gusta estar informado/a de temas econmicos, polticos,

sociales y culturales.
Me interesa la informacin y los datos estadsticos para entender
mejor los fenmenos reales.
UV
Fuente: Elaboracin propia a partir de los resultados de las encuestas
En relacin a la autovaloracin de algunas actitudes deseables en un futuro profesional del

mbito del Turismo (Tabla 3), observamos una puntuacin media superior a tres en la mayora
de los aspectos evaluados. En ambos grupos de estudiantes, destacan por encima de 4 puntos
34
35
actitudes tales como las del esfuerzo, el orden en el trabajo y la del trato con la gente.
10
Empresariales de dicha Universidad como Proyecto de Innovacin Educativa . En las sesiones
Asimismo y para ambos centros, los estudiantes muestran el escaso inters por la informacin
tericas de la asignatura se utilizan mtodos docentes que combinan clases expositivas con la
estadstica para entender mejor la realidad.
participacin activa de los estudiantes mediante la resolucin y correccin de ejercicios en

grupo y la realizacin de pruebas objetivas de eleccin mltiple sobre los conceptos bsicos de
cada tema. Las sesiones prcticas se articulan entorno al trabajo por proyectos mediante la
elaboracin de informes en equipos de dos estudiantes. Los informes se elaboran casi en su
totalidad en clase en aula de informtica y en ellos se realizan anlisis estadsticos mediante el
manejo de programas informticos como Excel y la Calculadora Estadstica Caest, de bases de
datos reales relacionadas con la actividad turstica. Los informes se realizan con la orientacin
y supervisin del profesor y se utilizan las herramientas de estadstica descriptiva que
previamente se han abordado en las sesiones tericas. La utilizacin de herramientas TIC se
completa con la aplicacin de la Universitat de Valencia Aula Virtual, en la que se dispone de
material docente y mediante la cual se efecta la entrega online de los informes. Con esta
metodologa se pretende que los estudiantes tengan: 1) conocimientos bsicos sobre tcnicas
estadsticas y sobre su utilidad, 2) capacidad para describir y analizar los datos generados por
Grfico 1. Opcin de eleccin Grado de Turismo (curso 2011-12 UMA y 2010-11 UV)
(*) En UMA de los alumnos encuestados.
(Fuente: elaboracin propia)
el turismo, 3) capacidad para describir y caracterizar la naturaleza del turismo a partir de sus
datos y estadsticas y 4) capacidad para organizar, presentar y comunicar datos, estadsticas e
indicadores de turismo.
La metodologa seguida en la asignatura Introduccin a la Estadstica del Grado en Turismo

Esta informacin se complementa con la opcin a la hora de elegir el grado de Turismo que
por la Universidad de Mlaga es la que resulta de la combinacin de la clase magistral
presentan los encuestados (grfico 1) donde se puede apreciar como rasgo ms relevante el
tradicional, utilizada en las sesiones presenciales tericas y prcticas, con la utilizacin de
hecho de que predomine la 1 opcin en Mlaga frente a Valencia, 75% frente a un 58%. Esta
cuestionarios de autoevaluacin alojados en la asignatura virtual y con la realizacin
diferencia puede, a su vez, implicar una distinta motivacin por parte de los estudiantes de
secuencial de una serie de tareas o prcticas que estn basadas en datos relativos al sector
cada Universidad para enfrentarse a sus estudios.
turstico procedentes de fuentes estadsticas oficiales. Proponemos al alumno la realizacin de

dichas tareas de manera colaborativa (grupos de 4 alumnos). Dado que cada grupo trabaja con
su propio conjunto de datos y que los enunciados de las tareas son bastante abiertos, los
METODOLOGA
DOCENTE,
EVALUACIN
RESULTADOS
ACADMICOS EN LA ASIGNATURA DE ESTADSTICA EN EL

GRADO DE TURISMO
resultados y conclusiones que los distintos grupos ofrezcan para tareas similares dependern,
no slo del conocimiento de los contenidos estudiados, sino tambin de su iniciativa como
grupo y de su capacidad para el anlisis de la situacin a la que la tarea se refiera. Estas
tareas, que conforman un nico trabajo que los equipos deben entregar en las ltimas
semanas del curso y exponer al profesor y a sus compaeros de clase, son tiles, adems,
Metodologa docente
para incrementar la asistencia a tutora en los horarios establecidos y la comunicacin virtual

La metodologa utilizada en la asignatura Estadstica del Grado en Turismo de la Universidad
de Valencia es una evolucin de la experiencia, ya finalizada, en la Diplomatura en Ciencias
10
A este proyecto, dirigido por el profesor Juan Martnez de Lejarza, se le ha denominado CEACES y est
disponible a travs de la pgina web http://www.uv.es/ceaces. Una visin ms pormenorizada del mtodo
36
37
entre profesor y alumnos11. La comunicacin entre los integrantes del grupo se puede hacer de
Tabla 4. Comparacin sistemas de evaluacin
modo presencial o virtual utilizando, en este ltimo caso, el foro de trabajo por grupos
2010-11
separados que el profesor habilita con esta finalidad en el bloque denominado Trabajo en
2011-12
Evaluacin continua
UMA
Grupo de la asignatura en Campus Virtual (http://www.cv.uma.es/). Entre los objetivos
UV
UMA
UV
perseguidos destacamos los siguientes: que el alumno conozca las principales fuentes
2 cuestionarios virtuales
estadsticas que recogen datos de su mbito de estudio; que se familiarice con el tipo de datos
Prueba escrita terico-prctica/ pruebas sorpresa
0,8
que las distintas fuentes utilizadas contienen y aprenda a extraer de ellas la informacin
Actividades dirigidas
0,7
0,5
deseada, as como, a analizarla estadsticamente, haciendo uso de los conceptos y mtodos
Total Evaluacin continua
2,5
Prueba individual de conjunto
7,5
estadsticos que se estudian en nuestra asignatura.
prcticas de Excel/Caest
0,5
Evaluacin docente de la asignatura

Tabla 5. N alumnos por curso impartido, titulacin y Universidad
Un aspecto fundamental del proceso de enseanza-aprendizaje es el de la evaluacin. El
n alumnos por grupo impartido(1)
sistema de evaluacin de competencias, habilidades y contenidos de la asignatura de

Estadstica est compuesto en, ambos centros, por una prueba individual de conjunto de
deduce de la informacin suministrada en la tabla 4, mientras que la composicin y valoracin

de la evaluacin continua en la Universidad de Valencia ha sido la misma en los cursos 201011 y 2011-12 y se ha realizado, bsicamente, a partir de realizacin de dos o tres actividades
prcticas que se detallan ms abajo, en la Universidad de Mlaga en el curso 2011-12 se ha
Tipo
UMA
UV
Titulacin
carcter terico-prctico sobre los contenidos de la asignatura Estadstica y una evaluacin

continua llevada a cabo a lo largo del semestre en el que la asignatura se imparte. Como se
Tipo
semestre
Grado en
Obligatoria 4,5
Bsica
Turismo
ECTS=3T+1,5P 6 ECTS=3T+3P
Promedio de alumnos por grupo
2010-11
2011-12
UMA
UV
UMA
UV
184(3)
117(2)
129(2)
86(1)
61
59
65
86
(1) Nmero de grupos entre parntesis.

incrementado en medio punto el valor de la evaluacin continua y se ha restado importancia a
Resultados de la valoracin de los estudiantes sobre la asignatura
las actividades dirigidas.
El primer aspecto que han valorado los estudiantes se refiere a la utilizacin de los recursos
En ambas universidades, todas estas tareas se recogen en un espacio virtual en cada
TIC y materiales cuyos resultados se muestran en los grficos 2 y 3. En stos puede
respectiva plataforma virtual, Campus Virtual de la UMA y Aula Virtual de la UV, donde los
apreciarse que los ms utilizados en ambas Universidades por los estudiantes son las
estudiantes tienen acceso a transparencias y/o apuntes de contenidos tericos elaborados
Plataformas Virtuales respectivas, el programa Excel y el material de apoyo proporcionado por
para dicha titulacin, relaciones de ejercicios y diversos recursos TIC tales como cuestionarios,
el profesor (apuntes o diapositivas). Adems, se puede observar en el grfico 4, que esos
correo interno, chat, tareas, glosario, etc. En la Tabla 5 figuran, para cada uno de los cursos en
mismos son los recursos mejor valorados por los estudiantes en relacin a su grado de utilidad.
los que se ha utilizado el Campus Virtual como herramienta de apoyo a la docencia de la
Sin embargo, existen diferencias en cuanto al siguiente recurso TIC ms utilizado: los
Estadstica (Descriptiva); curso; nmero de grupos impartidos entre las autoras sobre el total
cuestionarios de autoevaluacin para la UMA y la Calculadora Estadstica para la UV.
de ellos y nmero de alumnos de dichos grupos.

Tambin se aprecian diferencias en la valoracin de los estudiantes del material de ejercicios:
el 95,7% de los estudiantes de la UMA % lo consideran til o muy til mientras que en la UV
este porcentaje es del 41% (ver grfico 5).
utilizado GCID-TIC puede verse en Martnez de Lejarza (2010) Martnez de Lejarza, I. y Martnez de
Lejarza, J. (2011).
11 La redaccin ms o menos abierta puede hacer necesaria la intervencin del profesor para clarificar
cuestiones relativas al trabajo. La asistencia a tutora con esa finalidad puede servir al profesor para
interesarse por el seguimiento de la asignatura, en general, o proponer otras citas.
38
39
Si se detalla esta dedicacin al trabajo autnomo se puede apreciar a qu aspectos dedican

mayor parte del mismo. En la UV, un 69% nunca o casi nunca asiste a clase de teora
habindose ledo previamente las diapositivas o el manual recomendado y un 57,5% asiste a
clase de prcticas sin haberse repasado con anterioridad el material visto en teora. En lo que
respecta a la UMA los porcentajes respectivos ascienden al 17 y 13%. En este sentido, las
diferencias son notables entre ambas universidades respecto a la motivacin de los
estudiantes por el trabajo autnomo. Este hecho habr que tenerlo en cuenta a la hora de
analizar los rendimientos acadmicos en el siguiente apartado.
Grficos 2 y 3. Utilizacin de materiales y recursos TIC en la UMA y UV.

Grfico 4. Valoracin del grado de utilidad de materiales y recursos TIC de la

asignatura en ambas universidades.
Grficos 6 y 7. Trabajo autnomo antes de asistir a clase de teora y prctica.

En otro orden de ideas, en relacin al trabajo autnomo, en el grfico 5 se encuentra la

distribucin del nmero de horas semanales que los estudiantes dedican al trabajo autnomo
de la asignatura. Se puede destacar que hay grandes diferencias en las horas de estudio que
los alumnos han estimado, as en la UMA alrededor del 78% han estudiado entre 4-10 horas
semanales mientras que esas horas solo representan el 27% en la UV.
Grficos 8 y 9. Grado de dificultad de la asignatura y en comparacin a otras.

Grficos 5. Nmero de horas semanales de trabajo autnomo.
De igual modo, en el grfico 8 se detectan diferencias sustanciales en la valoracin de
40
41
dificultad de la asignatura ya que un 43% de los estudiantes malagueos opinan que es difcil o
muy difcil frente a un 73% de los estudiantes valencianos. En trminos relativos (grfico 9), la
discrepancia es grande por cuanto en la UMA un 48% consideran difcil o muy difcil frente a un
85% en la UV.
Por ltimo, en Mlaga y en un solo grupo, antes de comenzar la asignatura de Estadstica, que
se imparte en el 2 semestre, destaca un abandono del 21% de los alumnos inicialmente
matriculados del Grado de Turismo. Adems, la asistencia ha dejado de ser obligatoria durante
Resultados acadmicos
el curso 2011-12 y merece mencionar una bajada de asistencia respecto al ao anterior de un

La evaluacin del alumno es la componente de la evaluacin por excelencia. Los resultados
50% desde el primer da de clase inclusive, lo cual puede ser un sntoma de la falta de inters
fueron muy similares en ambas universidades, aunque el porcentaje de aprobados fue
haca la asignatura. As pues, se hace preciso profundizar las causas de este abandono y falta
ligeramente ms elevado en la UV para ambos cursos acadmicos, tal y como se desprende
de asistencia.
de los resultados de la tabla 6.
Tabla 7. Seguimiento de la evaluacin continua (curso 2010-11 y 2011-12).

El distinto sistema de evaluacin continua ha provocado notables diferencias en el seguimiento
Evaluacin continua completa curso 2010-11(*)
de la evaluacin continua completa. As, los participantes en la evaluacin continua completa

han sido de un 74% en la UV frente a un 32% en la UMA (2010-11). En la incompleta el
Universidad
Participantes
Participantes/Matriculados
Aprobados/Participantes
porcentaje de participantes es similar (16% UV - 18% UMA) y de los que han realizado la
UMA
52
28%
67,4%(**)
UV
86
74%
65,1%
Comparando ste ltimo dato con los que si realizaron la evaluacin continua completa resulta
Universidad
Participantes
Participantes/Matriculado
obvio que el trabajo desarrollado en la evaluacin continua favorece la adquisicin de
UMA
20
32,8%
90%
UV
61
71%
60,7%
evaluacin completa han aprobado un 65% en la UV frente a un 90% en la UMA. Merece la
Evaluacin continua completa curso 2011-12 (**)
pena destacar que ningn alumno de los que no siguieron la evaluacin aprob la asignatura.
conocimientos y el rendimiento acadmico.
Evaluacin continua incompleta curso 2010-11(***)
Tabla 6. Rendimiento acadmico de los estudiantes analizados en Estadstica del

Grado de Turismo durante el curso 2010-11 en ambas universidades.
CURSO ACADMICO
2010-11(a)
Indicadores de rendimiento
acadmico
UMA
UV (a)
UMA
UV
2
conv.
Resultado
final del curso
1
conv.
2
conv.
Resultado
final del
curso
1
conv.
1
conv.
Matriculados
184
122
184
117
82
117
62
86
Presentados/matriculados
58%
20%
47%
40%
48%
62%
Aptos/Presentados
59%
60%
64 %
70%
70%
74%
No presentados a ninguna
convocatoria/Matriculados
45%
-
12%
-
46%
38%
60
32%
30%
-
28%
-
50%
39%
nd
UV
19
16%
10,5%
Universidad
Participantes
UMA
12
17,7%
25%
UV
17
20%
11,8%
Evaluacin continua incompleta curso 2011-12(***)

Aprobados/Participantes 1 convoc.
No participacin en la evaluacin continua 2011-12
34%
-
46%
-
Fuente: Elaboracin propia a partir de las actas de las 2 convocatorias.

(a) Datos correspondientes a 3 grupos de un total de 4 grupos en UMA y a 2 grupos de 3 grupos en UV.
(b) En segunda convocatoria respecto a matriculados no aptos o no presentados en la 1 convocatoria.
(c) Presentados a alguna de las 2 convocatorias ordinarias / total matriculados en el curso.
(d) Informacin correspondiente a un grupo. En la UMA, el grupo inicial era de 75 alumnos, 13 alumnos de
los cuales se cambiaron en el primer semestre de estudios.
42
Participantes
UMA
2011-12 (d)
1
conv.
Aptos/Matriculados
Universidad
Universidad
No
Participantes
No participantes/Matriculados
UMA
30
48,4%
0%
UV
9,3%
0%
Aprobados/No Participantes
Fuente: Elaboracin propia a partir de actas (junio 2012).

(*) Datos relativos a 3 grupos en UMA y de 2 grupos en UV.
(**) En 2011-12 los datos son relativos a 1 grupo de 4 en UMA.
(***) Por evaluacin incompleta se entiende que el alumno particip en alguna prueba de evaluacin
continua, incluyendo alumnos Erasmus.
43
participantes en la evaluacin continua completa han sido de un 74% en la UV frente a
Tabla 8. No presentados y abandono en el Grado de Turismo (curso 2011-12).
un 32% en la UMA. En la incompleta el porcentaje de participantes es similar (16% UV

No presentados
Convocatoria
1 conv.2011-12
- 18% UMA). De los que han realizado la evaluacin completa han aprobado un 65%
Universidad
alumnos
% no presentados/ matriculados
UMA
30
48,4 %
UV
12
en la UV frente a un 90% en la UMA. La mayor dedicacin al trabajo autnomo puede

ser uno de los factores explicativos del mayor rendimiento de los alumnos de la UMA.
REFERENCIAS
Abandono en 1 Grado (1)

Curso acadmico
2011-12
Universidad
Matriculados
inicalmente
N alumnos que
abandonan
% abandono/matriculados
iniciales
UMA (a)
72
12
17%
UV
Martnez de Lejarza Esparducer, I. y Martnez de Lejarza Esparducer, J. (2011). Adaptacin de

la Metodologa Docente GCID-TIC a la Asignatura Estadstica Bsica del Grado en ADE
en J. M. Pava, R. Martnez, F. G. Morillas (Eds.), Experiencias de Innovacin Docente,
Valencia, Reproexpres, S.L., pp. 49-65.
Nota: (a) En UMA se refiere a un solo grupo.
Martnez de Lejarza Esparducer, J. (2010). Contenedor Hipermedia de Estadstica Aplicada a

la Economa y las Ciencias Sociales (CEACES). Una aproximacin, @tic. Revista de
Innovacin Educativa, 5. Julio-Diciembre 2010, pp. 77-88.
Martnez Verd, R. y Yage Perales, R. (2011) La experiencia del GCID de Estadstica en el

Grado de Turismo en J. M. Pava, R. Martnez, F. G. Morillas (Eds.), Experiencias de
Innovacin Docente, Valencia, Reproexpres, S.L., pp. 67-79.
El objetivo ltimo de este trabajo es conocer a nuestros alumnos y mejorar el proceso de
Bentez Mrquez, M. D.; Cruces Pastor, E. M.; De Haro Garca, J. y Sarrin Gaviln, M. D.
(2010). Aprendizaje Basado en Problemas a travs de las TIC en Investigaciones de
Economa de la Educacin, vol. 5, 59, pp 1167-1184 de Asociacin de Economa de la
Educacin (AEDE).
CONCLUSIONES:
VALORACIN
DE
LA
EXPERIENCIA
COMPARACIN CONJUNTA
enseanza-aprendizaje. A continuacin, damos respuesta a las cuestiones inicialmente

planteadas:
Es el perfil del estudiante de primero del Grado en Turismo similar en ambas

Universidades? En trminos generales, las caractersticas generales son bastantes
Universidad de Mlaga (2009). Formulario de Verificacin del Ttulo de Grado en Turismo,

[ltima consulta, 2012.05.16].
Universitat de Valncia (2009). Documento de Solicitud de Verificacin del Ttulo de Grado en
Turismo, pp. 33. http://www.uv.es/graus/qualitat/MV/V/1317_MV.pdf [ltima consulta,
2010.04.19].
similares si bien, en los cursos acadmicos referenciados, existen diferencias

relevantes en la opcin de eleccin del Grado (75% UMA, 58%UV).
Qu diferencias y similitudes hay entre las metodologas docentes y sistemas de

evaluacin empleados? Aunque el peso de la puntuacin es similar (2,5 UMA-3 UV),
las actividades puntuables son diferentes dando un mayor peso en Valencia a las
practicas dirigidas (0,5 UMA-2 UV). Adems, en Mlaga aunque existen prcticas
Vzquez Ferri, C., Prez Rodrguez, J., Espinosa Toms, J., Hernndez Poveda, C., Mas
Candela, D., Miret Mar, J.J., Roig Hernndez, A.B. e Illueca Contri, C. (2011). "Herramienta
virtual para la optimizacin del trabajo en el laboratorio docente" en: IX Jornadas de Redes
de Investigacin en Docencia Universitaria: diseo de buenas prcticas docentes en el
contexto actual / coordinadores, M Teresa Tortosa Ybez, Jos Daniel Alvarez Teruel,
Neus Pelln Buades. Alicante: Universidad de Alicante, 2011. ISBN 978-84-694-9813-2, pp.
796-805. http://hdl.handle.net/10045/21157.
dirigidas con Excel, stas no se imparten en el aula de informtica.
Qu opinan los alumnos sobre estos aspectos? Tienen opiniones similares de la

utilidad de los principales materiales y recursos TIC de la asignatura pero existen
diferencias notables en las horas dedicadas al trabajo autnomo y en la valoracin del
grado de dificultad de la asignatura.
Hay diferencias importantes en los resultados acadmicos? Los resultados de la 1

convocatoria son similares. El distinto sistema de evaluacin continua ha provocado
notables diferencias en el seguimiento de la evaluacin continua completa. As, los
44
45
La asignatura de Estadstica en el nuevo Grado de

Ingeniera Telemtica
Pilar Sanmartn Fita (1)
(1) Departamento de Matemtica Aplicada y Estadstica
Universidad Politcnica de Cartagena
Avenida doctor Fleming s/n. Antiguo Hospital de Marina. 30202 Cartagena
e-mail:pilar.sanmartin@upct.es
RESUMEN
En este trabajo se analizan los cambios introducidos en la asignatura de Estadstica en los
nuevos planes de estudio del grado de Ingeniera Telemtica con respecto a la asignatura que
se imparta en el plan antiguo en la Universidad Politcnica de Cartagena (UPCT). Se realiza
un estudio comparativo de ambas asignaturas, en cuanto a cambio de crditos y su
distribucin. Desde el punto de vista metodolgico se discute el uso de diferentes herramientas
auxiliares como el programa estadstico R, aunque este programa admite trabajar mediante
men de ventanas, se ha preferido trabajar sin esta opcin. La exposicin de la parte terica de
la materia se refuerza mediante la utilizacin de presentaciones tales como las que se pueden
realizar con el programa Beamer para poder optimizar el tiempo dedicado a tal fin. Finalmente
el uso de la plataforma Moodle que la UPCT pone al servicio de alumnos y profesores a travs
del Aul@ Virtual se hace esencial para poder evaluar de forma continua al alumno.
INTRODUCCIN
La Universidad Politcnica de Cartagena fue creada en 1998 partiendo de los centros y
titulaciones existentes en el Campus de Cartagena que formaba parte entonces de la
Universidad de Murcia, incluye actualmente los siguientes centros:
Escuela Tcnica Superior de Ingeniera Agronmica.
Escuela Tcnica Superior de Ingeniera Industrial.
Escuela Tcnica Superior de Ingeniera de Telecomunicacin.
Escuela Universitaria de Ingeniera Tcnica Civil.
Escuela Universitaria de Ingeniera Tcnica Naval.
Facultad de Ciencias de la Empresa.
47
Tabla 2. Desglose de actividades plan nuevo
Y los siguientes centros adscritos:

P1
Escuela Universitaria de Relaciones Laborales.
Escuela Universitaria de Turismo.
0.8
P3 c
P4 d
P5e
P6f
NP1g
NP2 h
0.4
0.4
0.2
0.2
1.5
2.5
P2
La Escuela Tcnica Superior de Ingeniera en Telecomunicacin comenz su actividad en el

curso acadmico 1999/2000 impartiendo las titulaciones de Ingeniera de Telecomunicacin e
Ingeniero Tcnico de Telecomunicacin, especialidad en Telemtica. A partir del curso
acadmico 2010/2011 se imparten los grados en Ingeniera en Sistemas de Telecomunicacin
P1: Clase magistral participativa.

b
P2: Clase orientada a la resolucin de problemas y casos de estudio.
c
P3: Clase prctica en laboratorio
d
P4: Asistencia a seminarios, conferencias, visitas guiadas, etc.
e
P5: Presentacin de trabajos ante el profesor.
f
P6: Realizacin de pruebas de evaluacin (tiempo de duracin de los exmenes y otras pruebas de
evaluacin en el aula).
g
NP1: Estudio personal o en grupo de alumnos.
h
NP2: Preparacin de trabajos y ejercicios (incluye tiempo para consulta bibliogrfica y documentacin).
y en Ingeniera Telemtica. La asignatura de Estadstica est presente en ambos planes de

Estudio. En el caso de la Ingeniera Tcnica de Telecomunicacin (plan antiguo) la asignatura
de Estadstica se imparte en el segundo cuatrimestre de primer curso, es de carcter
obligatorio y consta de 4.5 crditos tericos y 1.5 crditos prcticos. En el Grado en Ingeniera
Telemtica tambin aparece en el segundo cuatrimestre de primer curso como asignatura de
tipo bsico y un total de 6.0 ECTS.
Mtodo de Evaluacin
En Ingeniera Tcnica de Telecomunicacin, el mtodo de evaluacin consista en una prueba
final compuesta de un examen de tipo terico con cuestiones y problemas con un peso del
85% sobre la nota final y un examen de prcticas en el aula de informtica con un peso del
15%.
COMPARACIN DE PLANES
En el nuevo grado la forma de evaluacin ha cambiado dando un peso mayor a la parte ms
Distribucin de crditos
prctica y valorando el trabajo continuo del alumno de forma que se realiza un examen final
con un valor del 60% sobre el total, un examen de prcticas que supone un 20% y otro 20% se
En el caso de la Ingeniera Tcnica de Telecomunicacin (plan antiguo) la asignatura de
evala a partir de la exposicin y realizacin de trabajos por parte del alumno. En ambos casos
Estadstica se imparte en el segundo cuatrimestre de primer curso, es de carcter obligatorio y
se proporcionan formularios a los alumnos de ayuda para la realizacin de las pruebas
consta de 6 crditos. En el Grado en Ingeniera Telemtica tambin aparece en el segundo
escritas.
cuatrimestre de primer curso como asignatura de tipo bsico y un total de 6.0 ECTS. Aunque
en ambos casos hablamos de 6 crditos notar que no se traducen de la misma forma en
trminos de horas de docencia. En la tablas 1 y 2 se muestran tambin el desglose en tipo de
Temario
En el plan antiguo los descriptores del BOE eran los siguientes:
actividades (donde los crditos se cuentan nuevamente de distinta forma):

Probabilidad y variables aleatorias. Estadstica descriptiva. Inferencia Estadstica.
Tabla 1. Desglose de actividades plan antiguo.

P1 a
P2 b
P3 c
En la nueva titulacin estos han pasado a: Fundamentos de la teora de la probabilidad.
4.5
0.5
Variables aleatorias unidimensionales y multidimensionales. Introduccin a los procesos
P1: Clase magistral participativa.

P2: Clase orientada a la resolucin de problemas y casos
de estudio.
c
P3: Clase prctica en laboratorio
estocsticos. Introduccin a la teora de colas. Conceptos bsicos de la Inferencia Estadstica.
Se observa que aparece como una actividad nueva a considerar la presentacin de trabajos
ante el profesor y se da ms peso tanto a las clases orientadas a la resolucin de problemas y
casos de estudio como a las prcticas en el aula de informtica.
48
Observamos que en el nuevo grado se contempla una introduccin a la teora de los procesos
estocsticos y la teora de colas que no se consideraba con anterioridad. Esto supone una
mejora en cuanto a la adecuacin de los conceptos tratados por la asignatura a la titulacin
considerada, sin embargo presenta el reto de poder impartirlos de forma adecuada en tan
breve espacio de tiempo y se hace necesario recurrir a la utilizacin de presentaciones tales
49
como las que se pueden realizar con el programa Beamer que veremos en la siguiente
seccin. (Para ms informacin se puede consultar http://www.teleco.upct..es/).
HERRAMIENTAS
Presentaciones: El Beamer
Como hemos comentado anteriormente el programa aumenta de contenidos y es necesario el
uso de herramientas audiovisuales y presentaciones para reforzar la exposicin de la parte
terica. El programa Beamer del latex (ver por ejemplo Lamport (1994) y http://www.latexproject.org/ ) permite realizar presentaciones claras, de forma que las frmulas matemticas
aparecen de forma clara y precisa, con numeraciones y referencias cruzadas fciles de
actualizar y asimismo los grficos de inters se pueden incluir sin dificultades. Por ejemplo, en
las figuras 1 y 2 podemos ver un extracto del tema correspondiente a variables aleatorias y el
modelo normal, en la figura 1 se puede ver como aparecen las frmulas dentro de recuadros y
en la figura 2 aparece el grfico correspondiente a la distribucin N(0,1) generada previamente
con el programa R y exportada como un archivo de tipo eps:
Figura 2. Presentacin con Beamer.

(Fuente: Elaboracin propia)
Prcticas: El uso del programa R.

Para la realizacin de las prcticas de laboratorio en el aula de informtica se ha optado por la
utilizacin del programa R (ver www.r-project.org/ ). Se trata de un lenguaje y entorno para el
anlisis de datos y grficos que en la actualidad se utiliza ampliamente tanto en el mbito de la
docencia como en el de la investigacin. Tiene mltiples ventajas, entre ellas cabe destacar
que es de libre distribucin lo que facilita el acceso de todos los estudiantes a esta
herramienta. Similar aunque con variantes al lenguaje S, funciona adems tanto en entorno
UNIX como en Windows y MacOS. Abarca el anlisis de todos los temas tratados en la
asignatura y muchos ms y est en continua mejora y actualizacin (muchas son las
referencias respecto a este programa, ver por ejemplo Ugarte, Militino, y Arnholt (2008) o
Crawley (2007)).
Figura 1. Presentacin con Beamer.

Este programa admite un interface grfico mediante el uso de ventanas con el Rcommander.
(ver http://www.rcommander.com ) sin embargo para el caso de la titulacin que nos ocupa,
dada la formacin paralela que tienen los alumnos en lenguajes de programacin hemos
50
51
querido aprovechar este hecho y hemos optado por el uso directo del programa. Esto permite
Histogram of x
2.0
una mayor flexibilidad y libertad a la hora de trabajar y ofrece a los alumnos la posibilidad de
Variables aleatorias: simulacin y clculo de probabilidades.
Procesos Estocsticos.
Inferencia Estadstica.
0.0
0.5
Anlisis descriptivo de conjuntos de datos.
1.0
Primeros pasos en el uso del programa.
Density
1.5
crearse sus propias funciones. En cuanto al esquema de las prcticas este es el siguiente:
0.0
Se ha considerado la simulacin de variables aleatorias y el anlisis prctico de procesos
0.2
0.4
0.6
0.8
1.0
estocsticos como novedad respecto al plan antiguo aprovechando como ya hemos dicho la
flexibilidad del R. En la asignatura del plan viejo se usaba el programa statistix (ver
Figura 3. Salida de R.
http://www.statistix.com/ ) que era un programa de ventanas y no era de libre distribucin.
Veamos unos pocos ejemplos del uso del R.
Ejemplo1: Generacin de variables aleatorias continuas. Mtodo de la transformada inversa.
Podemos tambin generar 5000 valores de una variable exponencial de media 1 y construir el
Es bien conocido que si U sigue una distribucin uniforme en (0,1) y F es una funcin de
histograma asociado, comparando la grfica obtenida con la densidad terica correspondiente.
distribucin, X=F
-1
(U) tiene distribucin F. Considerando por ejemplo
F ( x) 1 e x
F ( x) x
0 x 1
x log(1 u )
(2)
(1)
Con R:
Podemos usar los siguientes comandos:
u <-runif ( 5000,0,1 )
x <--log ( 1-u )
hist ( x, prob=T )
U <- runif ( 1,0,1 )

X <- u ^ ( 1/2 )
cuyo resultado aparece en la figura 4.

y pedir que se calcule la funcin de densidad asociada, que se genere 5000 valores de la
variable anterior y se construye el histograma asociado, comparando la grfica obtenida con la
Histogram of x
0.8
densidad terica correspondiente:
0.4
0.2
Density
0.6
u <- runif ( 5000,0,1 )

x <- u ^ (1/2)
hist ( x, prob=T )
0.0
cuyo resultado aparece en la figura 3.
6
x
(Elaboracin propia)
52
53
Y en general simular cualquier exponencial, notando que si X sigue una distribucin
Ejemplo 2: Simulacin de una serie temporal.
exponencial de parmetro , entonces X sigue una distribucin exponencial de media 1.

Generemos 5000 valores de una variable exponencial de parmetro igual a 2, construimos el
Generemos el proceso AR(1) dado por la expresin:
histograma asociado, y comparamos la grfica obtenida con la densidad terica

correspondiente mediante R:
lambda<-2
u<-runif(5000,0,1)
x<--(1/lambda)*log(1-u)
hist(x,prob=T)
t 1
zt
(3)
Con Z ruido blanco de varianza 1 y el parmetro del proceso lo tomamos como -0.3. Con R la
forma de generar el proceso es muy sencilla (ver Crawley 2007):
cuyos resultados aparecen en la figura 5.
Z1<-rnorm(300,0,1)
Y1<-numeric(300)
Y1[1]<-Z[1]
for(i in 2:300)
Y1[i]<--0.3*Y1[i-1]+Z1[i]
plot.ts(Y1)
par(mfrow=c(2,1))
acf(Y1)
acf(Y1,type="p")
0.4
0.6
0.8
1.0
1.2
Histogram of x
Density
0.2
El resultado aparece en las figura 6 donde vemos la serie simulada y la figura 7 donde
0.0
aparecen las funciones de autocorrelacin simple y parcial muestrales:

0
0
1
Incluso podemos generar un proceso de Poisson utilizando la relacin que sigue con el modelo
Y1
la llegada de un cliente nuevo y el nmero de clientes que aparecen en una hora, de forma
muy sencilla con R:
llegan a un almacn es de cuatro en una hora. Podemos simular el tiempo que transcurre hasta
exponencial (ver Ross (2007)). Por ejemplo, supongamos que el nmero medio de clientes que
50
100
150
200
250
Time
Tiempo entre llegadas

lambda<-4
u<-runif(1,0,1)
x<--(1/lambda)*log(u)
Nmero de clientes
i<-0
x<--(1/lambda)*log(runif(1,0,1))
if(x<=1 )
i<-1
while(x<=1)
{x<-x-(1/lambda)*log(runif(1,0,1))
i<-i+1 }
54
Figura 6. Serie simulada con R.

55
300
De los mdulos de que dispone el programa destacamos lo siguiente:
ACF
0.4 1.0
Series Y1
10
15
20
enviarlas de nuevo para su posterior evaluacin.
Lag
Series Y1
El Modulo Recurso: Admite la inclusin de archivos y material digital, como unidades

temticas, hojas de problemas, material para las prcticas, acceso directo a pginas
web de inters.
0.3
Partial ACF
El Modulo Tarea: permite proponer tareas a los estudiantes con fecha de entrega.
Estas pueden ser subidas al servidor y tambin evaluadas por el profesor, se permite
10
15
20
Lag
Todo lo anteriormente comentado muestra como el programa permite el intercambio de

informacin y material entre profesores y alumnos de forma gil y continua y en el caso de la
asignatura de Estadstica tal como se ha enfocado en el nuevo plan de estudios de hace una
Figura 7. Funciones de autocorrelacin simple y parcial muestrales.
herramienta esencial.
CONCLUSIONES
Si ahora quisiramos ajustar el modelo simulado observando las funciones de autocorrelacin
muestrales, podramos ajustar un modelo AR(1) simplemente con el comando de R:
Tras realizar un anlisis comparativo de la asignatura de Estadstica en la Ingeniera Tcnica

de Telecomunicacin (especialidad. Telemtica) y los nuevos estudios de grado en Ingeniera
ajuste1<-arima(Y1,order=c(1,0,0))
, que dara como resultado:
Telemtica podemos concluir que con el cambio de planes la asignatura de Estadstica

aumenta en contenidos y tambin en orientacin prctica. Esta nueva estructura hace
Coefficients:
ar1 intercept
-0.3721 0.0126
s.e. 0.0536 0.0417
necesario el uso de herramientas audiovisuales. La exposicin de la parte terica de la materia
sigma^2 estimated as 0.982: log likelihood = -423.02, aic = 852.04
titulacin en programacin para introducir el uso del programa R, sin la opcin del men de
se refuerza mediante la utilizacin de presentaciones tales como las que se pueden realizar
con el programa Beamer para poder optimizar el tiempo dedicado a tal fin. Para la realizacin
de las prcticas podemos aprovechar las competencias que ha adquirido el alumno de esta
ventanas, lo cual permite gran flexibilidad en la elaboracin de prcticas avanzadas y permite
Las posibilidades de realizar prcticas verstiles con el programa son muy ampliar ver por
al alumno crear sus propias funciones. Finalmente el uso del aula virtual permite disear clases
ejemplo Ugarte, Militino, y Arnholt (2008).
participativas y una evaluacin continua del alumnado. Todas estas herramientas admiten
muchas posibilidades, como mejora futura queda por explorar la posibilidad de realizar pruebas
de evaluacin a travs del aula virtual y el estudio de herramientas que permitan integrar el uso
El aula virtual: uso del programa Moodle

El programa Moodle es la plataforma de software libre sobre la cual funciona el Aul@ Virtual de
del R y el Beamer para generar presentaciones ms completas (como por ejemplo con el
programa Sweave (ver www.r-project.org/ ).
la UPCT (ver http://moodle.upct.es/ y http://moodle.org/). Permite seguir los accesos de los

usuarios. Se pueden obtener informes completos de cada estudiante como por ejemplo veces
REFERENCIAS
que ha accedido a cada mdulo, se puede integrar el correo electrnico, de forma que los
Brockwell, R.J. y Davis, R.A. (1996). Introduction to Time Series and Forecasting. Ed. Springer
Verlag.
mensajes enviados a foros, comentarios de profesores, etc sean recibidos en dicho correo,
aplicacin muy til para comunicarse de forma activa con los alumnos.
Crawley, M.J, (2007). The R book. Ed. Wiley and sons.

Lamport, L., (1994). LaTeX: A document preparation system (2nd edition). Ed. AddissonWesley
56
57
Ross, S., (2000). Simulation. Ed. Wiley and sons

Ugarte, M.D., Militino, A. y Arnholt, A. (2008). Probability and Statistic with R. CRC press.
Chapman and Hall.
Uso de curvas ROC en prediccin del xito acadmico en

estudiantes de Estadstica
Yates, R., y Goodman, D. (2008). Probability and Stochastic Processes. Ed. Wiley and sons.
Amparo Oliver (1), Patricia Sancho (1), Laura Galiana (1), Juana-Mara Vivo (2)
(1)
Departamento de Metodologa de las Ciencias del Comportamiento, Facultad de Psicologa

Universitat de Valncia.
Av. Blasco Ibez, 21, 46010.
E-mails: amparo.oliver@uv.es; patricia.sancho@uv.es; laura.galiana@uv.es
(2)
Departamento de Mtodos Cuantitativos para la Economa y la Empresa

Universidad de Murcia, Direccin.
E-mail: jmvivomo@um.es
RESUMEN
La implantacin del EEES revaloriz la importancia de atender tanto la adquisicin de
conocimientos como de competencias, haciendo necesario en el sistema universitario espaol
sistematizar un proceso de evaluacin continua. Este cambio de planteamiento influye en el
desarrollo de las materias, especialmente en aquellas de peor rendimiento acadmico. El
objetivo de este trabajo es evaluar y comparar el valor predictivo de diferentes variables en el
rendimiento de 180 estudiantes de Estadstica del Grado de Psicologa, segn se mida ste
mediante evaluacin puntual o continua. Se utilizan regresin logstica y anlisis ROC para
evaluar el valor predictivo del grupo al que pertenecen los alumnos, la asistencia a clase, el
inters por la materia, la satisfaccin con la asignatura y la utilidad que concede a las sesiones
de retroalimentacin colectiva, con respecto al rendimiento (mediante evaluacin puntual y
continua del alumno). Los resultados evidencian efectos diferencialmente significativos entre
ambos enfoques de evaluacin en el contexto de la asignatura de Estadstica.
INTRODUCCIN
Es en la declaracin de La Sorbona (Espacio Europeo de Educacin Superior, 1998) dnde
aparece por primera vez el concepto de Espacio Europeo de Educacin Superior (EEES) y
donde queda plasmada la voluntad de potenciar el conocimiento, sealando la extensin y
calidad de la educacin como factores decisivos para incrementar la calidad de vida de los
ciudadanos, siendo su objetivo principal conseguir la convergencia en materia de Educacin
Superior en los pases miembros de la Unin (Bermdez, Castro, Sierra y Buela-Casal, 2009).
Posteriormente, la Ley Orgnica 6/2001, de 21 de diciembre, de Universidades, seala, que las
58
59
Universidades necesitan incrementar su eficacia, eficiencia y responsabilidad, para hacer
Numerosos trabajos han intentado describir los factores influyentes en la evolucin y
frente a los cambios sociales. Gran parte de la originalidad y flexibilidad de este sistema se
rendimiento acadmico de asignaturas en las que se estudian mtodos cuantitativos (Capshew
conseguir mediante el sistema de crditos, como en el Sistema Europeo de Transferencia de
de 2005, Gal y Ginsburg, 1994; Gurdia et al, 2006). Variables como la asistencia, la
Crditos (ECTS), permitiendo la convalidacin de los crditos obtenidos. ste debe
motivacin, el inters por la materia, la experiencia previa, las actitudes, las opiniones, o la
generalizarse a todos los estudiantes de la UE, convirtindose en un punto de referencia que
satisfaccin han sido estudiadas como factores importantes que pueden afectar, a los
permitir la colaboracin y el trabajo conjunto y lograr, de este modo, transparencia y calidad
resultados de los estudiantes. As, varias investigaciones sugieren que los estudiantes de
en la formacin (Espacio Europeo de Educacin Superior, 2002). La aplicacin de este nuevo
estadstica aprenden ms y mejor si estn motivados por su aprendizaje (Capshew, 2005;
sistema de crditos requiere la adaptacin del sistema educativo, con nuevas formas de
Garfield y Ben-Zvi, 2007), y que esta motivacin tiene un impacto importante en los resultados
ensear y de evaluar (Siz y Romn, 2011), que adems permitan que asignaturas
acadmicos de los estudiantes (Cameron, Pierce, Banko y Gear, 2005; Dweck, 1986). El grado
equivalentes o convalidables, impartidas en distintos pases del EEES, tengan homogeneidad
de inters hacia la materia se ha relacionado con el xito de los estudiantes en diferentes
en las formas de evaluacin.
materias y reas (Ainley y Ainley, 2011; Shen, Chen y Guan, 2007; Soric y Palekcic, 2009). As,
puesto que algunos autores relacionan la falta de relevancia percibida con la falta de inters
La formacin y la experiencia docente han de combinarse, garantizando su calidad de
(Gal y Ginsburg, 1994), parece apropiado sealar la relacin entre la percepcin de relevancia
aprendizaje, la metodologa y la actuacin docente, con el fin de la mejora continua y la
de la materia y el rendimiento en la misma (Capshew, 2005). Tambin la asistencia a clase se
optimizacin del proceso de aprendizaje-enseanza (Pozo, Bretones, Martos y Alonso, 2011).
puede considerar un indicador del compromiso de los estudiantes. Adems de interpretarse
Por tanto, el camino hacia el EEES requiere una revisin de las metodologas docentes, en las
como motivacin e inters, la asistencia a clase en educacin superior se relaciona de forma
que an adolece de una excesiva importancia del profesor como principal agente, destacando
positiva con los resultados de la evaluacin (Brocato, 1989; Cheng y Lin, 2008; Gunn, 1993;
la evaluacin de los estudiantes como elemento clave en este necesario proceso de cambio.
Jones, 1984; Rocca, 2003; VanBlerkom, 1992).
Tradicionalmente, el sistema universitario espaol ha utilizado la evaluacin puntual de
Otros factores que pueden influir indirectamente en el rendimiento a travs de la motivacin, el
contenidos, y realizada al final de la asignatura. Al cobrar importancia tanto la adquisicin de
inters, la asistencia a clase y, los resultados acadmicos, es la satisfaccin con el desarrollo
conocimientos como de competencias, se hizo necesario implantar un nuevo proceso de
de la asignatura. Concretamente, en estadstica, el estudio realizado por Guardia et al. (2006)
evaluacin continua en el que primara el feedback o la retroalimentacin del proceso de
destac el papel de la satisfaccin en el rendimiento acadmico de los alumnos en un curso de
enseanza-aprendizaje, permitiendo al docente y al propio alumno conocer, en cada momento,
estadstica en Psicologa.
su estado y evolucin, informar de debilidades y fortalezas, y adoptar las medidas necesarias

La retroalimentacin tambin se ha descrito como un factor de mejora en la comprensin y
para mejorar los resultados.
resultados de los estudiantes (Krause, Stark y Mandl, 2009). Conocer y confrontar ideas y
Este cambio de planteamiento puede influir, de formas diversas, en la evolucin de las
errores mejora el proceso de aprendizaje (Garfield y Ben Zvi, 2007), dando a los estudiantes la
materias, sobre todo de las que peor rendimiento acadmico obtienen. Este es el caso de las
oportunidad de expresar ideas y ponerlas a prueba, y aprender haciendo (Conners, Mccown y
materias de estadstica que, tanto en educacin bsica como superior, presentan dificultades
Roskos-Ewoldsen, 1998). Adems, parece lgico que los ejercicios de retroalimentacin no
de aprendizaje, y por ello protagonizan diferentes investigaciones (Baloglu, 2003; Cherney y
slo sean tiles para los estudiantes, sino tambin para los profesores, ofreciendo informacin
Cooney, 2005; Gal y Ginsburg, 1994; Garfield y Ben-Zvi, 2007; Murtonen y Lehtinen, 2003;
acerca de la comprensin de los estudiantes para adaptar sus recursos y planteamientos en el
Shaughnessy, 1992). A pesar de identificarse como tiles y necesarias, este tipo de
aula. Sin embargo, la mayor parte de la investigacin en retroalimentacin, en el rea de
asignaturas suelen suponer un problema para muchos estudiantes que afrontan con ansiedad
estadstica, es meramente descriptiva, consistente en revisin de literatura previa y elaboracin
el aprendizaje y evaluacin de los mtodos cuantitativos (Zeidner, 1991; Hauff y Fogarty,
de guas. Un importante estudio realizado en este sentido es el experimento de laboratorio
1996). Estos problemas se hacen patentes en los resultados de estudiantes de Psicologa
realizado por Krause et al. (2009), en el que los autores evaluaron los efectos de
(Lehtinen y Rui, 1995; Oliver, Sancho, Sancerni y Pomer, 2011).
retroalimentacin en un contexto de aprendizaje de estadstica mediante nuevas tecnologas,
60
61
tanto en aprendizaje individual como cooperativo. En esta investigacin, se encontr un efecto
Estos bloques hacan referencia a datos socio-demogrficos y sobre la asignatura, ansiedad
positivo de la retroalimentacin en los resultados del aprendizaje y conocimiento.
estadstica, procrastinacin, mtodos de estudio e incluso contaba con una pregunta abierta en
la que plasmar sugerencias. No obstante, las variables que centran este estudio forman parte
En todo este planteamiento, una variable de inters no abordada en la literatura es el efecto
del primer bloque del mnibus: grupo de pertenencia del alumno, porcentaje de asistencia a
diferencial de la experiencia previa del alumno con la asignatura. Es decir, si se trata de
sesiones tericas, inters y satisfaccin por la materia, y utilidad de las pruebas colectivas. Las
alumnos de primera matrcula en la materia o, si por el contrario, son alumnos que repiten la
respuestas se registraron en base a indicadores de 0 a 10. Por otra parte, como medida de
materia por primera, incluso segunda vez. Sin lugar a dudas esta es una variable de inters
rendimiento, se tuvieron en cuenta dos evaluaciones diferentes de los mismos alumnos. Por
que podra influir en las expectativas del estudiante y, en consecuencia, en su rendimiento.
una parte se registr el resultado de la evaluacin final del primer cuatrimestre, es decir, la
calificacin individual slo basada en el examen. Por otra parte, se obtuvo la calificacin en
El objetivo de este trabajo, siguiendo con la necesidad del desarrollo de estudios comparativos
base a la evaluacin continua del mismo cuatrimestre, formada por la nota del examen (50%),
de las formas de evaluacin apuntada por la literatura ms reciente en este mbito (Siz y
las entregas que suponan un control del rendimiento (40%) y un informe integrador que
Romn, 2011), se centra en evaluar y comparar el valor predictivo de diferentes variables con
realizaban al final (10%).
respecto al resultado de la evaluacin de estudiantes universitarios, tanto puntual como

continua, en el contexto de una asignatura con tradicional medio-bajo rendimiento acadmico,
Anlisis de datos
como es Estadstica en Psicologa. De este modo se estudiar el efecto diferencial de
El resultado de los alumnos universitarios en la evaluacin puntual, y paralelamente en la
variables, halladas relevantes en la literatura, como: tipo de grupo al que el alumno pertenece,
continua, fue dicotomizado mediante la codificacin dada por Yi = 1 si el alumno tiene xito en
asistencia a clases terico-prcticas, inters por la materia, satisfaccin con el desarrollo de la
la evaluacin, y Yi = 0 si el alumno no tiene xito en la evaluacin, en el rendimiento acadmico
asignatura y utilidad que concede a las sesiones de retroalimentacin colectiva.
de cada alumno para ambas evaluaciones en la asignatura de Estadstica de primer curso de

Grado de Psicologa. Los estados establecidos son mutuamente excluyentes y fueron
etiquetados como xito y fracaso, respectivamente; siendo el primero la condicin de
MTODO
inters.
Participantes y procedimiento
La muestra consisti en 166 estudiantes de Psicologa, 78.9% mujeres y 21.1% hombres, del
curso acadmico 2010-2011. Todos ellos estaban matriculados en la asignatura de Estadstica
(primer curso de Grado), compartiendo profesora, gua acadmica, materiales y acceso a una
misma plataforma digital. Se dividan en tres grupos de diferentes caractersticas, formados
naturalmente bajo criterios organizativos del centro, que fijan el orden de matrcula: Grupo 1:
En este contexto, el objetivo se centr en el estudio del efecto diferencial sobre el xito del
alumno en la evaluacin puntual, y anlogamente en la continua, de las siguientes variables:
tipo de grupo al que el alumno pertenece (G), asistencia a clases terico-prcticas (A), inters
por la materia (I), satisfaccin con el desarrollo de la asignatura (S) y utilidad que concede a las
sesiones de retroalimentacin colectiva (U).
48 alumnos de primera matrcula en estadstica. Grupo 2: 61 alumnos de segunda matrcula en

estadstica, pero con peor expediente acadmico. Grupo 3: 57 alumnos de segunda matrcula
en estadstica, pero con buen expediente acadmico en el resto de asignaturas. Los alumnos
interesados en participar en el estudio completaron respondieron, de forma voluntaria, tras
finalizar una sesin de retroalimentacin grupal en la que los alumnos completaron una prueba
sobre la asignatura e hicieron una puesta en comn.
El anlisis estadstico fue elaborado utilizando el paquete estadstico SPSS 19. Para la
modelizacin del rendimiento del alumno se us regresin logstica debido a la naturaleza
dicotmica de la variable respuesta, xito o fracaso en la evaluacin. En ambos casos, la
estimacin de la relacin de las variables predictoras (G, A, I, S y U) con la variable
dependiente aporta un instrumento que permitir, por un lado, caracterizar el perfil de
rendimiento de un estudiante con xito y por otro, obtener una estimacin de la probabilidad de
la presencia de xito. En este sentido, cabe sealar la influencia de cada variable
Instrumentos
independiente, estadsticamente significativa, sobre la respuesta en trminos de las odds

Se aplic un mnibus de cuestionarios, compuesto de 61 preguntas organizadas en cinco
ratios, i.e., cuantificando el nmero de veces que es ms probable que se presente xito que
bloques relacionadas con la asignatura de Estadstica de primer curso de Grado de Psicologa.

62
63
supera la evaluacin (la clasificacin es incorrecta).
fracaso. De manera que una OR>1 asociada a una variable predictora indicara un aumento en
la probabilidad de xito respecto de fracaso de un alumno cuando aumenta dicho predictor y
d) Verdaderos negativos (VN): cuando el modelo predice como fracaso a un estudiante

que no supera la evaluacin (la clasificacin es correcta).
una OR<1 implicara una disminucin.
Asimismo, dos medidas usuales de la capacidad de discriminacin del modelo pueden ser
Si bien, las tcnicas estadsticas de prediccin, la regresin logstica entre otras, suministran
obtenidas de la matriz de confusin:
un instrumento y su bondad de ajuste; adems, el anlisis de curvas ROC (Receiver Operating

Characteristic) nos permite obtener un criterio de decisin, punto de corte ptimo del grado de
rendimiento estimado, para discriminar a los estudiantes con xito de los estudiantes sin xito y
una medida de la capacidad de clasificar correctamente (vase Franco y Vivo (2007) y Vivo y
Franco (2008) entre otros). En otras palabras, se considera la probabilidad estimada de la
Sensibilidad (Se): proporcin de alumnos con xito clasificados correctamente por el

modelo, tambin llamada Fraccin de Verdaderos Positivos (FVP) y viene dada por: Se
= VP / (VP + FN).
Especificidad (Sp): proporcin de alumnos sin xito clasificados correctamente por el
presencia de xito para cada uno de los estudiantes de la muestra y la variable binaria, alumno
modelo, tambin llamada Fraccin de Verdaderos Negativos (FVN) y viene dada por:
con xito y alumno con fracaso. Concretamente, la clasificacin en xito o en fracaso se basa
Sp = VN / (FP + VN).
en si la probabilidad estimada para cada alumno por el modelo, es mayor o menor que un
determinado lmite de probabilidad o punto de corte fijado, lo que se identifica como respuesta
positiva o negativa del modelo, respectivamente. La concordancia entre las predicciones del
modelo y las observaciones en la muestra para un punto de corte se presenta en una tabla de
doble entrada, denominada matriz de confusin ROC, como se muestra en la Tabla 1.
La sensibilidad, especificidad y sus complementarios, fraccin de falsos positivos y fraccin de

falsos negativos, respectivamente, dependen del punto de corte, i.e., varan respecto a dicho
punto. Frente a las medidas de sensibilidad y especificidad puntuales, la representacin grfica
del par ordenado (1-Sp, Se) para todos los puntos de corte posibles, conocida como curva
ROC, proporciona una idea de la capacidad global de discriminacin del modelo. En la
prctica, a pesar de que la discriminacin total entre alumnos con xito y alumnos sin xito no
Tabla 1. Matriz de confusin ROC.

xito
Positivo
Negativo
Verdadero
Falso
Positivo
Positivo
(VP)
(FP)
Falso
Verdadero
Negativo
Negativo
(FN)
(VN)
VP + FN
FP + VN
es posible, el procedimiento estadstico de curvas ROC especificar el criterio de decisin para

minimizar los falsos positivos y los falsos negativos que puedan producirse.
Fracaso
VP + FP
A pesar de la utilidad de las curvas ROC para evaluar la capacidad de discriminacin del
modelo de clasificacin estimado, en este caso de regresin logstica, es habitual resumir su
informacin en un nico ndice global, conocido como rea bajo la curva ROC. De manera
FN + VN
abreviada se denota por AUC y vara entre 0.5 (discriminacin aleatoria) y 1 (discriminacin
perfecta). Hanley y McNeil (1982) interpretan este valor como la probabilidad de que sea mayor
la respuesta del modelo bajo presencia de xito entre dos alumnos seleccionados
aleatoriamente de cada subgrupo. Su interpretacin probabilstica y su condicin de ndice de
discriminacin objetivo, vanse Metz (1986), Fielding y Bell, (1997), Franco y Vivo, (2007;
2008) entre otros, han contribuido en su uso generalizado para evaluar la capacidad de
La matriz de confusin recoge las frecuencias absolutas de las clasificaciones correctas e
discriminar de un modelo.
incorrectas, que se denominan:

a) Verdaderos positivos (VP): el modelo predice como xito a un estudiante que supera la
evaluacin (la clasificacin es correcta).
b) Falsos positivos (FP): cuando el modelo predice como xito a un estudiante que no
supera la evaluacin (la clasificacin es incorrecta).
c) Falsos negativos (FN): cuando el modelo predice como fracaso a un estudiante que
64
65
El modelo estimado resulta sencillo de interpretar en trminos de los odds ratios
RESULTADOS
correspondientes a cada predictor, cuando se consideran fijadas el resto de predictores del

modelo:
Para estimar el modelo de regresin logstica se us el mtodo de seleccin de variables de

Wald hacia delante, con p-valor de entrada = .05, que, en cada paso, introduce la covariable
Odds (xito evaluacin puntual) = exp (-.111+.329U 1.342 G(1) -1.767 G(2))
con el menor p-valor (<.05), calculado utilizando el test de Wald.
En la primera parte del anlisis estadstico nos centramos en el xito de los alumnos en la
evaluacin puntual. La utilidad de las sesiones de realimentacin colectiva (U) y el tipo de
grupo (G) fueron las
variables
predictoras, del conjunto inicialmente considerado,
estadsticamente significativas en el modelo de regresin logstica estimado para predecir la

probabilidad de xito del alumno en la evaluacin puntual (p= .023 y p =.032, respectivamente).
Los resultados del modelo de regresin logstica se muestran en la Tabla 2.
Tabla 2. Resultados de la regresin logstica para el rendimiento en la evaluacin puntual.

e
ET
Wald
gl
.329
.145
5.191
.023
6.855
.032
G
Variables
predictoras
odds
ratio
gl
1.390
Figura 1. rea bajo la curva ROC en evaluacin puntual.
G (1)
-1.342
.719
3.489
.062
.261
G (2)
-1.767
.676
6.824
.009
.171
Constante
-.111
1.307
.007
.932
.895
3.306
.914
Prueba de
Hosmer-
As, el odds ratio de 1.390 para la utilidad que concede a las sesiones de retroalimentacin
colectiva (U) indica que para cada unidad que aumente esta variable independiente, la
Lemeshow
probabilidad de estar en el grupo de los alumnos con xito con respecto a la de estar en el
grupo con fracaso aumenta en .390. Adems, el tipo de grupo al que el alumno pertenece (G)
Significacin
global del
15.041
.002
es estadsticamente significativo (p = .032) y sus respectivos odds ratios indican que, fijados
los efectos de la otra variable del modelo (U).
modelo
Notas: gl= grados de libertad; Y1, variable binaria que toma los valores 1, si el alumno tiene xito en la
evaluacin y 0, si el alumno no tiene xito (fracaso). Se consider como categora de referencia de la
covariable categrica G el Grupo 3.
El anlisis de bondad del ajuste mediante el estadstico 2 de Lemeshow y Hosmer con p-valor
igual a .914 valida el modelo obtenido al indicar que no existen diferencias estadsticamente
significativas entre lo observado y lo predicho. Asimismo, la 2 correspondiente al contraste
Para los alumnos del Grupo 3 es 3.83 veces ms probable lograr el xito que para los
alumnos del Grupo 1.
Para los alumnos del Grupo 3 es 5.85 veces ms probable lograr el xito que para los
alumnos del Grupo 2.
La curva ROC fue considerada para evaluar la capacidad de discriminacin del modelo
estimado para el xito o fracaso en la evaluacin puntual para todos los puntos de
para el modelo completo indica que las variables independientes del modelo ajustado
corte posibles. La proporcin de alumnos con xito correctamente clasificados
contribuyen significativamente a la prediccin de la probabilidad de xito (p = .002).
(sensibilidad) frente a la proporcin de alumnos sin xito incorrectamente clasificados
66
67
(complementario de la especificidad) son representados para obtener la curva ROC
El modelo estimado se interpret en trminos de odds ratios correspondiente al nico predictor
que se muestra en la Figura 1.
del modelo:
La capacidad de discriminacin del modelo para la evaluacin puntual fue evaluada mediante
Odds (xito evaluacin continua) = exp (-1.542+ .503S)
el rea bajo la curva ROC (AUC). Concretamente, el AUC fue de .718 .051 (IC 95% .618.818), que segn el criterio de Hosmer y Lemeshow (2000), indica discriminacin aceptable.
En este sentido, la satisfaccin con el desarrollo de la asignatura (S) es la nica variable
Adems, el punto de corte ptimo de la curva ROC fue .771, ya que la sensibilidad y
predictora estadsticamente significativa para predecir la probabilidad de xito en la evaluacin
especificidad se cruzan entre .756 y .785 y se corresponden con el valor que minimiza los
continua (p = .011), y su odds ratio de 1.654 indica que para cada unidad que aumente esta
resultados de los falsos negativos y los falsos positivos, como se muestra en la Figura 2.
variable independiente, la probabilidad de estar en el grupo de los alumnos con xito aumenta
en .654.
Tabla 3. Resultados de la regresin logstica para el rendimiento en la evaluacin continua.

e
Variables
predictoras
S
Constant
e
Fuente (Elaboracin propia)
Wald
gl
odds
ratio
gl
.503
.197
6.497
.011
1.654
-1.542
1.474
1.095
.295
.214
2.048
.727
6.453
.011
Prueba de
HosmerLemeshow
Significaci
n global del
modelo
Figura 2. Punto de corte ptimo de la curva ROC para evaluacin puntual.
ET
Nota: gl= grados de libertad; Y1, variable binaria que toma los valores 1, si el alumno tiene xito en la
evaluacin y 0, si el alumno no tiene xito (fracaso). Se consider como categora de referencia de la
covariable categrica G el Grupo 3.
Notas: Curva descendente: sensibilidad, punto de corte; Curva ascendente: especificidad, punto de corte.
De manera similar a como se procedi en el rendimiento de la evaluacin puntual, las curvas

Anlogamente, estudiamos el xito de los estudiantes en la evaluacin continua. Los
resultados del modelo de regresin logstica se muestran en la Tabla 3.
El anlisis de calibracin del modelo (prueba de bondad del ajuste) mediante el estadstico 2
propuesto por Lemeshow y Hosmer con p= .727 valida el modelo obtenido al indicar que no
existen diferencias estdsticamente significativas entre lo observado y lo predicho. Asimismo, la
2 correspondiente al contraste para el modelo completo indica que las variables

independientes del modelo ajustado contribuyen significativamente a la prediccin de la
variable (p = .011).
ROC fueron aplicadas para evaluar la capacidad de discriminacin para todos los puntos de
corte posibles (ver Figura 3).
La capacidad de discriminacin del modelo se evalu mediante el rea bajo la curva ROC
(AUC). En particular, AUC fue de .678 .088 (IC 95% .505-.851), que segn el criterio de
Hosmer y Lemeshow (2000), indica que el modelo predictivo obtenido, con la nica variable
predictora estadsticamente significativa S no tiene suficiente capacidad de discriminacin para
clasificar a los alumnos con xito frente a los alumnos con fracaso. El punto de corte ptimo de
la curva ROC fue .915, ya que la sensibilidad y especificidad se cruza entre .901 y .928, que se
corresponden con el valor que minimiza los resultados de los falsos negativos y los falsos
positivos, como se muestra en la Figura 4.
68
69
valor predictivo de variables como el tipo de grupo al que pertenece el alumno, la asistencia a
clases terico-prcticas, el inters por la materia, la satisfaccin con el desarrollo de la
asignatura y la utilidad que concede a las sesiones de retroalimentacin colectiva, con respecto
al resultados en la evaluacin puntual y continua del alumno.
En primer lugar, las sesiones de retroalimentacin y el tipo de grupo tienen efecto con respecto
a la evaluacin puntual. Al igual que ocurre en otras investigaciones al respecto (Krause, Stark
y Mandl, 2009), las sesiones de retroalimentacin presentan una utilidad elevada, aumentando
la probabilidad de que el alumno tenga un rendimiento positivo. Adems, manteniendo el resto
de variables constantes, el grupo de pertenencia tambin tiene un efecto en la evaluacin
puntual. As, los alumnos con experiencia previa en estadstica (de segunda matrcula) y un
buen expediente, tienen ms probabilidad de obtener resultados positivos en la evaluacin
Figura 3. rea bajo la curva ROC en evaluacin continua.
puntual que los alumnos de primera matrcula, o los alumnos con experiencia en esta materia
(de segunda matrcula) con un peor expediente. Este resultado se hace ms patente en el
segundo caso, donde los alumnos de segunda matrcula con buen expediente tienen casi seis
veces ms probabilidad de aprobar que sus compaeros con peor expediente. Este resultado
es de gran inters puesto que una variable no abordada tradicionalmente en la literatura resulta
tener un efecto importante en el xito acadmico de la asignatura. Sin embargo, opuestamente
a lo hallado en otros estudios (Ainley y Ainley, 2011; Cheng y Lin, 2008; Guardia et al., 2006)
variables estudiadas como la asistencia, el inters o la satisfaccin no presentan ningn efecto
en el resultado de la evaluacin puntual.
En segundo lugar, la evaluacin continua presenta resultados muy diferentes a la anterior. En

este caso, la nica variable con poder predictivo sobre el rendimiento es la satisfaccin, con
una gran capacidad de aumentar las probabilidades de xito en la materia. Este resultado
coincide con el hallado por Guardia et al. (2006). Sin embargo, tal y como suceda con la
evaluacin puntual, variables con peso en la literatura, como la experiencia previa, la
asistencia, el inters o la retroalimentacin, no presentan ningn efecto en el caso concreto del
Figura 4. Punto de corte ptimo de la curva ROC para evaluacin continua.
resultado de la evaluacin puntual.

Notas: Curva descendente: sensibilidad, punto de corte; Curva ascendente: especificidad, punto de corte.
Se observa, as, un efecto diferencial de los dos tipos de evaluacin y, por tanto, en el
rendimiento del alumnado. Concretamente, al rendimiento medido a travs de evaluacin
puntual en estadstica le afectan un mayor nmero de variables como la experiencia previa o la
CONCLUSIONES
retroalimentacin. Sin embargo, este efecto no se da cuando la evaluacin del rendimiento se

El objetivo del presente estudio es evaluar y comparar el valor predictivo de diferentes
hace a travs de evaluacin continua. En este caso, y quizs dado por el esfuerzo continuado
variables con respecto al resultado de la evaluacin continua y puntual, de estudiantes
que requiere un resultado positivo, y puesto que el resultado del rendimiento se extrae del
universitarios, en asignaturas de rendimiento ms bajo. De este modo, se pone a prueba el

70
71
trabajo a lo largo del curso, el xito en la materia se ve afectado, principalmente, por la

satisfaccin que uno tenga con respecto a la asignatura.
Esta investigacin presenta algunas limitaciones relacionadas con la estandarizacin de las

medidas empleadas. Por una parte, el proceso de evaluacin continua no est estandarizado,
ya que depende de la gua acadmica consensuada en cada mbito, pero siempre mantendr
esa caracterstica de evaluar en diferentes ocasiones y diferentes aspectos clave del proceso
de enseanza-aprendizaje. Por otra parte, algunas de las variables son evaluadas mediante
indicadores y, en algunas ocasiones, se podran haber sustituido por instrumentos validados.
Adems, y dada la complejidad del proceso de enseanza/aprendizaje, no se han podido
contemplar todas las variables que le afectan a ste, como por ejemplo, el tiempo de dicado a
estudiar la asignatura. Estas limitaciones han de guiar las futuras investigaciones. No obstante,
este trabajo pone de manifiesto el efecto diferencial de variables determinantes del
aprendizaje, en funcin de cmo se evale. Dado que formar parte del EEES ha supuesto un
cambio en el proceso de evaluacin, se puede afirmar que el proceso europeo se ha
convertido en una realidad determinante en la vida de los estudiantes (EEES, 1999).
A este respecto, son muchos los trabajos que han abordado la nueva aplicacin de la
evaluacin continua en Educacin Superior, ofreciendo resultados positivos como la evidencia
REFERENCIAS
Ainley, M., y Ainley, J. (2011). Student engagement with science in early adolescence: The
contribution of enjoyment to students continuing interest in learning about science.
Contemporary Educational Psychology, 36 (1), 4-12.
Baloglu, M. (2003). Individual differences in statistics anxiety among college students.
Personality and Individual Differences, 34, 855-865.
Bermdez, M. P., Castro, A., Sierra, J. C., y Buela-Casal, G. (2009). Anlisis descriptivo
transnacional de los estudios de doctorado en el EEES. Revista de Psicodidctica, 14 (2),
193-210.
Brocato, J. (1989). How much does coming to class matter? Some evidence of class
attendance and grade performance. Educational Research Quarterly, 13 (3), 2-6.
Cameron, J., Pierce, W. D., Banko, K. M., y Gear, A. (2005). Achievement-based rewards and
intrinsic motivation: A test of cognitive mediators. Journal of Educational Psychology, 97 (4),
641-655.
Cano, M. D. (2011). Students' Involvement in Continuous Assessment Methodologies: A Case
Study for a Distributed Information Systems Course. IEEE Transsactions on education, 54,
442-451.
Capshew, T. F. (2005). Motivating social work students in statistics courses. Social Work
Education, 24 (8), 857-868.
de la preferencia de participar en el curso, el aumento de aprobados (Cano, 2011) o que los

alumnos lleven al da la materia (Curty, Comesaa y Mrquez, 2010). Sin embargo, tambin se
Cheng, J., & Lin, T-F. (2008). Class attendance and exam performance: A randomized
experiment. Journal of Economic Education, 39 (3), 213-227.
ha certificado un mayor abandono del curso. Es importante que futuros estudios investiguen
esta diferenciacin para poder decidir qu es lo mejor para los alumnos, teniendo en cuenta
que el papel ms importante de la evaluacin es mejorar el aprendizaje (Garfield y Gal, 1999).
Tal y como seala la declaracin de la Sorbona (EEES, 1998), la universidad debe a sus
estudiantes, y a la sociedad en general, un sistema de educacin superior que ofrezca las
mejores oportunidades para buscar y encontrar su propio mbito de excelencia.
Cherney, I. D., y Cooney, R. R. (2005). Predicting student performance in a statistics course

using the mathematics and statistics perception scale (MPSP). Transactions of the
Nebraska
Academy
of
Sciences.
Recuperado
de
http://www.icherney.com/Research/Publications/MPSP.pdf.
Conners, F. A., Mccown, S. M., y Roskos-Ewoldsen, B. (1998). Unique challenges in teaching
undergraduate statistics. Teaching of Psychology, 25, 40-42.
Curty, M., Comesaa, P. y Marquz, O. W. (2010).Experiencias metodolgicas en la titulacin
de Ingeniera de Telecomunicaciones: utilizacin de una plataforma de teleenseanza en el
proceso de evaluacin continua. Revista de Formacin e Innovacin Educativa
Universitaria, 3, 77-87.
AGRADECIMIENTOS
Trabajo parcialmente subvencionado por la Fundacin Sneca del Gobierno de Murcia
(proyecto 11886/PHCS/09).
Laura Galiana es becaria del programa VLC Campus, subprograma dAtracci de Talent,
Dweck, C. K. (1986). Motivational processes affecting learning. American Psychologist, 41 (10),

1040-1048.
Espacio Europeo de Educacin Superior. (1998). Declaracin de La Sorbona de 25 de Mayo
de 1998. Recuperado de http://www.eees.es/pdf/Sorbona_ES.pdf.
Espacio Europeo de Educacin Superior. (1998). Declaracin de Bolonia. 19 de Junio de 1999.
Recuperado de http://www.eees.es/pdf/Bolonia_ES.pdf.
convocatoria 2011.
72
73
Espacio Europeo de Educacin Superior. (2002). El Crdito Europeo y El Sistema Educativo

Espaol. Recuperado de http://www.eees.es/pdf/credito-europeo.pdf.
Fielding, A.H., y Bell, J.F. (1997). A review of methods for the assessment of prediction errors in
conservation presence/absence models. Environmental Conservation, 24, 221-224.
Franco, M. y Vivo, J. M. (2007). Anlisis de curvas ROC. Principios bsicos y aplicaciones.
Madrid: La Muralla.
Gal, I., y Ginsburg, L. (1994). The role of beliefs and attitudes in learning statistics: Towards an
assessment framework. Journal of Statistics Education, 2 (2), Recuperado de
http://www.amstat.org/publications/jse/v2n2/gal.html.
Garfield, J., & Ben-Zvi, D. (2007). How students learn statistics revisited: A current review of
research on teaching and learning statistics. International Statistical Review, 75 (3), 372396.
Garfield, J. B. y Gal, I. (1999). Assessment and Statistics Education: Current Challenges and
Directions. International Statistical Review, 61, 1-12.
Gurdia, J., Freixa, M., Per, M., Turbany, J., Cosculluela, A., Barrios, M., y Rif, X. (2006).
Factors related to the academic performance of students in the statistics course in
Psychology. Quality & Quantity, 40, 661-674.
Gunn, P. (1993). A correlation between attendance and grades in a first-year psychology
course. Canadian Psychology, 34 (2), 201-202.
Hanley, J.A., y McNeil, B.J. (1982). The meaning and use of the area under receiver operating
characteristic (ROC) curve. Radiology, 134 (1), 29-36.
Pozo, C., Bretones, B., Martos, M. J. y Alonso, E. (2011). Evaluacin de la actividad docente en
el Espacio Europeo de Educacin Superior: un estudio comparativo de indicadores de
calidad en universidades europeas. Revista de Pedagoga, 69, 145-163.
Siz, M. C., y Romn, J. M. (2011). Cuatro formas de evaluacin en la educacin superior
gestionadas desde la tutora. Revista de Psicodidctica, 16 (1), 145-161.
Shaughnessy, M. J. (1992). Research in probability and statistics: Reflections and directions.
En D. A. Grouws (Ed.), Handbook of Research on Mathematics Teaching and Learning (pp.
465-494). New York: Macmillan.
Shen, B., Cheng, A., y Guan, J. (2007). Using achievement goals and interest to predict
learning in physical education. Journal of Experimental Education, 75 (2), 89-108.
Soric, I., y Palekcic, M. (2009). The role of students interests in self-regulated learning: The
relationship between students interests, learning strategies and causal attributions.
European Journal of Psychology of Education, 24 (4), 545-565.
VanBlerkom, L. (1992). Class attendance in an undergraduated course. Journal of Psychology,
126 (5), 487-494.
Vivo, J.M., & Franco, M. (2008). How does the accuracy of academic success predictors
assess? ROC analysis applied to university entrance factors. International Journal of
Mathematical Education in Science and Technology, 39 (3), 325-340.
Zeidner, M. (1991). Test anxiety and aptitude test performance in an actual college admission
testing situation: Temporal considerations. Personality and Individual Differences. 12, 101109.
Hauff y, H. M. y Fogarty, G.J. (1996) Analysing problem solving behaviour of successful and
unsuccessful students. Instructional Science, 24, 397-409.
Hosmer, D.W., & Lemeshow, S. (2000). Applied Logistic Regression (2 Ed.). New York,
Chichester, Wiley.
Krause, U., Stark, R., y Mandl, H. (2009). The effects of cooperative learning and feedback on
e-learning statistics. Learning and Instruction, 19, 158-170.
Lehtinen, E., y Riu, E. (1995). Computer-supported complex learning: An environment for
learning experimental methods and statistical inference. Machine-Mediated Learning, 5
(3&4), 149-175.
Metz, C.E. (1986). ROC methodology in radiologic imaging. Invest. Med., 8, 720-733.
Murtonen, M., y Lehtinen, E. (2003). Difficulties experienced by education and sociology
students in quantitative method courses. Studies in Higher Education, 28 (2), 171-185.
Oliver, A., Sancho, P., Sancerni, D. y Pomer, C. (2011, Mayo). Utilidad de la retroalimentacin
grupal como estrategia docente en distintos mbitos de la EEES. Poster presentado en el
VIII Foro sobre la Evaluacin de la Calidad de la Investigacin y de la Educacin Superior.
Santiago de Compostela, SPN.
74
75
RECURSOS INNOVADORES PARA LA EVALUACIN DE

COMPETENCIAS EN ASIGNATURAS DE ESTADSITCA
Seguimiento y evaluacin online de trabajos de prcticas

en asignaturas de Estadstica
David Montaner (1)(2)
(1) Departamento de Bioinformtica
Centro de Investigacin Prncipe Felipe
c/ Eduardo Primo Yufera, 3.
46012, Valencia, Spain.
dmontaner@cipf.es
(2) Departamento de Estadstica e Investigacin Operativa.
Facultad de Matemticas.
Universidad de Valencia.
c/ Dr. Moliner, 50
46100, Burjassot
Valencia, Spain.
david.montaner@uv.es
RESUMEN
Esta es una idea que llev a cabo para el seguimiento y evaluacin de las prcticas realizadas
por los 94 alumnos de la asignatura de Tcnicas de Investigacin Cuantitativa y Cualitativa en
la Licenciatura en Criminologa de la Universidad de Valencia.
El objetivo de la clase era que los alumnos se familiarizasen con el software de anlisis de
datos y aprendiesen a interpretar los resultados del mismo. El reto para mi era seguir el
progreso de cada alumno as como evaluar su trabajo.
Lo primero que hice fue definir una estructura general de datos que contuviese las variables
necesarias para el desarrollo de las prcticas. Lo siguiente fue definir, sobre stas variables, un
conjunto de preguntas que cubriese el temario de la asignatura. Adems dichas preguntas
deban de ser "tipo test".
El tercer paso fue generar los datos. La novedad que introduje fue la de simular, no un conjunto
de datos igual para todos los alumnos, sino un conjunto de datos diferente para cada alumno.
Todos ellos tenan la misma estructura predefinida as que se les poda hacer las mismas
preguntas estadsticas, pero la respuesta para cada alumno era diferente.
Por mi parte realic de forma automtica el anlisis de todos los conjuntos de datos con lo que
obtuve las respuestas correctas para cada uno de ellos.
79
El ltimo paso fue generar un formulario web en el que cada alumno subira sus respuestas.
adems, proveerles de un universo que pudiesen conceptualizar fcilmente. Sobre este
Yo, de forma tambin automtica, comparaba las respuestas de los alumnos con las
universo,
respuestas correctas y generaba una tabla indicando cuales estaban bien y cuales no.
necesariamente abstractos, incluidos en el temario de la asignatura de estadstica. En mi
Semanalmente publicaba sta tabla y as los alumnos saban en que preguntas estaban
ejemplo, plantee que se estaba realizando un estudio de los diferentes distritos de una ciudad y
fallando y tenan la oportunidad de revisar y corregir su anlisis.
que cada alumno se hara cargo de analizar los datos de uno de los distritos.
INTRODUCCIN
El paso siguiente fue concretar los detalles de la investigacin; especificar las variables que
acotado
manejable,
sera
ms
asequible
representar
los
conceptos,
iban a medirse en cada uno de los distritos inventados y crear la historia que justificaba el
Durante el curso 2009/2010 impart las clases prcticas de la asignatura Tcnicas de
muestreo de cada una de ellas. Defin una estructura general de datos igual para todos los
Investigacin Cuantitativa y Cualitativa en la Licenciatura de Criminologa de la Universidad de
distritos. Esta estructura deba contener los diversos tipos de variables necesarios para
Valencia. El objetivo de stas sesiones prcticas era que los alumnos se ejercitasen en la
ejercitar todas las prcticas del temario: calcular medias, medianas, correlaciones y dems
utilizaron de software de anlisis de datos a la vez que repasaban los conceptos estadsticos
estadsticos. Adems, estas variables deban medir magnitudes fcilmente comprensibles. De
bsicos, explicados durante las clases tericas. En aquel curso las clases prcticas se
sta forma el esfuerzo de los estudiantes se dirigira a entender las caractersticas de los
realizaban con Excel o alguna otra hoja de clculo, pero, como se ver a continuacin, la
diversos estimadores estadsticos y no a comprender o discutir la naturaleza de la propia
metodologa de trabajo y evaluacin que utilic puede ser fcilmente extrapolada a clases
variable.
prcticas realizadas con cualquier otro tipo de software o procedimiento de clculo.

En mi experimento inventado, el objetivo de la investigacin era estudiar algunas
En aquel curso hubo un total de 94 matriculados. Adems asistieron algunos otros estudiantes
caractersticas socioeconmicas de las familias que vivan en cada uno de los distritos de la
ms que por motivos de agenda no podan acudir a las clases que oficialmente les
ciudad. Para acotar mejor el universo en el que desarrollar las prcticas, la supuesta
correspondan. En las clases prcticas los alumnos se repartan en dos grupos de entre 50 y
investigacin se restringira solamente a las familias formadas por parejas casadas. Las
60 estudiantes cada uno. Estas clases se realizaban en un aula con ordenadores. En cada
variables que supuestamente se observaran en cada familia serian:
sesin se proponan varios ejercicios prcticos a los estudiantes que los iban resolviendo con
los ingresos anuales del varn medidos en euros (ingV).
los ingresos anuales de la mujer medidos en euros (ingM).
El gran nmero de alumnos por clase dificultaba la dinmica de las prcticas; pero an ms
el nmero de hijos varones de la pareja (NhijosV).
complicado resultaba el seguimiento y evaluacin del trabajo de cada estudiante. Me vi
el nmero de hijas mujeres de la pareja (NhijosM).
entonces obligado a buscar alguna metodologa que me permitiese automatizar las tareas ms
la indicacin de si la familia se consideraba religiosa o no (relig).
ayuda de la hoja de clculo y con el apoyo del profesor de prcticas.
rutinarias como por ejemplo la recogida y lectura de trabajos. La frmula deba adems
permitirme involucrar al mximo a los estudiantes y conseguir que su tiempo se centrase,
principalmente, en las tareas de aprendizaje. Por ltimo deba conseguir un mtodo de
evaluacin lo ms objetivo y justo, pero que a la vez me permitiese cubrir todo el temario de la
Para estas cinco variables es posible hacer preguntas que, al responderse usando mtodos
estadsticos, permitan cubrir todo el temario de prcticas de aquel ao. En cualquier caso la
metodologa podra ser vlida para otros temarios ms complejos, quizs utilizando otro
conjunto ms amplio de variables.
asignatura.
El siguiente paso fue generar una lista de preguntas coherentes con la investigacin planteada
y las variables descritas para el muestreo. Estas preguntas deban ser tales que, para
METODOLOGA
responderlas, los estudiantes necesitasen aplicar los conceptos explicados en la asignatura y

Lo primero que hice fue inventar una situacin experimental que pudiese ser creble e
hacer los clculos necesarios utilizando el software disponible. Deba intentar adems que las
interesante para los alumnos. De sta forma consegu, por una parte, atraer su atencin y,
cuestiones se formulasen no en terminologa estadstica sino en lenguaje comn, y que fuesen
80
81
los propios estudiantes los que realizasen la formalizacin tcnica estadstica de las mismas.
que introduje fue la de simular, no un conjunto de datos igual para todos los alumnos, sino un
Por ultimo las respuestas a las preguntas deban poder corregirse automticamente. Para
conjunto de datos diferente para cada alumno; en mi ejemplo simul los datos de un distrito
conseguir esto hice dos clases de preguntas: la primera clase seran preguntas tipo test,
diferente para cada alumno. De sta forma la misma pregunta tena una respuesta diferente
adjuntando a cada una de ellas una lista cerrada de posibles soluciones en la que slo una
para cada alumno, evitando as que las respuestas pudiesen ser directamente copiadas.
sera correcta. El segundo tipo de preguntas tendra como respuesta un nico nmero, cifra o
identificador de forma que, mediante una rutina sencilla se podra comprobar si dicha respuesta
Para llevar a cabo la simulacin y completar la estructura de 5 variables descrita ms arriba
era correcta o no.
genere dos programas en R.
Algunos ejemplos de las preguntas concretas fueron:
El programa 1 tena la siguiente particularidad: la distribucin final de cada una de las variables
as como las relaciones entre ellas, dependan de varios parmetros que se fijaba al principio
Cul es el tamao de la muestra recogida en tu distrito?
del programa. Por ejemplo, el tamao del conjunto de datos, es decir, el tamao muestral del
Sabiendo que se ha muestreado un 1% de la poblacin de la ciudad Cuntas parejas
supuesto distrito estaba fijado como parmetro del programa 1. La correlacin entre los
casadas hay censadas en el distrito? Recuerda que se ha del total de parejas casadas
ingresos anuales de los hombres y de las mujeres era tambin un parmetro fijado y definido al
del distrito.
principio del programa 1 y lo mismo ocurra con las medias y desviaciones estndar de estas
Cul es el ingreso medio de una pareja?
dos variables. Una vez estaban fijados estos parmetros, las dos variables se completaban con
Cul es el ingreso medio de una pareja en la que no trabaja la mujer?
simulaciones de una distribucin normal bivariante indexada por los mismos.
Cul es el ingreso mximo registrado en los individuos?
En que pareja encuentras este ingreso mximo?
El programa 2, simulaba a su vez los parmetros requeridos por el programa 1 y luego
Como es la correlacin entre los ingresos de los varones y los de las mujeres?
ejecutaba el programa 1 en s, generando los diferentes conjuntos de datos correspondientes a
Positiva
los diferentes distritos y que serian asignados a cada uno de los alumnos. Por ejemplo, los
Negativa
No estn correlacionados
tamaos mustrales de los distritos seguan una distribucin normal de media 1000 y
desviacin estndar 10. La correlacin entre los ingresos de los hombres y las mujeres se
simulaban a partir de una distribucin uniforme de rango (-1, 1).
Sabiendo esto diras que:
En general en el distrito, los ingresos de los dos cnyuges tienden a ser altos o
Con esto, para cada alumno, o distrito, el programa 2 hacia una simulacin de los parmetros
bajos de la MISMA forma: cuando el varn tiene ingresos altos la mujer tambin y
que definan la estructura y relacin entre las variables y luego llamaba al programa 1,
cuando la mujer tiene ingresos bajos el varn generalmente tambin los tiene
utilizando dichos parmetros, para generar el conjunto de datos simulado para el distrito.
bajos.
En general en el distrito, los ingresos de los dos cnyuges tienden a ser altos o
El siguiente paso en proceso fue el de generar las soluciones correctas para cada alumno,
bajos de forma OPUESTA: cuando el varn tiene ingresos altos la mujer los tiene
segn los datos que para el o ella se haban simulado. Esta tarea tambin la lleve a cabo con
bajos y viceversa.
una rutina de R. Mi programa ejecutaba un bucle que en cada iteracin lea uno de los
En general no hay una relacin entre los ingresos de varones y mujeres: si un
conjuntos de datos simulados, lo analizaba y salvaba las respuestas correctas para dicha
varn tiene los ingresos altos la mujer puede tenerlos altos o bajos
simulacin en una tabla. Esta tabla sera utilizada ms tarde para evaluar si las respuestas de
independientemente.
cada alumno eran correctas o no.
Una vez definida la estructura de datos y las cuestiones a responder, el siguiente paso fue
generar un conjunto de datos real sobre el que los alumnos pudiesen empezar a trabajar. Para
ellos realic una simulacin utilizando el lenguaje de programacin estadstica R. La novedad
82
El ltimo paso que me quedaba era el de automatizar la recogida de los datos. Para ello
organic las preguntas segn las secciones del temario de la asignatura. Para cada seccin
83
del temario gener un formulario web en el que cada alumno poda introducir sus respuestas
Consegu tambin que la mayora de los alumnos trabajase de forma continuada a lo largo del
para las preguntas de esa seccin. En la cabecera del formulario, el alumno deba introducir su
curso, pero dejando adems mucha flexibilidad de organizacin a cada uno. Puesto que todo el
nombre y numero de identificacin para poder trazar las respuestas.
ejercicio estaba propuesto desde el principio, cada alumno poda gestionar el anlisis que le
corresponda al ritmo que le fuese ms conveniente. De sta forma, cada alumno poda dedicar
Peridicamente yo recoga estos resultados y con una ltima funcin de R comparaba las
el tiempo de prcticas a trabajar las preguntas que le suponan una mayor dificultad, y pasar
respuestas de cada alumno con las correctas que yo mismo haba generado. Este ltimo
rpidamente sobre los conceptos que ya tena aprendidos. Consegu as que la clase de
programa generaba, para cada alumno, dos tablas. Una en la que se indicaba qu preguntas
prcticas fuese muy dinmica y que las dificultades concretas que pudiesen surgir a algunos
eran correctas y cules no. Otra en la que simplemente se replicaba la respuesta que yo haba
alumnos no ralentizase el trabajo de quien no tena esa misma dificultad.
obtenido a travs del formulario. Esta ltima tabla serva simplemente para que los alumnos
pudiesen comprobar que los errores no eran simplemente tipogrficos o provocados por
Otra de las ventajas de sta metodologa fue la de fomentar grupos de trabajo en los que todos
escribir mal la respuesta en el formulario.
los miembros eran necesariamente activos. Los alumnos podan trabajar en grupo para
encontrar la forma ptima de resolver cada una de las respuestas. Sin embargo todos deban
Ms detalles sobre el proceso, los formularios o el cdigo en R pueden encontrarse en la
aprender y comprender la forma de aplicar la metodologa estadstica a sus datos. A nadie le

serva simplemente con copiar una respuesta de sus compaeros porque todas eran
siguiente pgina web www.dmontaner.es.
diferentes.
RESULTADOS
La ultima ventaja, y quizs la ms interesante desde el punto de vista de la docencia en
Los resultados de sta experiencia fueron bastante satisfactorios.
La ventaja ms obvia fue la de reducir al mnimo el tiempo necesario para recoger y evaluar las
prcticas de los alumnos ya que estas dos tareas estaban prcticamente automatizadas. El
nico trabajo que tena que hacer en este sentido era el de recoger los datos del formulario
estadstica, es que, al final del curso, todos los alumnos haban visto los datos y resultados del
anlisis no de un nico conjunto de datos sino de muchos de ellos. El ver que la misma
metodologa estadstica, empleada para resolver la misma pregunta de investigacin, daba
resultados diferentes aunque correctos en las diferentes muestras, ayudo a los alumnos a
comprender mejor el concepto de variabilidad aleatoria.
web, ejecutar el programa de R de correccin de los mismos y subir los ficheros de evaluacin
a la web de clase donde los alumnos podan mirarlos cuando quisieran.
CONCLUSIONES
Adems, al hacerse la evaluacin de forma automatizada, sta resultaba ms equitativa, ya
A partir de la experiencia descrita en ste artculo podemos extraer las siguientes conclusiones:
que no dependa de mi estado anmico ni de mi relacin con los alumnos. De sta forma
evitamos las clsicas discusiones sobre la puntuacin de resultados que ocurren a menudo
ente profesores y alumnos cuando los ejercicios propuestos tienen una mayor flexibilidad en su
Es perfectamente viable utilizar conjuntos de datos simulados especficamente para cada

alumno en clases prcticas de asignaturas de estadstica.
interpretacin. Todas las preguntas, as como sus puntuaciones, estaban disponibles desde el
La utilizacin de un conjunto de datos diferente para cada alumno impide que los alumnos se
principio de curso. De sta forma no haba lugar a equvocos o diferencias en las
copien las prcticas unos a otros y obliga a cada uno a comprender la metodologa que est
interpretaciones.
empleando. Adems fomenta el trabajo colaborativo,
Como contrapartida, hacer todos los preparativos del curso, programar las simulaciones, las
Es viable la recoleccin de los resultados presentados por los alumnos mediante la utilizacin
preguntas, los formularios... fue un trabajo arduo; pero en ltimo caso ms gratificante, para mi,
de formularios web sencillos. De sta forma se reduce al mximo el tiempo dedicado a la
que leer las casi 100 trabajos iguales cada vez que hubiese sido necesario evaluar una tarea
correccin y evaluacin de los ejercicios prcticos.
del curso.
84
85
Automatizacin en la realizacin y evaluacin de actividades

El enfoque aqu descrito permite que, de forma natural, cada estudiante gestione mejor su
tiempo de prcticas, dedicndolo a mejorar los aspectos de la materia en los que ms
docentes en disciplinas de perfil cuantitativo en entornos

masivos: El caso de Estadstica Econmica y Empresarial II
dificultades encuentra.
Esta forma de evaluar es ms justa y equitativa adems de primar y fomentar la consecucin
Jordi Lpez-Tamayo (1)
de objetivos.
Con conjuntos de datos de relativamente pocas variables se pueden cubrir temarios muy
amplios.
Grupo de Innovacin Docente de Anlisis de Datos en Economa y Empresa

Departamento de Econometra, Estadstica y Economa Espaola
Universidad de Barcelona
jlt_lopez@ub.edu
Si bien es necesario realizar un trabajo extra en la preparacin de este tipo de prcticas, una
vez generada, la infraestructura es muy reutilizable de un ao para otro ya que no hay que
desarrollar preguntas nuevas cada curso.
RESUMEN
Para poder desarrollar sta dinmica es necesario manejar, aunque sea de forma sencilla,
algn lenguaje de programacin como R y tener la capacidad de generar los formularios web.
(En cualquier caso estos requisitos tcnicos son cada vez ms asequibles y fciles de
implementar)
Las asignaturas cuantitativas en entornos masivos merecen un captulo aparte en lo que respecta a la
realizacin de actividades que permitan el desarrollo de determinadas competencias transversales y
especficas del grado, as como las especficas de la disciplina que cursa el estudiante. Desde el Grupo
de Innovacin Docente de Anlisis de Datos en Economa y Empresa hemos desarrollado diferentes de
Como en cualquier otro curso, es siempre ventajoso tener el material completo del curso antes
estrategias para conseguir dichos objetivos, tanto por inquietudes personales de sus diferentes
de empezar el mismo. Esto permite que los alumnos gestionen mejor su tiempo, asegura que
miembros, como por la imperiosa necesidad de adaptar las disciplinas en las cuales impartimos docencia
el material contiene menos errores y que se cumplen los objetivos indicados en el programa de
a la nueva realidad que se configura dentro del Espacio Europeo de Educacin Superior. El presente
la asignatura.
trabajo pretende sintetizar un procedimiento automatizado para evaluar contenidos y competencias en la

disciplina de Estadstica Econmica y Empresarial del grado de Economa, en la que actualmente un
profesor realiza docencia de 101 individuos. A continuacin se desarrollan las dos partes del
AGRADECIMIENTOS
procedimiento. La primera de ellas consiste en el suministro de datos personalizados para cada
Quiero agradecer la revisin y correcciones de Francisco Garca-Garca, compaero en el

departamento de Bioinformtica del Centro de Investigacin Prncipe Felipe y tambin en el
Departamento de Estadstica e Investigacin Operativa de la Universidad de Valencia.
estudiante con los cuales ha de realizar una de las cuatro prcticas que se le asignar de forma
totalmente aleatoria. Este procedimiento permite que cada estudiante haya de obtener, necesariamente,
resultados cuantitativos diferentes, que haya asimilado los contenidos y haya desarrollado las
competencias para realizar la actividad. El objetivo de la segunda parte es controlar que ha sido el
estudiante y no otra persona, el que ha realizado la practica. Para ello, los estudiantes han de realizar, en
REFERENCIAS
presencia del profesor, un cuestionario on-line individualizado que aborda aspectos metodolgicos que
se han de conocer si se ha realizado la prctica.
Lenguaje de programacin R: http://r-project.org/
86
87
tericos/empricos on-line (2,5% de la calificacin final cada uno), vinculados a la previa visualizacin de
INTRODUCCIN
vdeos en los que el profesor realiza la resolucin de algunos ejercicios. En estos cuestionarios se
Desde mi punto de vista, no cabe discutir que la configuracin del nuevo Espacio Europeo de Educacin
a la parte del temario relacionada con el video. La calificacin se completa con una prueba final clsica
Superior nos brinda un marco para desarrollar una docencia de ms calidad que la que se ha venido
que en el vigente plan de estudios computa un 70% de la calificacin final.
plantean diferentes propuestas numricas para la resolucin del ejercicio o aspectos tericos vinculados
realizando, en trminos generales, durante las ltimas dcadas en Espaa. Esta afirmacin se basa en
el hecho de que determinadas prcticas docentes en las que los alumnos tenan ms participacin y que
no eran de uso generalizado, de alguna manera u otra, ahora debern extenderse a casi todas las
METODOLOGA
disciplinas. El resultado final es que en trminos generales debera subir la calidad de la docencia que
El procedimiento que se plantea a continuacin tiene tres partes. En la primera se suministra al
impartimos en este pas.
estudiante, de forma personalizada, la informacin con que ha realizar la actividad, ste la realiza y
Dicho esto, dentro de este nuevo marco en que se potencia la adquisicin de competencias por parte del
estudiante, de forma que los profesores ya no slo debemos valorar el aprendizaje de los contenidos de
nuestras disciplinas, sino que adems, hemos de potenciar la praxis de competencias, su
implementacin y su evaluacin, tarde o temprano todos nos hemos tenido que formular una pregunta:
cmo? Si bien a nivel conceptual parece que las definiciones empiezan a estar claras, no estoy tan
tramita al profesor sus soluciones. En la segunda, el docente realiza la evaluacin de la prueba.

Finalmente, en la tercera se realiza la verificacin de que el alumno posee los conocimientos (contenidos
y competencias) necesarios para realizar la actividad. Verificar si la ha hecho realmente, o no, parece
poco probable si no se vive con el estudiante. Esto se podra solventar con 100 entrevistas individuales
pero, como todos sabemos, los cometidos del profesor universitario no son slo impartir clases.
convencido de que se haya avanzado mucho en contestar a esta pregunta. Sobre todo si la pregunta la
tienes que contestar cuando te notifican que el nmero de estudiantes matriculados en la disciplina en la
Suministro de la informacin personalizada a cada alumno.
que impartes docencia no son 20 estudiantes, ni 30, ni tan slo 50. El volumen de estudiantes de los que
se te responsabiliza de su proceso de aprendizaje ronda o sobrepasa los 100.
Archivo de datos:
La propuesta que planteo en este trabajo pretende ayudar en la implementacin de actividades en
A partir del NIUB
disciplinas de carcter cuantitativo en el que la actividad docente se realice en entornos de grupos
de forma aleatoria la informacin que se suministra a cada estudiante un archivo personalizado que lleva
grandes. En dicho entorno se presenta una disyuntiva que a primera vista se antoja insalvable. Por un
por nombre dades_pr1_[su NIUB].XLSX13:
12
(Nmero de Identificacin de la Universidad de Barcelona) de cada alumno se genera
lado la necesidad de realizar actividades que potencien la asuncin de competencias y la necesidad de

ser evaluadas y, por el otro, verificar que ha sido el estudiante, y no otra persona, el que ha realizado la
Este archivo presenta la siguiente informacin:
actividad, potenciando, en este sentido, el compromiso tico por parte del estudiante.
As, esta propuesta enmarcada en este entorno de perfil cuantitativo, se concreta en la disciplina de
NIUB: Nmero de Identificacin de la Universidad de Barcelona.
ALFA: Nivel de significacin con el que trabajar (generado de forma aleatoria entre 0.01 i 0.15):
Estadstica Econmica y Empresarial II del Grado en Economa de la Universidad de Barcelona. Esta
TIPUS: Tipo de prctica (generada de forma aleatoria entre 1 y 4).
asignatura se cursa en segundo cuatrimestre del segundo curso, forma parte de la formacin bsica y
X: Variable que sigue una distribucin normal con media y varianza desconocida (generada de
forma aleatoria a partir del NIUB).
tiene asignados un total de 6 crditos.
Y: Variable que sigue una distribucin normal con media y varianza desconocida (generada de
forma aleatoria a partir del NIUB). Diferente de X.
La actividad que han de realizar los estudiantes es obtener intervalos de confianza para diferentes
parmetros poblacionales (media, varianza y proporcin), as como realizar contrastes de hiptesis
paramtricas sobre determinados valores poblacionales (diferencia de medias, de varianzas y de
proporciones). Es una actividad que en el plan de estudios actual est valorada en un 10% de la
calificacin final. Otro 10% se obtendra de una prctica de similares caractersticas, pero basada en el
modelo de regresin lineal simple. Otro 10% consiste en la realizacin de cuatro cuestionarios
88
12
En caso de que la universidad no disponga de un nmero especfico de identificacin del alumno, se pueden
utilizar los caracteres numricos del DNI.
89
V: Variable que sigue una distribucin binomial de parmetros desconocidos. (generada de
Archivo de Soluciones:
forma aleatoria a partir del NIUB).
W. Variable que sigue una distribucin binomial de parmetros desconocidos. (generada de
El archivo de soluciones (solucio_[su NIUB].XLSX) presenta la informacin personal del alumno para
forma aleatoria a partir del NIUB). Diferente a V.
la realizacin de la prctica: NIUB, ALFA y el tipo de prctica (Tipus) que se le ha suministrado y que ha
de coincidir con la informacin del archivo de datos.
A partir de aqu el estudiante ha de realizar la prctica con Excel
14
y sustituir los NAs por las soluciones
numricas que l proponga (teniendo en cuenta que los decimales, como mximo tres, han de tener el
smbolo .), grabar el archivo con el mismo nombre y tramitarlo al profesor.
a) Correccin de la prueba i suministro del informe personalizado al alumno con los resultados
obtenidos
Archivo de Correcciones:
Una vez recibidos en la fecha estipulada todos los archivos de todos los estudiantes, el profesor corrige
la prctica de todos los alumnos de forma automatizada
15
y enva al estudiante un archivo
correccio_pr1_[su NIUB].PDF como el que se presenta a en la figura 3.
Figura 1. Captura de pantalla del archivo de datos suministrado al estudiante.
Como se puede observar, el archivo presenta las soluciones que envi el estudiante, los datos correctos
de la solucin y la valoracin que se ha realizado. A modo de ejemplo, el estudiante a cuyo archivo

pertenece la figura 3 ha:
Acertado dos respuestas de 0,8: 0.8x4=3.2 puntos.
Acertado una respuesta de 0,5: 0,5x1=0,5
Errado dos respuestas: 0 x 2 =0 puntos.
Calificacin final:
3,7 sobre 5 puntos posibles
NOTA: Se aplica una tolerancia de +/ 5%.
Figura 2. Captura de pantalla del archivo de soluciones suministrado al estudiante.

procedimiento se podra haber implementado con cualquier otro tipo de software que permita el cmputo matricial
software libre.
14
Se ha escogido Excel por dos motivos fundamentales: en primer lugar el hecho de que con tantos estudiantes es
muy complicado, hoy por hoy, realizar aprendizaje en las aulas de informtica de forma mnimamente operativa. En
segundo lugar, que dicha herramienta ofimtica est disponible en todos lo ordenadores. Se ha desechado Scalc de
OpenOffice dado que presenta problemas de convergencia en determinadas distribuciones. Se sopesa la alternativa
en un futuro de realizar un cambio a Gnumeric: http://projects.gnome.org/gnumeric.
15
13
Tanto el archivo de datos, el de soluciones y el de correccin han sido generado con el software libre: R. Dicho
90
Un programa en R se ocupa de cargar los datos del cada alumno, realizar los clculos pertinentes para cada
alumno, cargar el archivo de respuestas de cada alumno y generar el archivo correccio_pr1_[su NIUB].PDF.
91
Cabe resear que la utilizacin de Moodle reduce de forma substancial el trabajo a realizar, no obstante,
dicho cuestionario de control se puede implementar de diferentes formas alternativas dependiendo de las
posibilidades del centro en el que se imparta la docencia.
Para completar esta breve explicacin del procedimiento se suministra, en el Anexo 1, el documento de
instrucciones para la realizacin de la prctica y, en el Anexo 2, una de las cuatro prcticas que le puede
tocar de forma aleatoria a un alumno. Respecto al primero de los documentos, en l, se especifica cmo
se implementa el suministro de los archivos de datos y soluciones, cmo ha de introducir la informacin
el alumno y, finalmente, cmo se le suministrar la correccin de la actividad. Todo ello se realiza dentro
del espacio de que dispone la disciplina en el marco del Campus Virtual UB, implementado en Moodle.
Figura 3. Captura de pantalla del archivo de soluciones suministrado al estudiante.

b) Realizacin de la prueba on-line de verificacin de realizacin de la prctica
Una vez corregidas las prcticas queda algo muy relevante: verificar que el alumno tiene la capacidad de
haber realizado la prctica. Para ello se ha implementado un cuestionario on-line con preguntas
vinculadas a los pasos y/o clculos que ha tenido que realizar el alumno para obtener los resultados que
tramit al profesor. Este cuestionario, por cuestiones obvias, se ha de realizar en presencia del profesor,
tiene limitado el tiempo a 15 minutos y se han de contestar 5 preguntas:
Figura 4. Captura de pantalla de una de las preguntas del cuestionario on-line que ha contestar
el estudiante.
Un pregunta sobre cmputos bsicos en Excel.
Cuatro peguntas vinculadas a las frmulas en Excel que se utilizan para hacer cmputos de las
distribuciones de probabilidad: Normal, T-Student, 2 y F-Snedecor.
El aplicativo del Campus Virtual UB basado en Moodle16, permite asignar una pregunta aleatoria de cada
Referencias
bloque a una pregunta del cuestionario. Adems, permite que dichas preguntas aparezcan en diferente
orden por cada cuestionario y mezclar las soluciones de forma que visualmente estas sean diferentes
Carlberg, C. (2011): Anlisis Estadstico con Excel. Anaya Multimedia. 2011. Madrid.
casi para cada alumno. En este sentido, cuantas ms preguntas se introduzcan en el banco de
Crawley, M. (2007): The R-Book. John Wiley & Sons, Ltd, The Atrium, Southern Gate, Chichester.
England
preguntas, ms probabilidades hay de que los estudiantes dispongan de un cuestionario diferente a

cumplimentar. La figura 4 muestra una captura de pantalla de una de estas preguntas.
16
Lara, J.M. Moodle. Manual de referencia para

http://docs.moodle.org/19/es/Manuales_de_Moodle
En caso de estar interesado en el funcionamiento de dicha plataforma: http://moodle.org/
92
93
el
profesorado
(Versin
1.9).
En
ANNEXO 1. ARCHIVO CON EL ENUNCIADO DE LA PRCTICA 1.

ENUNCIADO TIPO 1 QUE SE LE SUMINISTRA AL ESTUDIANTE.
(Traducido del cataln).
PRCTICA DE INFORMTICA 1. INTRVALO DE CONFIANZA Y CONSTRASTED

DE HIPTESIS PARAMETRICAS
TIPOS DE PRACTICA 1.
En archivo dades_tu niub.xlsx (lo puedes abrir directamente con Excel), dispones de la siguiente
informacin:
NIUB: Tu NIUB.
ALFA: El nivel de significacin con el que debers realizar la prctica.
TIPUS: El tipo de prctica que has de hacer.
X: Una muestra aleatoria de tamao nx de la variable que sigue la distribucin: X N X , X .
Y: Una muestra aleatoria de tamao nY de la variable que sigue la distribucin: Y N Y , Y .
V: Una muestra aleatoria de tamao nV de la variable que sigue la distribucin: V B nV , V
W: Una muestra aleatoria de tamao nW de la variable que sigue la distribucin: W B nW , W
Se trata de que resuelvas las siguientes cuestiones utilizando la herramienta ofimtica Excel.
1. Obtener tres intervalos de confianza:
1.1.- Amplitud del intervalo de confianza para la Media Poblacional de la variable X (0.8 puntos).
1.2.- Amplitud del intervalo de confianza para la Varianza Poblacional de la variable Y (0.8 puntos).
1.3.- Amplitud del intervalo de confianza para
puntos).
la Proporcin Poblacional de la variable V (0.8
2. Realizar el siguiente contraste de hiptesis:
H 0 : V W
H 0 : V W
2.1.- Cul es el estadstico del contraste? (0.8 puntos).

2.2.- Se rechaza H0? SI 2, NO 1. (0.5 puntos).
3. Realizar el siguiente contraste de hiptesis:
H 0 : X2 Y2
2
2
H 0 : X Y
3.1.- Cul es el estadstico del contraste: (0.8 puntos).

3.2.-Se rechaza H0? SI 2, NO 1. (0.5 puntos).
PD. Para saber como entregar los resultados de la prctica a tus profesores, consulta las instrucciones
que a tal efecto encontrars en el Campus Virtual de la asignatura, en el apartado de Prcticas.
94
Evaluacin continua de adquisicin de conocimientos en

ECONOMETRA. Un caso a estudio(*)
Bernard Cabrer (1), Paz Rico (2), Guadalupe Serrano (3)
Departamento de Anlisis Econmico
Avda. Tarongers s/n, 46022 Valencia
(1) cabrer@uv.es
(2) paz.rico@uv.es
(3) Guadalupe.Serrano@uv.es
RESUMEN
El presente trabajo tiene como objetivo sintetizar un mtodo reglado que pretende evaluar de forma
continua los contenidos y competencias adquiridas en la disciplina de Econometra. El alumno debe
realizar un trabajo que se va entregando y evaluando mediante la realizacin de distintas etapas. A
cada alumno se le asigna informacin sobre una empresa diferente. De esta forma, se pretende, por
un lado, motivar al alumno, puesto que se trata de informacin sobre empresas reales y, por otro,
conseguir, a travs de cada entrega, que el estudiante asimile y vea la utilidad y la aplicacin de los
conceptos, tcnicas y contenidos expuestos en las clases. Este mtodo de aprendizaje garantiza que
cada alumno trabaja de forma individualizada, aunque se permite la interaccin entre los estudiantes,
lo cual tambin resulta beneficioso en su aprendizaje. Este procedimiento ha sido implementado en la
doble titulacin ADE-Derecho obteniendo resultados significativamente mejores, tanto en la
participacin como en el nmero de aprobados y en la nota media de grupo, que los obtenidos en un
curso estndar de Econometra.
(*) Este trabajo ha sido subvencionado por los proyectos: CSO 2009-11246 y ECO 2011-27619.
97
bien conocido que, en ocasiones, la evaluacin de todos los conocimientos adquiridos mediante la
realizacin de una prueba final, puede verse afectada por condicionantes externos (factores
ambientales o fsicos) que puede desvirtuar los conocimientos que realmente tiene el alumno.
INTRODUCCIN
Adems, no suele estar orientado hacia la formacin. Es decir, el examen final no es un instrumento
que sirva para motivar al alumno a asistir y participar activamente en clase, ni siquiera para hacer un
La evaluacin de los conocimientos adquiridos por los alumnos es una tarea que los
docentes no podemos descuidar y a la que debemos dar una importancia mayor de la que vena
teniendo en la enseanza tradicional. Adems, debemos saber cmo explotar en beneficio del
alumno, puesto que la evaluacin puede tener tambin una funcin formativa, Morales (2007).
seguimiento continuado y provechoso de las tutoras. Es habitual encontrar el caso de alumnos que
empiezan a estudiar cuando faltan pocas semanas para el examen, lo que conlleva una deficiente
preparacin y lagunas importantes en la comprensin de la asignatura. Por esta razn, en la doble
titulacin de ADE-Derecho, en la que desde el principio se aplicaron metodologas basadas en el
tratado de Bolonia, se apuesta por una evaluacin continua de la asignatura, en la que el alumno
Los sistemas de evaluacin continua proporcionan la posibilidad de hacer un seguimiento
debe aplicar los mtodos y tcnicas expuestos en las clases tericas, que ha recibido hasta ese
preciso del proceso de aprendizaje de los estudiantes y del grado en que han desarrollado las
momento, a un caso prctico adecuado para su formacin. Adems, y de formas complementaria,
competencias, Delgado et al. (2005). Asimismo, muchos autores
17
han puesto de relieve la necesidad
de utilizar la evaluacin con finalidades pedaggicas, ya que no solo permite evaluar el aprendizaje
deben tener presentes los conceptos que les han sido explicados para poder contestar unos
cuestionarios de control que se realizan en algunas clases tericas sin previo aviso.
18
sino tambin evaluar para el aprendizaje . Adems, permite proporcionar informacin a los
estudiantes sobre su proceso de aprendizaje y otorgar mecanismos de mejora, lo que hace de la
El trabajo individual propuesto para cada alumno, que sirve de base para la evaluacin continua,
evaluacin un instrumento didctico fundamental en el aprendizaje del alumno.
consta de seis partes o entregas. Por su parte, el programa de la asignatura consta de once temas de
forma que en cada entrega se tiene que aplicar las tcnicas y mtodos expuestos en los dos temas
El objeto de la presente comunicacin es difundir la experiencia evaluadora llevada a cabo en la

19
precedentes, a excepcin de la primera entrega donde se analizan y comentan los datos de la
de la Universitat de
empresa asignada a cada alumno. La idea subyacente es que con este planteamiento, por una parte,
Valncia (UV). Dicha experiencia se ha venido desarrollando durante los ltimos cuatro aos y
el alumno va al da en la asignatura, de lo contrario no puede seguir el ritmo impuesto por las
consiste en la evaluacin continua del alumno de forma complementaria al examen final. Su ventaja
entregas. Por otra parte, los alumnos interactan y cooperan entre ellos, resolviendo dudas,
respecto a otros mtodos ms tradicionales radica en la manifiesta implicacin de los alumnos en el
trabajando en comn y comparando sus resultados para luego, tras la evaluacin de las entregas,
mtodo y el alto grado de asimilacin y capacidad de manejo de los conceptos y tcnicas estudiadas
poder entender y opinar sobre las calificaciones obtenidas. Por ltimo, cabe destacar que el hecho
que ellos muestran. As, esta metodologa se puede implementar fcilmente en asignaturas que,
de que los alumnos tengan que estudiar y repasar los conceptos y tcnicas de forma continuada y
aunque no sean de carcter estrictamente cuantitativo, s que se pueden estructurar en torno a la
acumulativa para poder realizar las seis entregas, exige y motiva al alumno a asistir a las clases,
realizacin de un proyecto, casos prcticos, o incluso en la realizacin de informes. Este mtodo que
tanto tericas como prcticas, y ello redunda en el mejor aprovechamiento de las explicaciones
proponemos, es el fruto de la experiencia acumulada en la evaluacin continua de la asignatura que
recibidas y en las calificaciones finales obtenidas, tal y como se ver en esta aportacin.
asignatura de Econometra Empresarial I de la doble titulacin de ADE-Derecho
ha permitido incorporar mejoras en la metodologa de evaluacin y finalmente se han traducido en

mejoras de la motivacin del alumnado y de sus resultados acadmicos.
El presente trabajo se estructura como se detalla a continuacin. Tras esta introduccin, en el

segundo apartado se ubica la asignatura en el plan de estudios de la doble licenciatura de ADE-
Por nuestra propia experiencia sabemos que la evaluacin a travs de un examen final tiene varios
Derecho. En el tercer apartado, se expone la metodologa docente llevada a cabo y su evaluacin. En
inconvenientes que deseamos superar con una metodologa ms orientada hacia el aprendizaje. Es
el cuarto apartado se presentan y analizan los resultados acadmicos obtenidos por los alumnos,
evidencindose que la metodologa implantada consigue mejorar no solo los resultados acadmicos
sino tambin la participacin de los alumnos. Finalmente, en el quinto apartado se recogen las
principales conclusiones de este trabajo.
17
Coll and Onrubia (1999), Wiliam (2000), Broadfoot and Black (2004) y Mcdonald (2004).
18
Birembaum et al. (2006).
19
Administracin y direccin de empresas (ADE).
98
99
previamente en la clase terica y afianzadas mediante el material complementario sobre las
CONSIDERACIONES PREVIAS
estimaciones contenidas en los casos y esquemas expuestos en el aula virtual.

La asignatura de Econometra Empresarial I se ubica actualmente en quinto curso de la doble
titulacin ADE-Derecho. Es una asignatura troncal en la que el nmero de matriculados en cada
grupo oscila entre 60 y 70 alumnos y la asistencia a clase es obligatoria y el control se realiza
mediante test. El total de alumnos que han participado en esta experiencia ha sido de alrededor de
480. De la doble titulacin ADE-Derecho han salido ya cuatro promociones con un elevado grado de
rendimiento acadmico y en este curso (2011/2012) se ha iniciado una nueva titulacin a travs del
20
doble grado de ADE-Derecho . La doble titulacin de ADE-Derecho ha sido pionera, en el marco de

la UV, en la aplicacin de la metodologa establecida en la firma del tratado de Bolonia. Desde un
METODOLOGA DOCENTE
Uno de los problemas que los profesores de asignaturas cuantitativas (Estadstica, Econometra,
Matemticas) solemos tener es la motivacin de los alumnos. Este tipo de asignaturas les resultan
ms difciles que las asignaturas que requieren bsicamente memorizar y, por tanto, se desmotivan
con facilidad. Por esta razn el profesor tiene que ser capaz de conseguir que el alumno vaya
adquiriendo los conocimientos progresivamente sin que pierda el inters a lo largo del curso.
principio los profesores de la asignatura estuvieron dispuestos a introducir innovaciones educativas

alternativas y/o complementarias a la clase magistral.
Desde el principio, los profesores estuvieron de acuerdo en poner en prctica ideas innovadoras en la
enseanza de la Econometra. Los objetivos que se queran conseguir eran:
La clase terica es una clase magistral, en la que se proyectan los apuntes elaborados por el
profesor de la asignatura y que los alumnos tienen a su disposicin con suficiente antelacin en la
aplicacin para la docencia de la UV, el aula virtual, y se complementa con las explicaciones en la
Lograr una participacin activa de los estudiantes en clase. En esta licenciatura la asistencia
es obligatoria, pero no basta con una asistencia pasiva.
pizarra, la realizacin de ejemplos numricos, y la realizacin de casos con el ordenador del profesor
Que los alumnos adquieran una buena preparacin y conocimiento de la asignatura.
que se proyectan en la pantalla mediante can. Los alumnos disponen en el aula virtual de material
Mayor asistencia y aprovechamiento de las tutoras individualizadas.
abundante para cada tema del programa, como son: el texto del tema, material complementario sobre
el mismo, enunciados de los problemas, problemas resueltos, cuestiones, cuestiones resueltas y el
esquema del trabajo a entregar por cada alumno sobre el tema. As, a travs del material expuesto en
el aula virtual se pretende que el alumno se familiarice con problemas concretos, utilizando datos
reales de una empresa, aplicando las tcnicas y mtodos de anlisis al uso y expuestas en clase. El
Para conseguir estos objetivos, lo que se propuso y se llev a cabo fue un trabajo individual mediante
diversas entregas que permite al alumno fortalecer y poner en prctica los conocimientos adquiridos
en las clases tericas. Este trabajo ha ido modificndose con el objetivo de superar las deficiencias
que hemos ido detectando.
objetivo de este material es doble, por una parte, motivar el inters del alumno sobre la asignatura y,
por otra parte, comprobar la aplicacin de las explicaciones al mundo real.
Histricamente las clases prcticas y la evaluacin continua se plantearon de la siguiente forma:
Las clases prcticas se imparten en aulas provistas de ordenadores. Hay unos treinta ordenadores
por aula, por lo que, al dividir cada grupo terico en dos prcticos, hay suficientes ordenadores para
recogan quincenalmente. Se desestim este procedimiento ya que se detect un mercadeo
cada uno de los alumnos. Adems, algunos alumnos disponen de su ordenador porttil. Las clases
para adquirir los trabajos y la resolucin de los problemas. La motivacin del alumnado no fue
prcticas se estructuran en torno a la rplica, mediante el programa de ordenador economtrico

elegido (Eviews), de las tcnicas economtricas de anlisis adecuadas, que han sido expuestas
Se exiga un trabajo final de curso que deban entregar el da del examen. El modelo a
estimar y los datos eran elegidos por cada alumno. Adems se proponan problemas que se
muy elevada, ya que el nmero de alumnos presentados no fue el esperado.
Se exiga un trabajo final de curso con dos entregas. La resolucin y entrega de los
problemas propuestos era voluntaria si bien se puntuaba. Con el fin de enmarcar el trabajo de
curso se asignaba una empresa de una base de datos a cada alumno. En la primera entrega
el alumno deba elegir el modelo economtrico, por ejemplo: una funcin de produccin, una
20
En estos cuatro aos, la asignatura de Econometra Empresarial I se ha impartido durante los cursos 20082009, 2009-2010 y 2011-2012. En este ltimo curso se imparti al mismo tiempo a los alumnos de quinto curso,
como viene siendo habitual, y a los alumnos de sexto que no la haban cursado el ao anterior, por los ajustes
que la facultad de Economa y Derecho llevaron a cabo para que estos alumnos no se vieran afectados por la
normativa de la nueva ley de la abogaca.
100
funcin de produccin invertida, una funcin de costes, etc; junto con los datos
seleccionados. La segunda entrega, que se deba facilitar el da del examen final, deba
contemplar todos y cada uno de los puntos planteados en el esquema propuesto. El trabajo
101
de cada tem del esquema se poda realizar en las clases prcticas. Se desestim este
evaluacin peridica y acumulativa del alumno, es que su trabajo es especfico, puesto que cada uno
procedimiento ya que se continu detectando un mercadeo para adquirir los trabajos y,
de ellos trabaja con una empresa distinta, lo cual garantiza, que aunque los alumnos cooperen o se
adems, la motivacin, si bien fue ms elevada que con el primer procedimiento, fue inferior a
ayuden entre ellos, su trabajo siempre mantenga un carcter individual. Por ltimo, permite introducir
las expectativas depositadas.
modificaciones en funcin de la propia experiencia y la opinin de los alumnos, a quienes, prximo a
Se exiga un trabajo de curso con seis entregas. Con el fin de fijar el trabajo se le asigna una
finalizar el perodo lectivo, se les pasa un cuestionario sobre el desarrollo de las clases y la
empresa a cada alumno. La informacin de dicha empresa procede de una base de datos
evaluacin continua.
reales sobre empresas (como por ejemplo la SABI). El alumno debe especificar el modelo
economtrico a estimar en funcin de las variables de que dispone, por ejemplo: una funcin
Por ltimo, hay que sealar, con respecto a la evaluacin de la asignatura, que sta se realiza de la
de produccin, una funcin de produccin invertida, una funcin de costes, rentabilidad de la
siguiente forma: la evaluacin continua tiene un peso de hasta el 30% de la nota final, mientras que la
empresa, etc. El trabajo de curso se configura mediante la unin de las entregas realizadas
prueba final, tipo test, aporta hasta el 70% de la nota. De esta forma, un alumno que no participa de
por el alumno, en las que ste debe haber contemplado todos y cada uno de los puntos
la evaluacin continua tiene que sacar un siete en la prueba final para poder superar la asignatura.
planteados en el correspondiente esquema de cada una de dichas entregas.
En el examen final se incluyen preguntas tericas y preguntas prcticas en las que el alumno,
El mencionado esquema de cada entrega se disea de forma que el alumno, al ir resolviendo los
puntos planteados, va aplicando los conocimientos adquiridos en cada tema que se explica en las
algunas veces, tiene que hacer clculos a partir de salidas del programa economtrico utilizado,
Eviews.
clases tericas y prcticas. Dichos puntos de cada entrega se detallan en el Anexo I. Como se podr
comprobar, la exposicin del trabajo a realizar es bastante amplia para que al alumno no le surjan
Las notas o calificaciones de las distintas entregas del trabajo de curso se dan en un plazo mximo
dudas sobre las tareas a realizar. Una vez completados todos los puntos que se solicitan en el
de quince das despus de su entrega y el alumno puede recoger sus entregas debidamente
esquema de cada entrega, se procede a su correccin por parte del profesor (lo que supone un gran
corregidas. Por tanto, los alumnos se presentan al examen conociendo la nota acumulada en la
esfuerzo por parte del profesorado ya que tiene una mproba tarea de correccin de dichas entregas).
evaluacin continua. Quiz aqu, el mtodo de evaluacin propuesto podra sufrir algn tipo de
Asimismo, tambin es recomendable establecer los criterios que se van a utilizar en su evaluacin.
modificacin en el futuro con el fin de poder compensar la nota final, dada la dificultad de obtener la
Conocer esos criterios por parte del alumno facilita la orientacin del aprendizaje. La forma ms
mxima nota en todas y cada una de las entregas, compensacin que podra consistir en contestar
habitual y sencilla de establecer dichos criterios es la utilizacin de las rbricas que los alumnos
algunas cuestiones especficas de las distintas partes del trabajo de curso en la prueba final
21
tienen a su disposicin en el aula virtual. Una rbrica
es una herramienta de puntuaciones en la que
orientadas a subir la nota de la evaluacin continua.
se valora la calidad de la tarea en base a unos criterios establecidos, iguales para todos los alumnos.
Un ejemplo de las rbricas aparece tambin recogida en el Anexo I.
Finalmente, a continuacin se va a comparar la metodologa seguida en nuestras clases con otras

tres metodologas que vienen aplicndose en la Enseanza Superior, como son el Aprendizaje
Conocida la rbrica, el alumno puede solicitar la revisin de su entrega para saber qu puntos ha
desarrollado de forma incompleta o errnea y as, utilizando las tutoras, el alumno tiene acceso a
una va complementaria de aprendizaje a travs de sus propios errores. Es en esta posibilidad donde
radica la bondad del mtodo y su originalidad, ya que permite un feedback entre el profesor y el
Orientado a Proyectos (AOP), el Aprendizaje basado en Problemas (ABP) y el Mtodo del Caso
(MdC). Todas estas metodologas parecen similares puesto que en todas ellas se parte del
planteamiento de un problema o caso, pero en realidad los procesos que se siguen, las capacidades
que se desarrollan y los resultados que se obtienen no son los mismos. En el cuadro 1 se muestran
las similitudes y diferencias de estas metodologas.
alumno para que ste ltimo conozca qu temas debe trabajar ms. Otro beneficio del mtodo es que
obliga al alumno a ir al da con la asignatura, puesto que de lo contrario no puede entrar o
permanecer en el sistema de evaluacin continua. No obstante, dificulta la obtencin de la mxima
calificacin, como se vera en el apartado siguiente. Otra originalidad de este mtodo, adems de la
De este cuadro se puede concluir que nuestra metodologa es una mezcla de las otras en un intento
de beneficiarnos de lo que, a nuestro juicio, son sus ventajas. De esta forma, los puntos a favor de
nuestro mtodo son:
21
Trabajo individual del alumno, lo que permite asegurar que cada uno de ellos trabaje el tema
y que tenga que resolver cada uno de los problemas y tcnicas propuestas.
Blanco (2007).
102
103
Dejar la posibilidad de interaccin entre ellos con lo que se facilita que el alumno se beneficie
de las ventajas de trabajar en grupo (ayuda entre ellos, mayor creatividad, fomento de la
ANLISIS DE LOS RESULTADOS ACADMICOS
competitividad,)
Se reduce el tiempo que el alumno dedica al caso en la bsqueda de datos, programa

informtico, metodologa y puede dedicar ms tiempo al aprendizaje de lo que nos ocupa
doble titulacin de ADE-Derecho por parte de los alumnos, utilizando los tres mtodos docentes antes
expuestos. Se puede observar que stos han ido evolucionando en el transcurso del tiempo.
desde el principio.
A travs del Grfico 1 se puede observar la evolucin histrica de los resultados obtenidos en la
El alumno debe ir al da en cuanto a las explicaciones de lo contrario difcilmente puede
Destaca, en primer lugar, que el nmero de alumnos que siguen la asignatura, esto es que participan
de la evaluacin continua y se presentan al examen final, a travs del tercer mtodo, establecido en
realizar el trabajo y efectuar la entrega en la fecha fijada.
el curso acadmico 2011/2012, es ms elevado que mediante los procedimientos anteriores. As el
Cuadro 1. Diferencias entre distintas mtodos pedaggicos.
Producto
Proyecto con todas las

fases. Cada grupo
expone su proyecto en
clase
Informe del proceso

seguido y con la
solucin alcanzada
Sesiones
Variables.
Generalmente meses.
Depende del tema y de
los problemas
presentados
Puede trabajarse en
una sola sesin o en
varias
Cada grupo entrega la

solucin del problema.
Sera deseable que
cada grupo exponga
su solucin en clase
Ms de una sesin de
clase y ms de una
tutora
Se tutoriza a cada uno

de los alumnos
Normalmente en el
aula en las clases de
prcticas y fuera de
ella
Proyecto con todas las
fases y un resumen
final del trabajo
realizado
Todas las clases
prcticas
100
90
80
70
60
50
40
30
20
10
0
2008/2009
2009/2010
Normalmente fuera del

aula
Lugar de trabajo
Se tutoriza a cada uno

de los grupos por
separado
alumnos que ha obtenido la mxima calificacin es mnimo.
Normalmente en el
aula y en horas
lectivas
Interaccin con el
alumno
Supervisar y revisar la
elaboracin del
proyecto en tutoras.
Utilizar las clases para
resolver dudas.
Evaluar
ha aumentado sensiblemente en el curso 2011/2012. Sin embargo, hay que sealar que el nmero de
es
So
br
es
ali
en
te
s
Gua del conocimiento

previo y del
conocimiento
generado a travs del
debate y la discusin.
Evaluar
Atencin a los alumnos
y a los grupos de
trabajo. Dirige la
puesta en comn.
Se proporciona la
fuente, que deben
descargar de una
BASE de DATOS.
ot
ab
l
Supervisar y revisar el
plan de trabajo de
cada grupo. Utilizar
clases para satisfacer
necesidades de los
grupos. Evaluar
En las clases se
orienta y se resuelven
las dudas. Se realiza
un seguimiento de
cada grupo en tutoras
La mayor parte del
tiempo dedicado fuera
del aula
obtenidas podemos observar que el colectivo de alumnos que ha obtenido la calificacin de notable
Existe solucin
Papel del profesor
los resultados tambin han mejorado considerablemente. Por lo que respeta a las calificaciones
pr
ob
ad
os
No existe una solucin

nica correcta
Se presenta la
situacin, los alumnos
tienen que ampliar la
informacin para
elaborar el proyecto
superado la asignatura, se puede comprobar estadsticamente, que mediante el tercer procedimiento
Caractersticas de la
situacin
Informacin
limitaciones que antes se han descrito. No obstante, si se analiza el nmero de alumnos que han
so
s
En grupo, con una fase

de trabajo individual
que, posteriormente se
debate en el grupo
nica correcta
Generalmente los
alumnos tienen que
ampliar la informacin
preguntando al
docente para que se la
facilite
Tutor de bsqueda de
la informacin y
orientador en el
proceso de solucin.
Evaluar
trabajo, pero ste se entregaba el mismo da del examen, procedimiento que adoleca de las
Su
sp
en
Secuencia:
Individual/pequeo
grupo/gran
grupo/pequeo grupo
nica correcta
Se presenta, en la
mayora de los casos,
toda la informacin
necesaria
Real. Se utilizan
conceptos de otras
disciplinas
Individual pero con
interaccin con otros
alumnos
os
Real o ficticia
los procedimientos anteriores. Recordemos que en el curso 2008/09 los alumnos deban realizar el
Pr
es
en
ta
do
s
Real
nmero de alumnos que se presentaron alcanz casi el 92%, frente al 84% y 75% que se alcanz con
Mtodo
propuesto
pr
es
en
ta
d
ABP
Porcentajes
Anlisis de la
situacin descrita
Real. Es aconsejable
que implique varias
disciplinas
Individual o en grupo
desde el principio
MdC
Situacin descrita
AOP
Aspectos a
comparar
2011/2012
Grfico 1. Evolucin del rendimiento obtenido por parte de los alumnos de ADE-Derecho.
Nota: (AOP) Aprendizaje Orientado a Proyectos, (MdC) el Mtodo del Caso y (ABP) el Aprendizaje basado en
Problemas.
Fuente: Servicio de Innovacin Educativa de la UPM (2008) y elaboracin propia.
(Fuente: Tabla 1 (Anexo II) y elaboracin propia)
Al analizar el rendimiento de los alumnos de ADE, recordemos que la Econometra Empresarial I es

tambin una asignatura troncal en la Licenciatura ADE. Se puede comprobar que los resultados
permanecen constantes a lo largo del periodo analizado. En el caso de la Licenciatura de ADE el
104
105
mtodo docente utilizado es el tradicional y destaca sobre manera el menor seguimiento de la
Rendimiento comparativo 2011-2012
asignatura por parte del alumnado de la Licenciatura de ADE, provocando un elevado fracaso escolar
(alumnos suspendidos o no presentados), sobre todo si lo comparamos con los resultados obtenidos
100
en la doble titulacin de ADE-Derecho, ver Grfico 2.

Porcentajes
80
H
M
ot
ab
le
s
N
pr
ob
ad
os
A
ADE
So
br
es
ali
en
te
s
10
ns
os
os
es
en
ta
d
pr
20
Su
sp
e
30
es
en
ta
d
20
40
os
40
50
Pr
Porcentajes
60
60
ADE-Derecho
H
M
es
br
es
ali
en
te
s
ot
ab
l
N
so
s
pr
ob
ad
os
Grfico 4. Rendimiento comparativo en el curso 2011-2012.

(Fuente: Elaboracin propia a partir de las actas de la primera convocatoria)
So
sp
en
Su
Pr
es
en
ta
do
s
pr
es
en
ta
do
s
2008/2009
2009/2010
2011/2012
Al realizar el estudio comparativo de los rendimientos obtenidos entre la Licenciatura de ADE y la

doble titulacin ADE-Derecho observamos que los resultados obtenidos en la doble titulacin de
Grfico 2. Evolucin del rendimiento obtenido por parte de los alumnos de ADE.
ADE-Derecho han ido evolucionando y mejorando, respecto de la licenciatura de ADE. El porcentaje
(Fuente: Tabla 2 (Anexo II) y elaboracin propia)
de participacin de los alumnos ha ido aumentando y en general es ms elevado, que el obtenido en

la licenciatura de ADE, no solo en trminos de participacin del alumnado, ver Grfico 3, sino tambin
en los resultados acadmicos obtenidos. Se observa que el nmero de alumnos presentados en
Porcentaje de alumnos presentados
primera convocatoria es mucho ms alto y adems el porcentaje de aprobados sobre el nmero de

matriculados es ms elevado, ver Grfico 4.
100
Porcentajes
80
CONCLUSIONES
60
40
Mediante el estudio realizado sobre el rendimiento de los distintos colectivos de alumnos sobre la
20
disciplina Econometra Empresarial I se puede concluir que stos dependen del mtodo utilizado. En
nuestro caso el Aula Virtual, el ordenador, el manejo de las bases de datos, los programas
ADE
ADEDerecho
2008-2009
ADE
ADEDerecho
2009-2010
ADE
ADEDerecho
informticos elegidos y la informtica en general tienen un papel importante en la docencia.
2011-2012
Los objetivos que nos habamos planteado al activarse la docencia de esta asignatura en la doble
Grfico 3. Porcentaje de alumnos presentados en las licenciaturas de ADE y ADE-Derecho.
titulacin de ADE-Derecho se han cumplido. De esta forma, los estudiantes se muestran ms
(Fuente: Elaboracin propia a partir de las actas de la primera convocatoria)
motivados que en una licenciatura en la que no se hace un seguimiento individualizado del

aprendizaje. Tambin se ha conseguido que el alumno siga activamente la asignatura y tenga una
mejor preparacin de la misma, lo que finalmente repercute positivamente en la labor docente.
106
107
No obstante, es de destacar que cuando el mtodo didctico permanece estable, el rendimiento del
alumnado se mantiene constante a lo largo del periodo analizado, mientras que las mejoras en el
REFERENCIAS
mtodo didctico influyen en el rendimiento de los alumnos.

Allal, L. (1991). Vers una pratique de levaluation formative, Bruselas: De Boek.
Asimismo, a modo de resumen, se muestra un balance sobre las ventajas y limitaciones de la
evaluacin continua personalizada:
Blanco, A. (2007). Las rbricas: un instrumento til para la evaluacin de competencias, en Prieto,
L. (coordinador), La enseanza universitaria centrada en el aprendizaje. Barcelona. Octaedro,
pg. 171-188.
Las ventajas son:
Elevada motivacin e inters de los alumnos.
Elevado uso de las horas de tutoras.
Seguimiento continuado de la asignatura.
Fomenta la cooperacin entre los alumnos.
El alumno est preparado para superar el examen con cierta facilidad.
Las limitaciones son:
Los alumnos en ocasiones se encuentras estresados cuando les coinciden varias asignaturas
en las que deben hacer entregas, presentaciones, test, etc.
Birembaum, M., Breuer, K., Cascallar, E., Dochy, F., Ridwat, J., Wiesemes, R. and Nickmans, G.
(2006). A learning integrated assessment system, Educational research review, 1, pg. 61-67.
La perversin del trabajo: venta de trabajos por parte de otros alumnos o academias. Se ha
conseguido reducir/eliminar mercadeo de los trabajos al asignar a cada alumno una empresa
Broadfoot, P. and Black. P. (2004). Redefining assessment? The first ten years of Assessment in
Education, Assessment in education, 11, pg. 7-27.
Coll, C. y Onrubia, J. (1999). Evaluacin de los aprendizajes y atencin a la diversidad, en Coll, C.
(coordinador), Psicologa de la instruccin. La enseanza y el aprendizaje en la educacin
secundaria, Barcelona: Horsori. ICE de la UB, pg. 141-168.
Delgado, A.M., Borge, R., Garca, J., Oliver, R. y Salomn, L. (2005). Competencias y diseo de la
evaluacin continua y final en el Espacio Europeo de Educacin Superior. Programa de Estudios
y Anlisis. Madrid: Ministerio de Educacin y Ciencia. Direccin General de Universidades.
McDonald, R. (2006). The use of evaluation to improve practice in learning and teaching,
Innovations in Education and Teaching International, 43, pg. 3-13.
Morales, P. (2007). Nuevos roles de profesores y alumnos, nuevas formas de ensear y de
aprender, en Prieto, L. (coordinador), La enseanza universitaria centrada en el aprendizaje.
Barcelona. Octaedro, pg. 17-31.
y hacer un seguimiento continuado de las entregas.
La correccin y las tutoras se convierten en una tarea continua durante todo el curso.
Un nmero elevado de alumnos provoca, en ocasiones, la saturacin de las tutoras y el
Nunziati, G. (1990). Pour construire un dispositif devaluation daprentissage, Cashiers

Pdagogiques, 280, pg. 47-64.
Aprendizaje Orientado a Proyectos (2008), Servicio de Innovacin Educativa de la Universidad
Politcnica de Madrid.
retraso en la correccin de las entregas.

Estas ltimas limitaciones se han tratado de corregir haciendo tutoras cooperativas, esto es,
convocando a los alumnos que demandan una tutora en una misma aula y que entre ellos traten de
resolverse las dudas, siempre con la supervisin del profesor. En ocasiones, las dudas son comunes
Wiliam, D. (2000). Integrating summative and formative functions of assessment. Keynote address
First Annual Conference of the European Association for educational assessment, Praga,
Republica Checa.
entre los alumnos y en este caso el profesor solo tiene que hacer una nica explicacin, en lugar de
repetir la misma explicacin muchas veces, ayudado por la intervencin de algn alumno.
A pesar de las limitaciones, la experiencia es altamente positiva, no solo por los resultados
acadmicos alcanzados y presentados en el apartado cuatro, sino por la propia satisfaccin personal
que supone que los alumnos siguen las clases sin dificultad y adquieren los conocimientos y
competencias propuestas.
108
109
ANEXO I
d) Comparar los valores de las varianzas de los estimadores de 2 en los modelos (1) y (2).
ENUNCIADOS DE LAS SEIS ENTREGAS DE LA EVALUACIN CONTINUA.
Comentar los resultados obtenidos.

e)
1 Entrega:
Contrastar la hiptesis de significacin de 2 y 3 en el modelo (2) para un nivel de

significacin del 5%.
a) Cada alumno debe adquirir los datos de la empresa asignada de la base de datos. La
f)
relacin de empresas asignadas a cada alumno se publica en el aula virtual as como el
Independientemente de la significacin de las variables calcular el efecto directo, el efecto

indirecto y el efecto total de la variable X2i sobre la variable Yi.
protocolo de conexin.
b) Especificacin del modelo economtrico y su justificacin desde el punto de vista econmico.
Por ejemplo: una funcin de produccin, una funcin de costes, una funcin de salarios o
bien de una funcin de beneficios.
c) Estadsticos descriptivos de todas las variables.
d) Coeficiente de correlacin simple entre las variables. Interpretar los resultados con la ayuda
3 Entrega:
Dados los modelos economtricos siguientes:
del diagrama de dispersin entre las variables exgenas y la variable endgena.
En niveles
Yi 1 2 X 2i 3 X 3i ui
(1)
Doblemente logaritmo
ln Y i 1 2 ln X 2 i 3 ln X 3 i u i
(2)
Lineal logaritmo
Yi 1 2 ln X 2 i 3 ln X 3i
(3)
Logaritmo lineal
ln Y X X
i
1
2
2i
3
3i
(4)
e) Estimacin por MCO (LS) de los modelos lineales simples:
Yi 1 2 X 2i u i
Yi 1 3 X 3i u i
2 Entrega:
a) Interpretar el significado econmico del coeficiente 2 en el modelo (1) y (2).
b) Calcular, en el modelo (1), la elasticidad de la variable Yi respecto a la variable X2i en el
A partir del modelo lineal simple estimado por MCO (LS):
punto medio. Calcular, en el modelo (2), la elasticidad de la variable Yi respecto a la variable

X2i en el punto medio.
Yi 1 2 X 2i u i
(1)
c) Calcular el p-value o valor de la probabilidad para el contraste de hiptesis 2 = 0 en el

modelo (1)
a) Calcular la varianza estimada y la desviacin tpica estimada del estimador de 2 .
d) En el modelo (1) calcular si se ha cometido algn error de especificacin, por omisin de

variables, a travs del test Ramsey RESET e interprete el resultado.
b) Construir el estadstico t asociado al estimador del parmetro 2
e) Contrastar la significatividad del modelo en su conjunto o significatividad conjunta del modelo
c) Contrastar la hiptesis nula
(1), para =0.05.
H 0 : 2 0 frente a la hiptesis alternativa H A : 2 0
f)
Contrastar la significatividad del modelo en su conjunto o significatividad conjunta del modelo

(1), a travs del test de TITNER, para = 0.05.
A partir del modelo lineal mltiple estimado por MCO (LS):
g)
Seleccionar entre las especificaciones planteadas, a travs de las ecuaciones (1), (2), (3) y
(4) la ms adecuada.
Yi 1 2 X 2i 3 X 3i u i
(2)
h) En un modelo economtrico estimado: el coeficiente de determinacin puede ser negativo?

Razonar la respuesta.
110
111
explicativas.
4 Entrega:

En niveles
Doblemente logaritmo
Aplicando el test de Glauber y Farrer.
Estimar el siguiente modelo:
Yi 1 2 X 2i 3 X 3i ui
(1)
ln Y i 1 2 ln X 2 i 3 ln X 3 i u i
(2)
Yt Yt 1 1* 2 ( X 2t X 2t 1 ) 3 ( X 3t X 3t 1 ) u i
a) Comentar los resultados de la estimacin. En el caso de existencia de multicolidealidad en el
modelo (1) indicar si este nuevo modelo soluciona dicho problema.
a) Calcular la prediccin puntual para el modelo (1) para los valores medios de las variables
b) Contrastar la hiptesis de Normalidad en el modelo (2) para

c)
explicativas.
b) Calcular la prediccin por intervalos para el modelo (1) para los valores medios de las
variables explicativas, para =0.05.
=0.05.
=0.05.
Estimar el modelo (3) y contrastar la hiptesis de Normalidad para
d) Contrastar la hiptesis de heterocedasticidad en el modelo (1) aplicando:

e) El test grfico.
c) Estudiar la capacidad predictiva de los modelos (1) y (2). Reservando las dos ltimas
f)
El test de White.
g) En el caso de que el modelo (1) presente heterocedasticidad estimarlo de nuevo utilizando el
observaciones muestrales, analizar los resultados del coeficiente U-Theil.

d) Cmo afecta al coeficiente 2 estimado del modelo (1) el multiplicar por 100 la variable Yi?
mtodo de White. En caso contrario, presenta homocedasticidad, comentar
e) Cmo afecta al coeficiente 2 estimado del modelo (1) el multiplicar por 10 la variable X2i?
procederas para su estimacin.
f)
como
Cmo afecta al coeficiente 2 estimado del modelo (1) el multiplicar por 10 la variable X3i?
6 Entrega:
Yi 1 2 X 2i u i
5 Entrega:
(1)
a) Contrastar la hiptesis autocorrelacin.

Yi 1 2 X 2i 3 X 3i ui
(1)
YNEWi 1 2 X 2i 3 X 3i u i
(2)
YNEWi 1 2 X 2i 3 X 3i 4 F 07 u i
(3)
YNEW=Y+3*F07*Y) donde F07 es una variable ficticia que toma el valor cero en todas las
observaciones, excepto para el ao 2007 que toma el valor uno.
a) Comprobar
si el modelo (1) presenta multicolinealidad. Utilizando los siguientes
procedimientos:
1.a. Test grfico.
2.b. Test Durbin-Watson.
Con el fin de solucionar el posible problema de autocorrelacin de primer orden en el modelo (1) se
YNEWi es la variable endgena transformada utilizando la siguiente expresin (GENR
donde:
estiman los modelos (2), (3), (4), (5) y (6) siguientes:
Yi 1 2 X 2i 1u i 1 i
(2)
Yi 1 2 X 2i 4Yi 1 u i
(3)
Log (Yi ) 1 2 Log ( X 2i ) u i
(4)
Log (Yi ) 1 2 Log ( X 2i ) 1u i 1 i
(5)
Log (Yi ) 1 2 Log ( X 2i ) 4 Log (Yi 1 ) u i
(6)
Calculando el determinante de la matriz de coeficientes correlacin entre las variables

112
113
a) Comentar los resultados obtenidos utilizando para ello los estadsticos: Durbin- Watson, h-
ANEXO II
22
Durbin, Bera-Jarque y AIC .

b) Qu problemas pueden presentar las estimacin de los modelos (3) y (6) ? Qu mtodo
de estimacin sera el adecuado para estimarlos?
Tabla 2. Licenciatura de ADE-Derecho.
Estimar los modelos (3) y (6) por el
2008/2009
2009/2010
No presentados
23.76%
15.60%
8.11%
Presentados
75.25%
84.40%
91.89%
mtodo que consideres ms adecuado.

c) Independiente de la significacin del modelo dinmico (3). Calcular el multiplicador de
impacto, el multiplicador intermedio de orden diez y el multiplicador total de la variable
X 2i
en el modelo (3).
d)
Realizar una sntesis del trabajo realizado contemplando los siguientes apartados: 1.
Introduccin. 2. Resumen. 3. Conclusiones.
2011/2012
Suspensos
16.83%
20.18%
13.51%
Aprobados
32.67%
36.70%
26.35%
Notables
24.75%
26.61%
43.24%
Sobresalientes
3.96%
0.92%
7.43%
100.00%
100.00%
100.00%
MH
TOTAL
Fuente: Elaboracin propia a partir de las actas de primera convocatoria de la Facultad de Economa de la
Tabla 1. Ejemplo de rbrica.

PERFECTO
SUFICIENTE
INSUFICIENTE
Clculo de la varianza
Correcto
Se comete algn error
Incorrecto
estimada del estimador
(1 punto)
(0,5 puntos)
(0 puntos)
Tabla 3. Licenciatura de ADE.
de 2
2008/2009
2009/2010
2011/2012
Construccin del
Correcto
Incorrecto
No presentados
48.52%
43.31%
47.02%
estadstico t
(1 punto)
(0,5 puntos)
(0 puntos)
Presentados
51.48%
56.69%
52.98%
Contraste
Correcto
Incorrecto
Suspensos
17.75%
20.66%
17.41%
(1 punto)
(0,5 puntos)
(0 puntos)
Efecto directo, indirecto y
Correcto
No se hace o es
Aprobados
26.23%
24.79%
22.62%
total de la variable X2i
(1 punto)
(0,5 puntos)
incorrecto
Notables
7.10%
10.25%
10.12%
sobre la variable Yi
Se explica completamente
Podra mejorar su
(0 puntos)
Sobresalientes
0.00%
0.83%
0.74%
(1 punto)
explicacin
No se explica
(0,5 puntos)
(0 puntos)
MH
0.39%
0.17%
0.60%
100.00%
100.00%
100.00%
TOTAL
Fuente: Elaboracin propia a partir de las actas de primera convocatoria de la Facultad de Economa de la
22
Akaike Information Criteria.
114
115
Material docente, nuevas tecnologas y sistema de informacin

continuo para la evaluacin de las competencias adquiridas
por el alumno en las asignaturas de Estadstica de los grados
dentro de las Ciencias Experimentales
Nieves Aquino Llinares(1), Rosario Rodrguez Griolo(2), Manuel Jsus Porras
Sanchez(3)
Departamento de Economa, Mtodos Cuantitativos e Historia Econmica.
rea de Estadstica e Investigacin Operativa
Universidad Pablo de Olavide
Carretera de Utrera, Km 1, 41013, Sevilla
(1) naqulli@upo.es
(2) mrrodgri@upo.es
(3) mjporsan@upo.es
RESUMEN
En este trabajo se presentan dos aspectos claramente diferenciados dentro de la enseanza superior
en el EEES, tratados en dos proyectos de innovacin docente aplicados en Grados relacionados con
las Ciencias Experimentales: Material docente y uso de nuevas tecnologas, y un sistema de
informacin continua para la evaluacin de las competencias adquiridas. El primero de ellos est
enfocado en los cambios que son necesarios adoptar en cuanto a la docencia y a la evaluacin. Para
ello, es necesario contar con una documentacin que permita el aprendizaje y la autoevaluacin de
las competencias que el alumno va adquiriendo a lo largo del curso. El inters del segundo proyecto
es obtener informacin de forma continua por parte de los alumnos que permita realizar una
evaluacin del proceso de aprendizaje de las competencias exigidas particularmente en la asignatura
de Bioestadstica, permitiendo un feed-back con los alumnos que ayude a corregir sesgos en el
proceso de enseanza-aprendizaje a travs de competencias, llevado a cabo en la asignatura de
Estadstica. Esta informacin ha servido para obtener conclusiones importantes sobre la percepcin
inicial y final del sistema de evaluacin por parte de los alumnos, as como de los resultados finales
del sistema.
117
INTRODUCCIN.
METODOLOGA
En el nuevo escenario en el que se encuentra la enseanza superior (ECTS) es necesario adoptar
Evaluacin continua
una serie de cambios en cuanto a la docencia y la evaluacin de los conocimientos que adquiere el
Las competencias que debe de adquirir el alumno en el desarrollo de las asignaturas implicadas en el
alumno, adems de ser necesario para verificar el xito de la adquisicin de las competencias
estudio se evaluaron a partir de las siguientes cuatro actividades:
exigidas en cada asignatura poner en marcha un sistema de evaluacin garante de ello.

Entregas
Por todo ello, en el curso acadmico 2010-2011, se pone en marcha en la asignatura de Estadstica
Evaluacin CONTINUA
(Peso: 10% de la nota final)
del Grado de Ciencias Ambientales y Bioestadstica de los grados de Nutricin y Biotecnologa, un

manual completo con conceptos tericos , ejercicios resueltos y sin resolver, as como cuestiones
tericas tipo test para la autoevaluacin del alumno. Este material est orientado a la nueva
metodologa del aprendizaje autnomo del alumno, de forma que
permita el aprendizaje y la
autoevaluacin de las competencias que el alumno va adquiriendo a lo largo del semestre.
3 Controles
Prueba tipo test virtual
Respecto al sistema de evaluacin, se propone un sistema de evaluacin innovadora, de carcter

continuo durante el semestre, con un importante uso de las nuevas tecnologas para apoyo del
profesor y del alumno.
Prueba informtica
virtual
Peso: 30% de la nota
final
Peso 40% de la nota final

Peso 20% de la nota final
(Mnimo de 2 puntos en cada uno)
(Mnimo de 2 puntos)
(Mnimo de 2 puntos)
En el curso acadmico 2011-2012, junto al sistema de evaluacin continua y el uso de dicho material
docente, se lleva a cabo en el segundo semestre del curso un sistema de informacin continuo para
evaluar las competencias adquiridas por el alumno asociadas, en particular, a la asignatura de
Bioestadstica del Grado en Nutricin y Diettica Humana. Este trabajo es el resultado de un proyecto
Figura 1: Actividades para el desarrollo de competencias en la evaluacin continua.

de innovacin docente titulado SICEC: Sistema de Informacin Continuo para la Evaluacin de las
Competencias adquiridas por el alumno. Dicho proyecto pertenece a la Convocatoria de Proyectos
Se propusieron 4 Entregas a lo largo del semestre. Dichas entregas consistan en diferentes
de Innovacin y Desarrollo Docente de la Universidad Pablo de Olavide, correspondiente al curso
actividades propuestas por el profesor de forma que el alumno profundice y asimile los conceptos
2011-2012 y
nos ha permitido realizar un seguimiento de la evaluacin de las competencias
tericos estudiados en clase as como poder mejorar el nivel de conocimiento en las competencias
adquiridas por el alumno. El objetivo principal que motiv a presentar dicho proyecto es obtener
que debe adquirir. Entre ellas se destacan las competencias de plantear y resolver problemas
informacin de forma continua de los alumnos que permita realizar una evaluacin del proceso de
estadsticos relacionados con las Ciencias Experimentales e interpretar los resultados obtenidos en la
aprendizaje de las competencias exigidas en la asignatura de Bioestadstica, permitiendo un feed-
resolucin de dichos problemas. Cada entrega es comunicada al alumno con bastante tiempo de
back con los alumnos que ayude a corregir sesgos en el proceso de enseanza-aprendizaje a travs
antelacin antes de la fecha propuesta para su entrega al profesor
de competencias (ver Lawall,1998; Morales 1995 y Ramsden, 1992). Como un objetivo secundario,
actividades que la forman variarn dependiendo de la parte del temario con la que est relacionada
se pretenda conocer la opinin de los alumnos sobre el sistema de evaluacin llevaba a cabo en la
as como el instante de tiempo en el desarrollo de la asignatura en que debe de realizarse.
y la complejidad de las
asignatura y las preferencias en cuanto a los tipos de pruebas que componen dicha evaluacin.
Los 3 controles que se realizaron a lo largo del semestre corresponde a los tres bloques en los que la
asignatura de Estadstica est estructurada en los diferentes Grados: Estadstica Descriptiva,
Probabilidad e Inferencia Estadstica. Dichos controles consistan en la resolucin, mediante los
conceptos y tcnicas estadsticas estudiadas en cada bloque, de problemas reales relacionados con
118
119
las ciencias experimentales. Al final del semestre se realizaron la prueba tipo test y la prueba de
caso, nmero de tutoras recibidas, as como horas dedicadas a estudiar la asignatura de
informtica, donde el alumno debe demostrar que conoce los conceptos tericos relacionado con la
Bioestadstica en las 4 semanas de estudio correspondiente a cada encuesta, salvo en la ltima
estadstica as como su habilidad para resolver los problemas haciendo uso del programa estadstico
encuesta donde solo entran 3 semanas de estudio.
estudiado durante el curso (SPSS).

Una vez recogido los datos de todas las encuestas se cre SICEC, el Sistema de Informacin
Los mnimos exigidos en los controles y las pruebas de informtica y tipo test (2 puntos sobre 10) se
Continuo para la Evaluacin de las Competencias. Este sistema de informacin cuenta con una base
establecen con el objetivo de garantizar que el alumno realice la evaluacin continua a lo largo del
de datos, que se fue cumplimentando durante el semestre con la informacin recogida a partir de los
semestre.
cuestionarios ad-hoc, y que fueron explotada estadsticamente con el programa SPSS v.20.
La nota final de la asignatura es la suma ponderada de las notas obtenidas en las cuatro partes,
habiendo superado los mnimos exigidos, de forma que ser preciso para superar la asignatura haber
obtenido una nota final igual o mayor que 5.
RESULTADOS
Evaluacin continua
NOTA=MEDIACONTROLES*0.4+NOTAENTREGAS*0.2+NOTASPSS*0.2+NOTATEST*0.2
Para valorar la validez de este sistema de evaluacin continua de enseanza-aprendizaje y verificar

que cumple los objetivos planificados inicialmente se utiliza un sistema de informacin y control de los
resultados a travs de la tasa de xito y la tasa de rendimiento obtenido en la primera convocatoria.
Los alumnos que no siguieron la evaluacin continua o no alcanzaron un mnimo de 2 puntos en

actividades desarrolladas durante el curso (controles, examen y spss) se sometieron a un nico
examen en la convocatoria de julio, el cual consista en dos partes, una escrita y otra realizada
haciendo uso del ordenador. En este caso, para superar la asignatura fue necesario obtener un
mnimo de 5 puntos sobre 10 en la pregunta informtica. Tras haber alcanzado el mnimo exigido en
Los resultados obtenidos en las asignaturas de Bioestadstica y Estadstica del Grado de Nutricin y
el Grado de Ciencias Ambientales respectivamente, cursadas en la Universidad Pablo de Olavide
durante el curso acadmico 2010-2011, usando el sistema de evaluacin continua descrito en la
seccin anterior, se reflejan en la Tabla 1.
SPSS, el alumno superaba la asignatura si obtena al menos un 5 en la nota global de la prueba

final.
Tabla 1. Resultados Acadmicos en la Asignatura en la Primera Convocatoria.

Grado en Nutricin
Grado en Ciencias Ambientales
Matriculados
62
82
Presentados
55
77
Suspensos
Matriculas de Honor
Sobresaliente
Notables
26
33
Aprobados
13
36
Este sistema se ha implantado durante el curso 2010-2011 en las asignaturas de Estadstica y

Bioestadstica impartidas en diferentes Grados de la Facultad de Ciencias Experimentales de la
Universidad Pablo de Olavide obtenindose unos resultados muy positivos.
Sistema de informacin continuo sobre la evaluacin de las competencias

El grupo en el que se realiz dicho proyecto fue el formado por alumnos matriculados de la asignatura
de Bioestadstica durante el curso acadmico 2011-2012 en el grado de Nutricin y Diettica
Humana. Dicho grupo est compuesto por 62 matriculados.
Dado que el semestre cuenta con 15 semanas lectivas y con objeto de estudiar las opinin y la
evolucin de los alumnos ante las diferentes cuestiones a lo largo del curso, se establecieron 4
fechas claves para realizar el cuestionario en clase: semana 4, semana 8, semana 12 y semana 15.
Fuente: Elaboracin propia a partir de las actas de primera convocatoria.
En la siguiente Tabla 2 se observa cmo se han conseguido unas tasas de xito superiores al 93%
en el caso del Grado de CCAA y casi del 90% en el Grado de Nutricin. En cuanto a la tasa de
rendimiento se puede afirmar que son tambin muy elevadas pues superan en ambos casos el 79%
llegando a alcanzar en el caso del Grado en CCAA casi el 88%.
En cada encuesta se realizaban preguntas relacionadas con el sistema de evaluacin, orden de

preferencia de las diferentes pruebas que formaban la evolucin continua, tutoras solicitadas y, en su
120
121
Comparando los resultados obtenidos, en el curso 2010-2011, en la asignatura de Estadstica de la
Recordemos que en la encuesta 1 se incluyen las semanas 1, 2 , 3 y 4, en la encuesta 2 las semanas
Licenciatura de Ciencias Ambientales, siguiendo el sistema de evaluacin tradicional, con los que se
5, 6, 7 y 8, en la encuesta 3 las semanas 9, 10, 11, 12, y en la encuesta 4 las semanas 13, 14 y 15.
han obtenido con el nuevo sistema de evaluacin, en el mismo periodo y para la misma asignatura
pero en el Grado de Ciencias Ambientales, se observa un aumento significativo en las tasas de xito
Podemos observar como al comienzo del curso el alumno es contrario al sistema de evaluacin ya
y rendimiento tal y como se aprecia en la Figura 2, lo que verifica que el uso del sistema de
que un 69,23% pensaba que el sistema propuesto era malo. Sin embargo, a lo largo del desarrollo de
evaluacin, junto con el material adaptado a la nueva enseanza, favorece el aprendizaje por parte
la asignatura se produce un cambio de opinin, terminando con ms de un 68% de los alumnos que
de los alumnos de la materia y las competencias exigidas.
piensan que el sistema de evaluacin es bueno o muy bueno.
Tabla 2. Tasa de Rendimiento y de xito en la Primera Convocatoria.
Presentados sobre Matriculados

a
Tasa de Rendimiento
Tasa de xito
Grado en Nutricin
Grado en Ciencias Ambientales
88,70%
93,90%
79,03%
87,80%
89,10%
93,50%
Encuesta 1
Encuesta 2
Encuesta 3
Encuesta 4

a Porcentaje de aprobados sobre matriculados.
b Porcentaje aprobados sobre presentados
Figura 2. Tasa de xito y rendimiento en el Grado y la Licenciatura de CCAA.

Sistema de informacin continuo sobre la evaluacin de las competencias.

A continuacin se muestran alguno de los resultados que se obtuvieron tras analizar la base de datos
que recoga los datos obtenidos de las encuestas realizadas durante el semestre.
Figura 3: Opinin del alumno sobre el sistema de evaluacin continuo en la asignatura.
La figura 3 muestra los resultados, en cada una de las cuatro encuestas realizas durante el semestre,
respecto a la opinin que el alumno tena sobre el sistema de evaluacin continuo propuesto para la
Respecto a grado de importancia de las diferentes pruebas que formaban la evaluacin vemos en la
asignatura de Bioestadstica.
figura 4 como la mayora de los alumnos, desde el comienzo del curso (con un 41% en la primera
encuesta) hasta el final del curso (con un 66,7% en la ultima encuesta realizada), opinan que la
122
123
prueba que debe de temer ms peso en la nota final de la asignatura son los controles parciales que
Respecto al nmero de horas de estudios dedicadas a la asignatura de Bioestadstica a lo largo del
se hacen de forma continua a lo largo del semestre.
semestre, se aprecia en figura 5 como en aquellas semanas donde estaba planificada una prueba de
evaluacin (semana 8, semana 11 y semana 15) el nmero medio de horas de estudio asciende,
Encuesta 1
Encuesta 4
siendo aun as, un nmero por debajo de lo estimado y aconsejado por el profesorado durante el
semestre.
Figura 4. Grado de importancia de las diferentes pruebas dentro de la evaluacin.

Adems, en la tabla 3 se puede observar, para cada una de las encuestas realizadas, el orden de
preferencia para los alumnos entre las pruebas que componen la evaluacin:
Tabla 3. Orden de preferencia en las pruebas dentro de la evaluacin continua.

Prueba
Encuesta 1
Casos Prcticos
Controles
Examen test
Examen SPSS
Encuesta 2
Casos Prcticos
Controles
Examen test
Examen SPSS
Encuesta 3
Encuesta 4
Casos Prcticos
Controles
Examen test
Examen SPSS
Casos Prcticos
Controles
Examen test
Examen SPSS
Orden 1
Orden 2
Orden 3
Orden 4
33,33%
41,03%
20,51%
05,13%
100%
29,55%
52,27%
11,36%
06,82%
100%
23,08%
76,92%
00,00%
00,00%
100%
24,44%
66,67%
06,67%
02,22%
100%
28,21%
33,33%
25,64%
10,26%
100%
36,36%
29,55%
27,27%
6,82%
100%
53,85%
23,08%
19,23%
03,85%
100%
44,44%
24,44%
17,78%
13,33%
100%
20,51%
7,69%
46,15%
25,64%
100%
15,91%
13,64%
52,27%
18,18%
100%
11,54%
00.00%
53,85%
34,62%
100%
13,33%
6,67%
62,22%
17,78%
100%
20,51%
12,82%
7,69%
58,97%
100%
18,18%
00.00%
13,64%
68,18%
100%
11,54%
00.00%
26,92%
61,54%
100%
17,78%
2,22%
13,33%
66,67%
100%
Figura 5. Media de horas de estudio a la semana de la asignatura Bioestadstica.

Para medir el nivel de las competencias adquiridas en el desarrollo del semestre, en el SICEC se
recogieron las notas de diferentes pruebas que se iban realizando usando el sistema de evaluacin
continuo. Competencias como planteamiento y resolucin de problemas, interpretacin de resultado,
junto con la gestin del tiempo se fueron midiendo de manera continua mediante controles realizados
al final de cada bloque de la asignatura, concretamente en las semanas 8, 11 y 15. Para cada prueba
Fuente: Elaboracin propia a partir de las encuestas realizadas.
124
125
se obtuvo un alto nivel de presentados sobre matriculados as como una alta tasa de rendimiento y de
Junto con las diferentes pruebas de evaluacin, se pretenda medir la evolucin del aprendizaje del
xitos. Los resultados quedan recogidos en la tabla 4.
alumno mediante las tutoras presenciales que los alumnos realizaban durante el desarrollo de la
asignatura. Sin embargo, y a pesar de las recomendaciones del profesorado, no se hace mucho uso
Tabla 4. Tasa de Rendimiento y de xito en Controles Realizados.
de ellas, como se puede observar en la Tabla 5, donde se refleja para cada encuesta realizada, el
porcentaje de alumno que pidieron tutoras en la semana correspondiente y la duracin (en horas).
Control 1
Control 2
Control 3
91.93%
83.87%
83.87%
Tasa de Rendimiento
88.70%
80.00%
83.87%
Tasa de xitob
96.50%
94.23%
100%
Presentados sobre Matriculados

a

a Porcentaje de aprobados sobre matriculados.
b Porcentaje aprobados sobre presentados
CONCLUSIONES
En estos ltimos aos se han producido muchos cambios en la actividad docente universitaria. Ha
cambiado la normativa universitaria, el alumnado, los medios tecnolgicos de apoyo a la docencia, la
evaluacin del alumno y del profesorado, los conocimientos iniciales del alumno, los procesos de
La nota media de la clase obtenida en los 3 controles fue de 8.31, 7.28 y 9.55, respectivamente, con
una desviacin tpica de 1.80, 2.25 y 0.75, lo que demuestra un alto nivel de aprendizaje en las
competencias de planteamiento y resolucin de problemas estadsticos, as como interpretacin de
resultados relacionado con la Bioestadstica.
Porcentaje
Encuesta 2
Encuesta 3
Encuesta 4
se realiza y nuevos caminos de enseanza, que permitan culminar el objetivo de la graduacin de los
alumnos con la mayor eficacia y eficiencia posible, habiendo alcanzado un nmero concreto y
definido de competencias.
Tabla 5. Solicitud de tutoras en las semanas de estudio.
Encuesta 1
evaluacin, entre otros. Todos estos cambios hacen necesario una profunda reflexin del trabajo que
Si
6,67%
No
93,33%
Si
4,44%
No
95,56%
Si
19,23%
No
80,77%
Si
27,50%
No
72,50%
)a
En la asignatura de Estadstica impartida en diferentes Grados dentro de las Ciencias
N Medio de tutoras solicitadas
Experimentales, el profesorado ha realizado numerosos esfuerzos encaminados a dotar al alumno de
un material tcnico y de apoyo al estudio que permita comprender, asimilar y trabajar los conceptos
adquiridos en las clases tericas y prcticas de la asignatura. Para evaluar las competencias
asociadas a la asignatura se ha desarrollado un sistema de evaluacin continuo que permite al

alumno, adquirir las competencias especificadas en la asignatura impartida de manera equilibrada a
1.1
lo largo del semestre.
1.2
El alto porcentaje de presentados sobre matriculados as como una tasa de rendimiento alrededor del
85% y una tasa de xito superior al 90% muestran que tanto el sistema de enseanza como el

a
Porcentaje sobre matriculados
sistema de evaluacin utilizado en el desarrollo de la asignatura favorecen al alumno en cuanto a la

adquisicin de los conocimientos y competencias exigidas.
Para mediar competencias relacionadas con conocimientos tericos de la asignatura se realiz a final
de la asignatura una prueba tipo test donde se obtuvo el 83,87% de presentados con una tasa de
rendimiento del 75,8% y una tasa de xito del 90%. La nota media en esta prueba fue de 6.3 con una
desviacin tpica de 1.02. Conjuntamente con esta prueba y con el fin de medir las competencias
relacionadas con el manejo y resolucin de problemas estadsticos mediante un programa
En el curso 2012-2013 se ha solicitado un nuevo proyecto de innovacin docente para mejorar el

Sistema de Informacin con los alumnos, con el objeto de realizar un proceso de mejora en la
evaluacin e imparticin de la asignatura de Estadstica en las diferentes titulaciones.
informtico, se realiz una prueba de resolucin de problemas mediante el uso del ordenador
obteniendo en este caso una tasa de rendimiento del 80.64% y una tasa de xito del 96%.
126
127
METODOLOGAS DOCENTES INNOVADORAS.
BIBLIOGRAFA
Lawall, M.L. (1998). Students Rating Teaching, How student feedback can inform your teaching.
University teaching Services, The University of Manitoba.
Morales Vallejo, P. (1995) Los Objetivos Didcticos. Cuadernos Monogrficos de ICE, Universidad de
Deusto. Bilbao.
Ramsden, P. (1992) Learning to teach in higher education. London, Routledge.
128
HERRAMIENTAS Y MTODOS PARA LA DOCENCIA

ESTADSTICA
Innovacin educativa en el laboratorio: Una mejora en el

rendimiento acadmico
Maria Escriv (1), Guillermo Mateu (2)
(1) LINEEX-ERICES
e-mail:maria.escriva@uv.es
(2) LESSAC-Burgundy School of Business
e-mail: guillermo.mateu@escdijon.eu
RESUMEN
Este estudio analiza el impacto de la metodologa experimental en la adquisicin de
conocimientos tericos a travs de experiencias docentes en el laboratorio. El desarrollo de
experimentos econmicos en el aula incrementa el inters, el aprendizaje y la comprensin de
los alumnos a travs de un incremento en la motivacin hacia la materia. Durante el curso
2011/2012 se implementaron una serie de experimentos docentes en el Laboratorio de
Economa Experimental de la Universitat de Valncia (LINEEX) con resultados satisfactorios,
manteniendo unas condiciones experimentales estrictas, y dando carcter de independencia y
representatividad a la muestra. En los experimentos implementados, se trataron los
conocimientos tericos incluidos en la programacin docente, y propuestos en la evaluacin
escrita de la asignatura. La literatura en torno al uso de experimentos en el aula seala que el
hecho de participar en los experimentos influye positivamente en el rendimiento acadmico de
los estudiantes.
INTRODUCCIN
La aplicacin de metodologa experimental al estudio de la economa es relativamente
novedosa. Tradicionalmente, se ha considerado a la economa como una ciencia no
experimental, ms intensiva en teora y menos en procedimientos experimentales, al contrario
de lo que ocurre en otras reas cientficas. No obstante, esta metodologa ha tenido gran
importancia en el mbito de la economa y las ciencias sociales durante las ltimas dcadas,
reforzndose con la entrega de los Premios Nobel de Economa a Reinhard Selten en 1994, y
Vernon Smith y Daniel Kahneman en 2002, por sus contribuciones en el campo de la
Economa Experimental y la Teora de Juegos. En los ltimos aos, la Economa Experimental
131
ha pasado de ser una tcnica empleada por una minora de centros especializados en teora
interacciones al margen del marco terico influyen en las variables econmicas. Numerosos
de la decisin, a ser una metodologa ampliamente extendida en investigacin y docencia.
modelos tericos han surgido a partir de resultados de laboratorio, algunos estudios fueron
precursores, como por ejemplo los modelos de Bolton y Ockenfels (2000) y Fehr y Schmidt
La realizacin de experimentos constituye el centro de la actividad cientfica en las ciencias
(1999).
naturales, tales como la biologa, la qumica y la fsica. La economa, en cambio, ha sido

considerada tradicionalmente una disciplina en la que la experimentacin no era posible. Sin
Esta introduccin progresiva del mtodo experimental en la investigacin en Economa ha
embargo, durante las ltimas dcadas numerosos economistas han empezado a realizar
comenzando a verse reflejada en la docencia durante los ltimos aos a travs del uso de
experimentos para analizar diversas cuestiones econmicas y del comportamiento.
experimentos. Hay que tener presente que los estudiantes que participan en experimentos son
Actualmente la Economa Experimental cuenta con un gran apoyo en la comunidad cientfica,
a la vez participantes en el juego y observadores cientficos. Es decir, los estudiantes tratan de
producindose un gran desarrollo de la investigacin experimental en campos muy diversos de
entender la lgica del experimento desde un doble prisma, tanto como sujeto experimental
la economa (ver Brandts, 2009).
participando en el experimento, como economista en formacin aplicando sus conocimientos a

la lgica terica del juego. Haciendo alusin a una cita de Bergstrom y Miller, (2009) "Para un
Durante los ltimos aos, los experimentos econmicos se han consolidado como una
estudiante, cursar una asignatura de economa experimental es un poco como estar invitado a
herramienta puntera en la investigacin econmica, complementndose con modelos tericos,
comer en casa de un canbal. Puede ocurrir que sea simplemente un comensal, que sea parte
o bien generando nuevos a partir de la evidencia emprica. El desarrollo de tcnicas usadas en
de la comida o que sea ambas cosas a la vez".
la experimentacin econmica convierte a la Economa en una ciencia experimental (Davis y

Los experimentos econmicos aplicados a la docencia pueden ayudar a los estudiantes a
Holt, 1993).
alcanzar un aprendizaje ms eficiente y duradero. De esta manera Comeig, Jaramillo-Gutirrez

Como indica Brandts (2009) la gran ventaja de los experimentos, tanto en ciencias sociales
y Ramrez (2011), introducen un sencillo experimento en el aula para explicar un concepto
como naturales, es que permiten obtener evidencia emprica bajo condiciones de control y
bsico en estadstica y de esta manera incrementar la comprensin y motivacin del alumno.
replicabilidad. Ms concretamente, la economa experimental nos permite generar datos en un

entorno econmico controlado diseado por el experimentalista, reproduciendo las condiciones
Si es bien sabido que los laboratorios en otras disciplinas ayudan a la comprensin, el
necesarias que afectan al objeto de estudio planteado. En palabras del premio Nobel de
aprendizaje y el refuerzo de conocimientos, Por qu no introducir experimentos de laboratorio
Economa en 1994, el Profesor Selten: 'La Economa Experimental es el arte de generar
en el aprendizaje de Economa?
evidencia emprica'. En este sentido, hemos de tener en cuenta que el objetivo final de la
economa experimental no es mimetizar la realidad o un modelo formal determinado sino
Los experimentos como herramienta docente han sido ampliamente utilizados desde hace
disear un experimento que pueda responder a la cuestin planteada en la investigacin (Fatas
aos en prestigiosas universidades. Uno de los estudios precursores del uso de experimentos
y Roig, 2004).
en Economa fue un estudio experimental sobre el funcionamiento de los mercados

(Chamberlin, 1948), el cual se realiz con estudiantes asistentes a diferentes clases de teora
La enseanza de Economa, tal y como est actualmente diseada en la programacin
econmica en la Universidad de Harvard. El experimento fue diseado para iluminar un
docente de las escuelas de negocios y universidades, es ms intensiva en teora y menos en
problema de competencia monopolstica en los mercados, el cual se haba analizado con
prctica y en observaciones. Probablemente nuestro entrenamiento como economistas nos
anterioridad desde una perspectiva abstracta.
condiciona a pensar en la Economa como una ciencia apriorstica y no observacional en la

que la interrelacin entre teora y observaciones es poco efectiva. Pero esta premisa est lejos
Los experimentos de Laboratorio facilitan el aprendizaje activo de los alumnos a travs de un
de la realidad econmica actual, en la cual el comportamiento de los diversos agentes
incremento en la motivacin. Esta motivacin nace de la curiosidad natural que desarrollan los
econmicos se aleja de la prediccin expuesta en el marco terico. Por tanto, es necesario
propios alumnos durante el experimento, inducindolos a pensar las estrategias ptimas de
entender cul es el comportamiento de agentes e instituciones en la Economa, y cmo sus
comportamiento en el juego planteado. Asimismo, los estudiantes son ubicados dentro del
132
133
marco experimental conectando directamente con los conceptos econmicos desarrollados en
En la Seccin 2 se presentan los principios metodolgicos bsicos que deben cumplir los
el aula, facilitando la conexin entre la teora y la prctica. Permitiendo una discusin en el aula
experimentos en el aula. Posteriormente, en la Seccin 3 mostraremos las aplicaciones y
acerca de las experiencias vividas en el laboratorio, los experimentos incrementan el
experiencias docentes implementadas en el presente curso.
aprendizaje a travs del mtodo socrtico frente a las clases tradicionales (Holt, 1999).
El objetivo de la realizacin de experimentos en el aula es desarrollar una actividad
METODOLOGA
participativaacadmica que refleje un contexto que involucre situaciones similares a las que se
El objetivo prioritario de un experimento de economa en el aula es la transmisin de los
pueden encontrar en el mundo real. La experimentacin como metodologa pedaggica permite
conocimientos tericos a travs de la implementacin de un juego de decisin que envuelve
a los alumnos desarrollar oportunidades de aprendizaje diferentes al modelo pedaggico
determinados conceptos econmicos.
tradicional (Pascual et al., 2009), adems de motivar tanto a los alumnos como al docente
Es necesario resaltar que un experimento en el aula no tiene que estar necesariamente ligado
(Holt, 1999).
al uso de un laboratorio, diferentes autores han realizado experimentos en el aula utilizando

Centrndonos en el impacto que tienen los experimentos docentes en los resultados
papel y bolgrafo (empezando por Chamberlin, 1948). No obstante, para asegurar el riguroso
acadmicos de los estudiantes, el trabajo de Frank (1997) analiza cmo los estudiantes que
cumplimiento del procedimiento experimental, los experimentos docentes que hemos realizado
asistieron a un experimento sobre el uso de recursos de propiedad comn (La Tragedia de los
se implementaron dentro del laboratorio usando las mismas condiciones que un experimento
Comunes), obtuvieron mejores puntuaciones en el test final comparndolos con aquellos
estndar para investigacin (los experimentos fueron programados usando el software
estudiantes que slo vieron los conceptos de forma terica.
experimental Z-tree, Fischbacher, 2007).
Adicionalmente, Dickie (2006) cuantifica los resultados acadmicos obtenidos por sus alumnos
Principios Experimentales
en la asignatura de Microeconoma, revelando que los alumnos que asistieron a experimentos
Para realizar cualquier experimento con xito, independientemente del contenido terico que
en el laboratorio obtuvieron una nota media mayor que los que no asistieron. Por otro lado,
posea, debemos respetar los principios experimentales en su implementacin.
Durham et al. (2007) realizaron experimentos en el aula para explicar conceptos econmicos
en las asignaturas de Macroeconoma y Microeconoma llegando a unos resultados similares.
Los experimentos han de ser realistas, el objetivo es aproximar al alumno a la realidad
Los autores observaron que impartir los conceptos tericos a travs del uso de experimentos
econmica y concretamente al concepto econmico objeto de estudio, en ningn caso
en el aula mejora la puntuacin de los estudiantes en las preguntas del examen.
debemos pretender mimetizar la realidad en el laboratorio. Durante el experimento los
Adicionalmente, los autores encuentran que la exposicin a los experimentos influye
estudiantes representan agentes econmicos en un entorno controlado, interactuando bajo los
positivamente en las actitudes de los estudiantes hacia el estudio de la Economa, un hallazgo
parmetros anunciados por el experimentalista y/o profesor.
que tambin es apoyado por Emerson y Taylor (2004).

Haciendo uso de la 'Teora del Valor Inducido', es necesario recompensar a los sujetos
Los experimentos en clase se revelan como un complemento didctico importante a las clases
experimentales con incentivos reales al final del experimento. En nuestro caso, otorgamos a los
tericas. Los resultados obtenidos en los estudios observados, apuntan a una mejora en la
sujetos una recompensa en forma de puntos directos de nota final en el examen. El uso de
motivacin y resultados acadmicos de los estudiantes que participan en los experimentos. El
incentivos en funcin de las decisiones permite obtener mayor control sobre las decisiones,
objetivo de estos experimentos es utilizarlos como herramienta docente para facilitar el
asegurndonos que los sujetos estn realmente revelando sus preferencias.
aprendizaje, la comprensin y despertar el inters de los alumnos hacia la materia.

Durante el experimento la curva de aprendizaje debe tener una gran pendiente, es decir, en
poco tiempo los estudiantes tienen que familiarizarse con un entorno econmico concreto. Por
134
135
tanto, el experimento debe disearse de la manera ms sencilla posible, utilizando un lenguaje

neutral respondiendo a las necesidades de aprendizaje.
No hacer un mal uso del ordenador: el ordenador solamente se debe de usar para
tomar decisiones relativas al experimento, quedando completamente prohibido su uso
para navegar por internet o realizar cualquier otra accin distinta a la anterior.
Realizacin del experimento

El experimento se lleva a cabo en el Laboratorio, dado que este espacio nos permite
implementar los procedimientos experimentales de forma ptima. El entorno de decisin se
APLICACIONES Y EXPERIENCIAS RECIENTES

Experimentos docentes: la experiencia del curso 2011/2012
delimita para que los agentes econmicos interacten a travs de una institucin estrictamente
definida. Lo que caracteriza al entorno econmico del laboratorio es el grado de control que se
A travs de la metodologa experimental en el aula, se pretende, adems de formar al alumno
puede ejercer sobre las decisiones de los agentes. Este nivel de control sobre los flujos de
desde la experiencia, obtener feedback de los participantes tras el experimento. Esta
informacin que relacionan entorno, instituciones y comportamiento normalmente se lleva a
metodologa ha sido ampliamente utilizada en la Universitat de Valncia (en LINEEX) durante
cabo mediante la utilizacin de redes de ordenadores. El objetivo del laboratorio es la
los ltimos aos y se basa en impartir una sesin terica-participativa tras la sesin
generacin de ambientes virtuales en los que discurren de manera totalmente controlada stos
experimental.
flujos de informacin entre los participantes.

En el curso 2011/2012, la experiencia se desarroll de la siguiente forma: los alumnos
Los sujetos experimentales deben ocupar un puesto en el laboratorio de manera aleatoria,
pertenecientes a cuatro cursos de diferentes grados participaron en las sesiones
eliminando cualquier percepcin de manipulacin por parte de los sujetos hacia el
experimentales, una sesin posterior recogi los resultados del experimento y los transmiti a
experimentalista y/o profesor. Asegurndonos de que los alumnos perciban que su colocacin
los estudiantes buscando la participacin activa y el debate. Concretamente, la semana
en la sala es completamente aleatoria y no existe ningn patrn que asigne los puestos de
siguiente a cada sesin, el experimentalista acudi al aula con el fin de mostrar los resultados a
manera predeterminada, garantizamos la privacidad y el anonimato de los sujetos.
los alumnos y debatir con stos los resultados obtenidos, as como los detalles y diseo del
Adicionalmente, es importante resaltar que en ningn caso se vincularn las decisiones de lo
juego. Nuestra experiencia personal nos indica que las sesiones posteriores despiertan mucho
sujetos con sus datos personales.
inters en los estudiantes, ya que son ellos los que plantean preguntas y facilitan el debate con
el fin de analizar el juego y los resultados en su totalidad.
Un experimento docente debe estar directamente relacionado con un concepto terico incluido
en el programa de la asignatura. En este punto queda a eleccin del docente si conviene
Esta metodologa ha sido implementada en varias sesiones durante el curso 2011/2012 para
realizar el experimento antes o despus de la explicacin terica (concretamente, en nuestra
los grados de Relaciones Laborales, Economa, ADE-Derecho y un nuevo grado de Business
experiencia los experimentos se implementaron tras la correspondiente explicacin terica)
Economics. Los conceptos que se trataron en los diferentes cursos fueron dilemas sociales (a
travs de un Juego de Bienes Pblicos) para todos ellos, excepto en el caso el grado de ADE-
Durante el experimento, existe un procedimiento experimental muy estricto. Para que el

experimento tenga xito, tanto los alumnos como el profesor deben aceptar y adoptar las
Derecho, en el que se llev a cabo un juego de competencia en precios (concretamente se

desarroll un juego bajo los supuestos tericos del Duopolio de Bertrand).
normas dentro del Laboratorio. A continuacin se detallan las principales normas dentro del
La tabla 1 resume el nmero de alumnos, el tipo de juego empleado y su grado de
Laboratorio:
procedencia.
Comunicacin prohibida: la comunicacin dentro de la sala est estrictamente

prohibida, tanto verbal como no verbal.
Un total de 292 alumnos participaron en las experiencias docentes programadas para el curso
Apagar los dispositivos electrnicos: el uso de terminales telefnicos o cualquier otro
2011/2012. La eleccin del tipo de juego qued determinada por las necesidades docentes de
aparato electrnico tiene un uso restringido en la sala para evitar cualquier tipo de
los programas de cada uno de los grados.
comunicacin dentro y fuera de ella.

136
137
Tanto durante el presente curso como en cursos anteriores, las experiencias docentes en el
supeditado a los niveles de inflacin (y por tanto desempleo) elegidos. Las ganancias de los
laboratorio han tenido gran relevancia en los cursos donde se han implementado. Diversos
estudiantes dependan del nivel de bienestar de sus ciudadanos.
profesores y coordinadores de asignaturas han introducido experimentos docentes en el aula.

El feedback obtenido por profesores y alumnos es muy positivo, dando carcter de continuidad
a las experiencias.
Tabla 1. Resumen de los experimentos docentes

Grado
Juego
Relaciones Laborales
Bienes pblicos
# Alumnos
Economa
Bienes pblicos
24
ADE-Derecho
Duopolio de Bertrand
184
Business Economics
Bienes pblicos
36
48
Total 292
Fuente: elaboracin propia.
Experimento y rendimiento acadmico

Como hemos visto anteriormente, el uso de experimentos como apoyo a la docencia en
Figura 1. Caractersticas y nmero de alumnos por grupo.

economa en la Universitat de Valncia se ha convertido en uno de los grandes pilares de la

innovacin educativa en la Facultat dEconomia desde hace unos aos. A continuacin,
destacamos la reciente experiencia de innovacin educativa llevada a cabo durante el primer
Este tipo de experimento no posee ningn tipo de equilibrio asociado al juego, por tanto, la
cuatrimestre del curso 2011/2012 en la asignatura de Macroeconoma I del Grado en
participacin pretende exclusivamente que los estudiantes comprendan el mecanismo de La
Economa, efectuada por el docente Guillermo Mateu.
Curva de Phillips durante del desarrollo del juego. Analizando los datos extrados de las
preguntas del examen, los resultados apuntan a una mejora en el rendimiento acadmico por
El objetivo de esta experiencia es analizar el impacto de los experimentos docentes sobre el

rendimiento acadmico de los estudiantes. Para ello, seleccionamos dos grupos de alumnos
divididos segn matrcula (Grupo 1 y Grupo 2). Para comparar ambos grupos, se decidi que
parte de los estudiantes, especialmente en aquellos que ya haban cursado la asignatura con
anterioridad. No obstante, los resultados estn pendientes de analizar a travs de un futuro
estudio en profundidad.
un grupo participara en un experimento docente (Grupo 1) y el otro no (Grupo 2). El proyecto

de innovacin educativa consisti en explicar el mismo concepto macroeconmico (La Curva
CONCLUSIONES
de Philips) de dos formas diferentes, a travs de un experimento docente, o bien a travs de

una clase terica tradicional (ver Figura 1).
La Economa Experimental como herramienta de innovacin docente ofrece, tanto al estudiante

como al profesor, una metodologa novedosa que permite aproximar al alumno a problemas
Concretamente; el experimento consisti en la reproduccin de la economa de un pas para
econmicos reales en un entorno virtual controlado aumentando la motivacin hacia la materia.
estudiar los efectos de la Curva de Phillips. La Curva de Phillips relaciona con pendiente
negativa la inflacin y el desempleo. En este sentido, la decisin de los sujetos consisti en
La experiencia acumulada a travs de los aos en LINEEX y la Universitat de Valncia, y los
elegir los niveles de inflacin para una economa, tomando decisiones como gobernadores del
numerosos estudios que avalan esta metodologa, invitan a tenerla en consideracin en la
Banco Central de su pas. En el experimento, el bienestar de sus ciudadanos estaba
planificacin de los planes docentes. La utilizacin de esta metodologa dentro del aula supone
138
139
un aumento del rendimiento acadmico de los estudiantes, facilitando el aprendizaje y la

comprensin de los aspectos tericos.
Una propuesta alternativa para el aprendizaje del clculo

de probabilidades en el Grado de Ingeniera Mecnica
Siguiendo los pasos de las ms prestigiosas universidades y centros de investigacin, es

necesario por tanto, que se establezca una unin entre la metodologa experimental y la
Jess Irles (1), Mara Luisa Martnez (2), Jos Zacars (3), Rosario Ribelles
docencia.
(4)
, Jos Manuel Pastor (5)
Florida Universitaria
C/ Rei En Jaume I n2. Catarroja (Valencia). 46470
(1) jirles@florida-uni.es
(2) marisam@florida-uni.es
(3) pzacares@florida-uni.es
(4) sarimar18@gmail.com
(5) jmpastor@florida-uni.es
BIBLIOGRAFA
Bergstrom, T.C. y Miller, J.H. (2008). "Experimentos con los principios econmicos", Antoni
Bosch, Barcelona, 2a Ed.
Bolton, G. y Ockenfels, A. (2000). "ERC - A Theory of Equity, Reciprocity, and Competition",
American Economic Review 90, 166-193.
Brandts, J. (2009). "La Economa Experimental y la Economa del Comportamiento", J. C.
Garca-Bermejo (Ed.), Sobre la Economa y sus Mtodos (pp. 125-142). Madrid: Trotta
Chamberlin, E. (1948). "An experimental Imperfect Market", Journal of Political Economy, 56,
95-108.
Comeig, I., Jaramillo-Gutirrez, A. y Ramrez, F. (2011). Experimentos Interactivos para la
Enseanza de Economa y Finanzas: Una aplicacin a la Docencia de Estadstica,
Experiencias de innovacin docente en estadstica. Jose M. Pava, Rosario Martnez,
Francisco G. Morillas (Eds.), Valencia.
Davis, D. y Holt, C. (1993). "Experimental Economics", Princeton University Press, Princeton.
Dickie, M. (2006). Do Classroom Experiments Increase Learning
Microeconomics?, Journal of Economic Education, 37(3), 267288
in
Introductory
Durham, Y., McKinnon T. y Schulman, C. (2007). Classroom Experiments: Not Just Fun and
Games, Economic Inquiry, 45(1), 162178
Emerson, T.L.N. y Taylor, B.A. (2004). Comparing Student Achievement across Experimental
and Lecture-Oriented Sections of a Principles of Microeconomics Course, Southern
Economic Journal, 70, 672-693
Fats, E. y Roig, J.M. (2004). Una introduccin a la metodologa experimental en economa,
Cuadernos de Economa, 27, 07-36
Fehr, E. y Schmidt, K.M. (1999). A Theory of Fairness, Competition, and Cooperation,
Quarterly Journal of Economics, 114(3): 81768.
RESUMEN
Este trabajo introduce los conceptos de probabilidad condicionada y el teorema de la
probabilidad total a partir de las ideas intuitivas del alumnado. La metodologa utilizada es el
Aprendizaje Basado en Problemas. El profesorado plantea al alumnado cul es la opcin ms
ventajosa en un concurso a partir de una escena cinematogrfica. Ante esta situacin se
origina un debate. Tambin se propone la bsqueda de fundamentos probabilsticos que
permitan tomar una decisin. Cabe destacar la positiva valoracin de esta experiencia por
parte del alumnado. Los resultados de la encuesta a los alumnos confirman la validez del
mtodo en el aprendizaje y la adquisicin de competencias transversales.
INTRODUCCIN
Teniendo en cuenta qu competencias deber conseguir el alumnado al finalizar sus estudios
hemos considerado que en el Grado de Ingeniera Mecnica el aprendizaje basado en
Fischbacher U., (2007): Z-tree: Zurich toolbox for ready-made economic experiments,
Experimental Economics, 10: 171-178.
problemas puede ser una herramienta adecuada para desarrollar dicho aprendizaje. Para
Frank, B. (1997). The impact of classroom experiments on the learning of economics: An

empirical investigation, Economic Inquiry 35, 763769
Grado de Ingeniera Mecnica deben tomarse las actuaciones profesionales como punto de
Holt, C.A. (1999). Teaching Economics with Classroom Experiments: A Symposium, Southern
Economic Journal, 65(3), 603-610
Pascual, J.A., Galn, J.M., Izquierdo, L.R., Santos, J.I., Izquierdo, S. y Gonzlez, J. (2009).
Una herramienta didctica para la enseanza de la teora de juegos mediante internet,
EDUTEC, Revista Electrnica de Tecnologa Educativa, 29, Julio
140
favorecer el desarrollo y crecimiento de los estudiantes de las competencias de la titulacin de

partida. A priori resulta complicado ya que tradicionalmente a nivel universitario hemos
trabajado las asignaturas con una estructura fragmentada en compartimentos estancos, lo cual
dificulta un aprendizaje ms acorde con el mundo real.
141
En este trabajo se presenta la experiencia de cmo se introducen los conceptos de
En el caso del alumnado tambin surgir la necesidad de conocer cul es el tipo de
probabilidad condicionada y el teorema de la probabilidad total, a partir de las ideas intuitivas
problemtica que debern investigar y que esta tenga aplicacin con los conocimientos
del alumnado. El alumnado para el desarrollo del problema pondr en juego lo aprendido en el
curriculares impartidos.
mbito de la estadstica, esto le permitir integrar lo aprendido y valorar en mejor medida su

aprendizaje, puesto que comprobar su aplicacin a situaciones reales.
En primer lugar, previo al inicio del curso acadmico, el profesor determina o revisa los
objetivos docentes de la asignatura, proponiendo cul o cules sern desarrollados a travs
Los objetivos que pretendemos alcanzar con esta experiencia sern, en primer lugar, obtener
del problema planteado. Posteriormente, teniendo en cuenta el tipo de actividad propuesta, el
una visin global y conjunta de los contenidos de la asignatura, en segundo lugar que el
equipo de profesores asesores junto con el profesor que imparte la asignatura, planifica el
estudiante aplique los conocimientos adquiridos para valorar, comparar y decidir cul es la
calendario de las diferentes subactividades, entre las que se encuentran las siguientes:
mejor solucin que tienen que aportar para desarrollar el problema planteado, y finalmente que
presentacin del problema, objetivos a conseguir, formacin de equipos de trabajo, bsqueda
el alumnado demuestre la cualificacin y preparacin necesaria para la aplicacin de
de informacin, discusin del problema por cada equipo, consensuar el problema a investigar
conocimientos curriculares en el mundo real.
entre los diferentes grupos, tutorizacin y seguimiento por el profesor, presentacin de los
resultados obtenidos y evaluacin del aprendizaje conseguido.
Previamente a la eleccin del problema sobre el cul girara todo el trabajo, hemos tenido en
cuenta que el mismo, facilitara y estimulara la bsqueda de informacin, y que tuviera una
Rol de los estudiantes y profesorado
aplicacin del conocimiento que se encuentra en la asignatura de estadstica. Adems debera

contribuir con actividades que conectasen con el mundo real fomentando la participacin de los
El profesor y los estudiantes que participan en la resolucin del problema tienen unos papeles
miembros de cada equipo con un aprendizaje colaborativo. Despus de plantearles la situacin
asignados dentro del proceso de trabajo, con sus funciones y responsabilidades [x]. Los roles
dejamos que ellos valorasen qu temas podran abordar, eligiendo cul sera la probabilidad de
asignados son: el alumnado, el jefe de equipo, el profesor de la asignatura y el equipo asesor.
conseguir el premio mximo en un concurso televisivo.

El alumnado es el ncleo de la resolucin del problema, configuran los equipos de trabajo. Se
Problemas como el que presentamos nos demostrarn que es posible trabajar para conseguir
han agrupado de forma heterognea. Son un grupo, generalmente, de cuatro a cinco personas
diversas competencias. Como es fcil de adivinar, en este diseo experimental, pretendemos
que tienen un objetivo comn, la resolucin de un problema especfico.
que el alumnado desarrolle, adems de las competencias especficas de la asignatura,

competencias como la autonoma e iniciativa personal y trabajo en equipo. Competencias que
el mundo laboral y social son muy valoradas.
Los estudiantes como protagonistas del proceso de enseanza-aprendizaje activo, deben

responsabilizarse en la realizacin de las tareas encomendadas en el equipo de trabajo, con
calidad e iniciativa y presentarlas en tiempo y forma.
METODOLOGA
Sus funciones abarcan distintos aspectos, no slo referidos a los objetivos sino tambin a la
Planificacin de la actividad
elaboracin de los entregables: propuestas de investigacin, elaboracin de informes,

presentacin de resultados, interactuar con el profesor, jefe de equipo y resto de compaeros,
La necesidad que se plantea inicialmente para el profesor es conocer el funcionamiento del
mostrando respeto y evitando los posibles conflictos.
Aprendizaje Basado en Problemas. Para ello se rene un grupo de profesores que imparten
docencia en ingeniera para recabar informacin, asistir a un seminario de formacin y una vez
Como valor aadido y para desarrollar su actitud crtica han de participar en la evaluacin del
finalizado el mismo se constituyen como equipo de trabajo para iniciar la planificacin,
proceso de trabajo, del funcionamiento del equipo.
desarrollo y evaluacin de la actividad que se va a proponer al alumnado.
142
143
El jefe de equipo es un estudiante elegido por el resto de los compaeros del grupo, que ser
Potenciaremos la comunicacin lingstica al leer y analizar el escenario del problema,
el catalizador de la motivacin, del reparto de responsabilidades, de la evolucin del equipo y
y al presentar los resultados finales. Nuestros estudiantes han de utilizar el lenguaje de
que a nivel individual tenga una cierta empata en la resolucin de conflictos.
forma coherente con todos los conceptos especficos de la Probabilidad y han de ser
capaces de comprender, autorregular sus ideas y expresar sus conocimientos
especficos, de una forma clara y adecuada.
Todo esto se traduce en que sus funciones van desde la supervisin de la planificacin y del
informe final hasta el seguimiento del trabajo, preparando y convocando reuniones,
La competencia matemtica la trataremos cuando identifiquemos el problema, cuando
asegurndose de que cada integrante del grupo realiza la tarea asignada, revisando con el
hagamos una lista de todos aquellos procesos que conocemos y tenemos que aplicar
profesor la evolucin del equipo y gestionando las posibles incidencias.
para resolver el problema, seleccionando todo aquello que necesitamos conocer para
solucionar el problema. Nuestros estudiantes ampliarn sus conocimientos de
probabilidad para poder abordar problemas de la vida cotidiana o del mundo laboral.
El profesor de la asignatura colabora en la definicin de la temtica del problema a investigar

con el resto del equipo asesor, para revisar la planificacin, seguimiento y evaluacin,
La competencia en el conocimiento y la interaccin con el mundo fsico la utilizaremos
coordinndose con los diferentes grupos para equilibrar la carga de trabajo del alumnado.
cuando nuestros estudiantes apliquen el conocimiento generado a situaciones de
Determina los objetivos docentes de la asignatura que se trabajarn en el problema planteado,
nuestro entorno social, y presenten los resultados finales. Los alumnos trabajarn para
al tiempo que planifica las clases en el marco de la asignatura, su temporalizacin y recursos.
adquirir esta competencia, la comprensin de los sucesos, el debate en la exposicin

de ideas, la prediccin de consecuencias y la aplicacin de sus resultados en otras
situaciones semejantes que puedan favorecer a la sociedad.
Al principio de la actividad destina una sesin de trabajo en el aula para garantizar que el
alumnado comprende los objetivos que se quieren conseguir e identifica las tareas necesarias.
La competencia digital y tratamiento de la informacin se practicar al utilizar para el

trabajo en grupo el Excel, Word, Google docs, Google calendar, etc. Esta competencia
En el proceso tutoriza y asesora al alumnado para que alcance los objetivos del proyecto y
les permitir desarrollar habilidades que van desde el acceso a la informacin hasta su
comunicar al equipo asesor cualquier incidencia que pueda afectar al desarrollo del mismo.
transmisin en distintos soportes as como los instrumentos para pasarse esa

informacin, comunicarse, evaluarse y exponer sus resultados a los dems grupos.
El Equipo asesor es un grupo de profesores que imparten en el propio curso acadmico, lo que
La competencia de aprender a aprender la van a ejercitar durante todo el proceso pero
le permite conocer y establecer una relacin cercana con los alumnos. Participa en seminarios
sobre todo al recordar, construir, concluir y presentar los conceptos de probabilidad
con el profesor de la asignatura.
para dar una solucin al problema. Esta competencia les va a suponer aprender de
forma eficaz, de conocer estrategias de uno mismo y en colaboracin con los dems
Asesora al profesor de la asignatura para equilibrar la carga de trabajo del alumnado, las
para abordar un problema y darle solucin. Por otra parte el ser consciente de que se
actividades evaluativas y las competencias a desarrollar. Se encarga de consensuar con el
est aprendiendo por uno mismo y en colaboracin con los dems, redunda en la
motivacin, en la confianza, y en el gusto por estudiar.
profesor de la asignatura, al principio de curso, los objetivos en el marco del modelo educativo,
incluyendo las actividades y fechas claves.
Las competencias de autonoma, iniciativa personal, carcter emprendedor y trabajo

en grupo las van a desarrollar cuando los pequeos grupos busquen informacin,
Por ltimo, analiza y evala el funcionamiento y los resultados de la actividad, junto al profesor
planifiquen estrategias para abordar el problema, consensuen la distribucin del trabajo
del curso, para identificar mejoras y comunicarlo a los diferentes grupos.
dentro del grupo, y concluyan resultados o nuevos problemas. Aprender a ser

emprendedores les va a permitir olvidarse del sistema error- acierto, ellos van a ser los
El aprendizaje basado en problemas nos va a permitir desarrollar en el alumnado toda una
protagonistas para plantear estrategias de cmo abordar los problemas, ejercer la
serie de competencias. Estas competencias las consideramos imprescindibles en cualquiera
autocrtica y valorar los resultados. Esto va a permitir, desarrollar en nuestros
de nuestros alumnos para un adecuado desempeo de su vida social y profesional. A lo largo
estudiantes, valores como la responsabilidad la perseverancia el control y la capacidad
de este proceso enseanza aprendizaje desarrollaremos las siguientes competencias:
de asumir riesgos.
144
145
Listado sobre lo que se necesita saber para resolver el problema. Con este paso, quedar
Aprendizaje basado en problemas
definido el camino o la estrategia a seguir para conseguir resolver el problema planteado.

En el aprendizaje convencional, la resolucin de problemas consiste en la exposicin de la
informacin y la bsqueda de aplicaciones para su resolucin. Mientras que en el ABP [4] en
primer lugar se presenta el problema, a continuacin se identifican las necesidades de
aprendizaje y el alumnado busca la informacin necesaria. Finalmente se regresa al problema
Definir el problema. Consiste en explicar de forma clara y resumida aquello que se pretende
resolver.
donde el profesor es un facilitador del aprendizaje.

Obtencin de informacin. Ahora el equipo deber obtener, organizar, analizar y dar lectura a
Una de las caractersticas del ABP es que el aprendizaje se centra en los alumnos y que los
toda la informacin que hasta ahora se tiene sobre el problema a resolver.
grupos de clase no deben ser numerosos porque perdera toda la efectividad de esta
Presentacin de resultados. En este ltimo paso, el equipo debe elaborar un informe que
metodologa.
contenga la solucin del problema y las conclusiones a las que se haya llegado en relacin con
Las etapas a seguir para la resolucin de un problema por el procedimiento ABP son los
la resolucin del mismo.
siguientes:
PROCEDIMIENTO
1) Leer y analizar el escenario del problema.
2) Realizar una lluvia de ideas.
Para conseguir una mayor motivacin del alumnado en el proceso de aprendizaje elegimos
3) Hacer una lista de aquello que se conoce.
visionar escenas de la pelcula 21 Black Jack. Este film se eligi porque en l se planteaba
4) Hacer una lista de aquello que se desconoce.
un problema real de clculo de probabilidades. En esta escena aparece un profesor en el aula
5) Hacer una lista de aquello que necesita hacerse para resolver el problema.
con los alumnos y les plantea un problema. El problema se centra en la situacin que tiene
6) Definir el problema.
lugar en un conocido programa-concurso en U.S.A. La formulacin es la siguiente: el
7) Obtener la informacin.
presentador del programa muestra tres puertas al concursante. Detrs de una de las puertas
8) Presentar resultados.
hay un premio (concretamente un coche), y detrs de las otras dos puertas no hay premio
Lectura pormenorizada del problema. Al realizar este paso debe conseguirse una correcta
(concretamente una cabra) y el presentador s que sabe qu hay detrs de cada puerta.
comprensin del problema a resolver por el equipo. Es decir, cules son los datos e hiptesis
Tras ofrecer el presentador al concursante que elija una puerta, ste elije una de ellas
iniciales y qu es lo que se debe resolver.
(digamos la puerta 1), pues no tiene ninguna informacin sobre cul de ellas tiene ms o
Lluvia de ideas. Los alumnos deben en este paso exponer sus diferentes ideas en relacin con
menos probabilidad de esconder el premio. Pero una vez el concursante ha elegido la puerta 1,
el presentador descubre una de las dos puertas que el concursante no ha elegido (digamos la
la forma de abordar y resolver el problema.
puerta 3) y le muestra que no tiene premio. En ese momento el presentador propone al

Listado de aquello que se sabe del problema. En este paso, los alumnos deben plasmar toda la
concursante si desea seguir manteniendo la puerta que inicialmente eligi (es decir, la puerta
informacin de que se dispone sobre el problema a resolver. La realizacin correcta de este
1) o si, por el contrario, prefiere cambiar a la puerta que queda por descubrir (la puerta 2).
paso es fundamental, ya que cuanta ms informacin se consiga sintetizar, mejor base se

tendr para una exitosa resolucin del problema.
En lo que respecta al procedimiento por el cual el alumnado fue evaluado cabe decir que se
realiz atendiendo a cmo se desarrollaron las etapas del Aprendizaje Basado en Problemas:
Listado de lo que se desconoce. En este paso, el equipo debe enumerar todo aquello que el
equipo debe conocer para resolver el problema, pero que no se sabe. Puede tratarse de
conceptos o procedimientos que se deban estudiar.
146
1) Visualizar y analizar el escenario del problema. En este caso, el alumnado visualiz la

escena de la pelcula 21 Black Yack para comprender cul era el problema planteado,
147
que en esencia era si una vez elegida una puerta y tras haberle abierto otra ms el
profesor al concursante le interesaba o no cambiar de puerta para ganar el premio.
RESULTADOS
2) Realizar una lluvia de ideas. El alumnado propuso entre otras, la idea de solucionar el
problema en trminos de probabilidades, pero sin saber an los clculos a realizar. Otra
Los alumnos formaron cuatro grupos de cuatro o cinco personas cada uno, y propusieron
idea fue que se deba consultar un manual de probabilidades y adquirir base terica de
varias soluciones:
clculo de probabilidades para la resolucin.

3) Hacer una lista de lo que se conoce. Los equipos establecieron las probabilidades
Solucin 1. Basada en el Teorema de la Probabilidad Total. El equipo que plante esta
bsicas o elementales relacionadas con el problema tales como la probabilidad de que el
solucin emple los siguientes sucesos:
concursante elija o no inicialmente la puerta con premio (1/3 y 2/3 respectivamente).

4) Hacer una lista de aquello que se desconoce. Algunos grupos plantearon aqu las
V = obtener premio; S= elegir puerta con premio; T=elegir puerta sin premio
siguientes dos cuestiones:

Se altera la probabilidad de obtener premio si el alumno cambia su decisin inicial?
Y mediante la aplicacin de este Teorema, simularon las siguientes dos situaciones:
Si se altera la probabilidad de obtener premio si el alumno cambia su decisin inicial.

Cunto valdr?
Situacin 1. El concursante no cambia de puerta elegida. La formulacin en este caso sera la
5) Hacer una lista de lo que se necesita para resolver el problema. Sabiendo que el
siguiente:
problema deba ser resuelto en trminos de probabilidades, los equipo establecieron la

casustica posible asociada al problema, llegndose a los dos casos siguientes para
P(V)=P(VS)+P(VT)=P(VS)P(S)+P(VT)P(T)=(11/3)+(02/3)=1/3
obtener premio:
1) El concursante no cambia de puerta: ante este caso puede que el concursante
inicialmente haya seleccionado la puerta con premio o puede que no la haya
Situacin 2. El concursante s cambia de puerta elegida. La formulacin en este caso sera la

siguiente:
seleccionado.
2) El concursante s cambia de puerta: ante este caso puede que el concursante
inicialmente haya seleccionado la puerta con premio o puede que no la haya
PV=PVS+PVT=PVSPS+PVTPT=(01/3) + (12/3)=2/3
seleccionado.
Y para calcular las probabilidades asociadas a estos casos se utiliz el rbol de
probabilidades, la frmula del Teorema de la Probabilidad Total, y tambin hubo quien
obtuvo estas probabilidades sin tener una base terica de clculo de probabilidades.
Por lo tanto, y a la vista de estos resultados, el equipo concluy que era mejor cambiar de
puerta, ya que en este caso la probabilidad de obtener premio era de 2/3 frente a la opcin de
no cambiar de puerta, en cuyo caso la probabilidad de obtener premio era de tan slo 1/3.
En cuanto a las etapas 6 y 7, hemos de decir que los alumnos las incluyeron de forma
Solucin 2. Uso del razonamiento lgico (sin aplicar conocimientos de Estadstica). El equipo
implcita en las etapas anteriores.

8) Presentacin de resultados. Una vez efectuados los clculos oportunos en trminos de
que propuso esta solucin consider dos bloques de puertas: el bloque A, el cual tena una
probabilidades, el alumnado decidi que era mejor que el concursante cambiar de puerta
sola puerta y por tanto la probabilidad de que al elegir este bloque se obtuviera premio era de
elegida, pues as, la probabilidad de obtener premio (2/3) era mayor que si no cambiaba de
1/3, y el bloque B, que estaba formado por dos puertas y por tanto la probabilidad de que
puerta (1/3).
contuviera el premio era de 2/3. Si se elega el bloque A y no se cambiaba de puerta, la

probabilidad de premio era 1/3, mientras que si se elega bloque A y s se decida cambiar de
Al final de todo el proceso el alumnado present un informe el cual fue valorado por el profesor.
Este informe, junto con la evaluacin entre pares, conform la nota que se aadi a la del
puerta (lo que supone implcitamente haber elegido el bloque B), la probabilidad de obtener
premio era de 2/3 y por eso concluyeron que era mejor cambiar de puerta que no hacerlo.
examen y a la del Proyecto Integrado para obtener la evaluacin global de la asignatura.
148
149
Solucin 3. Uso del rbol de probabilidades. El equipo que plante esta solucin estableci
ms con la asignatura, la 1 (427 puntos) y la 4 (393 puntos) de la que se deduce que este tipo
todos los casos posibles que podan darse en este problema y sus probabilidades respectivas.
de actividades no deben de ser algo anecdtico que se hagan de vez en cuando. Tambin
Los casos posibles y sus probabilidades eran:
obtuvo una valoracin muy positiva la pregunta 5 (133 puntos), lo que indica que pocos
alumnos consideran, esta forma de trabajar en el aula, como una forma de perder el tiempo.
Tabla 1: Preguntas de la encuesta para la evaluacin de la actividad.

Pregunta
Donde C representa la puerta que oculta el premio, E representa la puerta elegida, y A
Puntuacin
1. Pienso que la discusin en clase del problema de 21 black

yack ha sido positiva para el aprendizaje de probabilidad.
2. La discusin suscitada sobre el problema planteado me ha
implicado ms a la hora de pensar en la asignatura.
3. Pienso que este tipo de actividades debera realizarse con ms
frecuencia.
4. Pienso que este tipo de actividades debera formar parte de la
evaluacin de la asignatura.
5. Creo que este tipo de actividades es una prdida de tiempo para
la asignatura.
427
440
460
393
133
representa la puerta que abre el presentador del programa.
Ante todas estas probabilidades el equipo sum todos aquellos casos en los que el
concursante no cambiaba de puerta para ver cul era su probabilidad de obtener premio. Estas
probabilidades eran las asociadas a los casos 1, 2, 6, 7, 11 y 12 y cuya suma vale 1/3. Por otra
parte, para calcular la probabilidad de que cambiando de puerta consiga el premio sumaron los
casos 3, 4, 5, 8, 9 y 10 y cuya suma vala 2/3. A la vista de estos clculos, el equipo decidi
que era mejor cambiar de puerta que no cambiar de puerta, pues la probabilidad de obtener
REFERENCIAS
Batanero Bernabeu, C., Fernandez, J.C., Contreras Garca J.M.,(2009) Un anlisis semitico
del problema de Monty Hall e implicaciones didcticas. Suma, 62. pp. 11-18.
Canavos, G.C. (1988). Probabilidad y Estadstica. Aplicaciones y Mtodos. McGraw-Hill.
Mxico.
premio pasaba de valer 1/3 a valer 2/3.
Carri, M.L. (2007) Ventajas del uso de la tecnologa en el aprendizaje colaborativo. Revista
Iberoamericana de Educacin, n 41/4.
CONCLUSIONES
De Miguel, M., (Coord.) Alfaro, I. J., Apodaca, P., Arias, J.M., Garca, E., Lobato, C. y Prez, A,
(2006). Modalidades de enseanza centradas en el desarrollo de competencias.
Orientaciones para promover el cambio metodolgico en el marco del EEES. Ediciones
Universidad de Oviedo.
Tras la realizacin y resolucin del problema se entreg al alumnado una encuesta para que
valorara este mtodo alternativo de planteamiento y resolucin de problemas. Las preguntas se
puntuaban de 1 a 5, siendo 1 la mnima valoracin y 5 la mxima valoracin. El nmero total de
alumnos que particip fue veinticuatro. Concretamente las preguntas fueron los que se
muestran en la tabla.
Cabe decir que el alumnado valor muy positivamente la realizacin de este tipo de actividades
alternativas. Ms concretamente, la pregunta que ms puntuacin obtuvo fue la 3 (460 puntos)
Direccin de investigacin y desarrollo educativo (2004). Vicerrectorado Acadmico, Instituto

Tecnolgico y Estudios Superiores de Monterrey. El aprendizaje basado en problemas
como tcnica didctica, http://www.ub.edu/mercanti/abp.pdf [ltima fecha de consulta,
04.05.2012].
Morales, P. y Landa, V. (2004).Aprendizaje basado en problemas. Theora, Vol. 13 , pp. 145157, http://redalyc.uaemex.mx/redalyc/pdf/299/29901314.pdf [ltima fecha de consulta,
04.05.2012].
Vila, L. E. y Perez, P.J. (2009). The contribution of higher education to the development of
innovation-related competences: a graduates' view, Proceeding of Transitions in Youth
Workshop. Dijon, France, 16-19, Septiembre.
donde se interpreta que este tipo de actividades deberan realizarse con ms frecuencia,
seguidas de las preguntas 2 (440 puntos) donde los alumnos reconocen haberse implicado
WAPOR (2008). Guidelines for nonresponse in surveys, en FJ Ruiz y W Alvey (Eds.),

Prediction. Hoboken, NJ: Wiley, pp. 215-219
150
151
Mathematica 8 como recurso docente en Estadstica

Empresarial
Eugenio M. Fedriani Martel (1), Inmaculada Romano Paguillo (2)
(1) Departamento de Economa, Mtodos Cuantitativos e H. Econmica
Universidad Pablo de Olavide, de Sevilla
Ctra. Utrera km 1. Sevilla
efedmar@upo.es
(2) Departamento de Economa, Mtodos Cuantitativos e H. Econmica
Universidad Pablo de Olavide, de Sevilla
Ctra. Utrera km 1. Sevilla
iromano@upo.es
RESUMEN
En los ltimos aos se estn llevando a cabo numerosas modificaciones en los planes de
estudio y, en particular, el rea de Mtodos Cuantitativos para la Economa y la Empresa de la
Universidad Pablo de Olavide ha apostado de decididamente por la utilizacin de las TIC y
programas informticos especficos como aportacin a la docencia. Esta iniciativa es
desarrollada por todos los docentes con asignaturas en esta rea: todas las asignaturas
establecieron en sus respectivos programas una parte significativa relativa al manejo de
programas de clculo, lgebra computacional y estadstica, as como a su evaluacin.
En este trabajo se pretende evaluar esta iniciativa, observando el esfuerzo que realizan los
estudiantes a lo largo de sus estudios, atendiendo al nmero de programas informticos que
tienen que dominar en las distintas asignaturas. Tambin se comprueba cmo se podra
reducir dicho esfuerzo mediante la utilizacin de un nico programa, como es Mathematica 8,
en asignaturas de Estadstica. En particular, se aportan las ventajas e inconvenientes ms
relevantes respecto a otros programas utilizados en clase de Estadstica y se dan algunas
ideas sobre las que conviene reflexionar al programar la docencia.
INTRODUCCIN
En una sociedad tan cambiante como la actual, se considera crucial que la educacin superior
tenga en cuenta las necesidades de los estudiantes universitarios a la hora de su incorporacin
al mercado laboral (Fedriani y Melgar, 2011); por ello, en los ltimos aos se est promoviendo
un cambio radical en el sistema docente, ejemplificado claramente en la implantacin del
153
Espacio Europeo de Educacin Superior, que supone un marco universitario comn para todos
Todas las asignaturas impartidas por el rea tienen una estructura similar y los criterios de
los pases del mbito europeo (EEES). Esta remodelacin conlleva, lgicamente, distintas
evaluacin de las mismas son tambin anlogos. Todas ellas son impartidas y desarrolladas
adaptaciones en la estructura de los planes de estudios y en el desarrollo de su docencia en
siguiendo el tipo de modalidad C1, establecido por la Facultad de Ciencias Empresariales y
cada nacin y sistema educativo (Garca, 2006). En Espaa, las primeras manifestaciones
que se caracteriza por evaluar el 50% de la asignatura en clases terico-prcticas (llamadas
obvias fueron la aparicin de los llamados crditos ECTS, que representaban el nmero de
sesiones de enseanzas bsicas) y el otro 50% en clases de problemas y prcticas
horas de trabajo del estudiante y no el nmero de horas de clase presencial recibidas, cuestin
(denominadas enseanzas prcticas y de desarrollo). En todas ellas se les exige a los
que serva hasta entonces para cuantificar el valor de las asignaturas; en general, el crdito
estudiantes que desarrollen sus habilidades con las nuevas tecnologas, utilizando distintos
ECTS supone entre 25 y 30 horas de trabajo del estudiante y un grado est compuesto por
programas informticos. Estas competencias informticas suponen entre un 20% y un 30% de
unos 240 crditos ECTS (un doble grado, a su vez, por unos 390). En cuanto a la primera
la asignatura y se engloban dentro de la evaluacin de las enseanzas prcticas y de
consecuencia de los cambios, esta iniciativa pretende incrementar el trabajo autnomo del
desarrollo. Conviene destacar que, en todos los casos, los estudiantes deben aprobar la parte
estudiante con respecto al anterior sistema, ya en extincin.
informtica si quieren tener la posibilidad de aprobar la asignatura.
Desde el curso 2009/2010, y tras varios aos de experiencia piloto (Melgar et al., 2009), en la
Observando la estructura de las distintas asignaturas que cursa un mismo estudiante de una
Universidad Pablo de Olavide, se han ido implementando las nuevas titulaciones de grado. En
titulacin especfica, se puede apreciar que, a pesar de la cierta uniformidad en las
este trabajo nos vamos a centrar especficamente en los estudiantes de cuatro titulaciones
evaluaciones, los alumnos estn sometidos a continuos cambios de metodologa y que cada
pertenecientes a la Facultad de Ciencias Empresariales: el Grado en Administracin y
asignatura se desarrolla alrededor de un software especfico, lo que obliga a la adaptacin del
Direccin de Empresas (GADE), el Grado en Finanzas y Contabilidad (GFC), el doble Grado en
estudiante a los diferentes programas (vase la Tabla 2).
Derecho y Administracin y Direccin de Empresas (GADE-GD) y el doble Grado en Derecho y

Finanzas y Contabilidad (GFC-GD). Estos estudiantes cursan y reciben clases diversas por
Tabla 2. Programas informticos empleados actualmente en cada asignatura.
parte de los profesores del Departamento de Economa, Mtodos Cuantitativos e H
ASIGNATURA
PROGRAMA INFORMTICO
Econmica, entre varios otros. En particular, algunas de estas asignaturas son impartidas por
el profesorado del rea de Mtodos Cuantitativos y son a las que nos vamos a referir en
adelante (vase la Tabla 1 para obtener un listado completo de las asignaturas que citamos).
Tabla 1. Titulaciones por asignatura, dentro del rea de Mtodos Cuantitativos.

ASIGNATURA
Matemtica Empresarial I
Mathematica
Matemtica Empresarial II
Mathematica
Estadstica Empresarial I
MS Excel SPSS/PASW
Estadstica Empresarial II
MS Excel SPSS/PASW
Matemtica Financiera
MS Excel
TITULACIN
Matemtica Empresarial I
Mtodos Estadsticos y Economtricos para la Empresa
SPSS/PASW - EViews
Estadstica para Finanzas I
MS Excel SPSS/PASW
Estadstica para Finanzas II
MS Excel SPSS/PASW
Mtodos Estadsticos y Economtricos para Finanzas
SPSS/PASW - EViews
GADE, GD-GADE, GFC, GD-GFC
Matemtica Empresarial II
Estadstica Empresarial I
GADE, GD-GADE
Estadstica Empresarial II
GADE, GD-GADE
Matemtica Financiera
Mtodos Estadsticos y Economtricos para la Empresa
GADE, GD-GADE
Estadstica para Finanzas I
GFC, GD-GFC
Estadstica para Finanzas II
GFC, GD-GFC
Mtodos Estadsticos y Economtricos para Finanzas
GFC, GD-GFC
Fuente: elaboracin propia a partir de las guas de las asignaturas (Carrasco y Ordaz, 2011a; Carrasco y
Ordaz, 2011b).
Por todo lo anterior, se plantearon los siguientes objetivos para este trabajo: intentar reducir la
diversidad de programas informticos que utilizan los estudiantes durante su periodo de
Fuente: elaboracin propia a partir de los planes de estudio de las titulaciones.
154
formacin, a partir de la presentacin de los nuevos usos de una herramienta que ellos
conocen desde el primer curso de su carrera; y establecer algunas de las ventajas e
inconvenientes que nos puede acarrear esta propuesta y sus circunstancias.
155
La estructura del resto de este trabajo es la siguiente. En primer lugar se realiza un somero
de introducir los datos resulta ms cmodo, y menos complejo, utilizar EXCEL. Este programa
repaso de la definicin de los diferentes programas empleados en las mltiples asignaturas,
es muy intuitivo de utilizar para un profesional, gracias a su completa interfaz; sin embargo, se
para posteriormente centrarnos en el programa de computacin simblica Mathematica, para el
hace algo ms complicado para los estudiantes, porque no suelen estar familiarizados con l a
que describiremos algunas de sus caractersticas ms relevantes, as como explicaciones de
priori y porque se utiliza puntualmente en partes especificas de las distintas asignaturas de
algunos de los ejemplos que pueden aparecer ms frecuentemente en la prctica docente
Estadstica, no de forma continuada. Adems, otro de los inconvenientes que presenta es que
estadstica. En la siguiente seccin se tratan las principales ventajas e inconvenientes de la
los estudiantes no disponen de licencia de campus para poder trabajar en casa y poder
utilizacin de estos programas. Finalmente, se incluye una breve seccin de conclusiones.
desarrollar sus prcticas, siendo esta una de las cuestiones que ms le suele preocupar a los
estudiantes de Estadstica.
METODOLOGA
A continuacin nos referimos al programa Eviews. Es un paquete estadstico, usado
La Universidad Pablo de Olavide, como se coment anteriormente, apost desde un principio

por aprovecharse del uso de las nuevas tecnologas en el aula; por ello, decidi adquirir
licencias de campus de los programas que se utilizaban en las diferentes asignaturas. Aqu nos
referimos exclusivamente a los distintos programas de carcter algebraico, simblico, de
clculo, de programacin y estadsticos empleados en las asignaturas cuantitativas
principalmente para anlisis economtricos. Se puede encontrar informacin al respecto en

http://www.eviews.com/EViews7/ev7overview.html. Es ideal para trabajar con series de tiempo,
cortes transversales, datos de panel, datos longitudinales y estimaciones y predicciones de
modelos de series temporales. Este programa combina la tecnologa de la hoja de clculo con
tareas tradicionalmente encontradas exclusivamente en el software estadstico, empleando una
interfaz de usuario grfica, donde en la ltima versin ha sido una gran innovacin la
anteriormente citadas.
produccin de grficos de alta calidad. Otra de las principales ventajas que presenta la ltima
Definicin de los programas empleados
versin es la utilizacin de EXCEL como ayuda para introducir datos y variables. En general,
puede decirse que se trata de un poderoso programa, posiblemente el ms destacado a nivel
Comenzaremos por MS EXCEL. Es un programa muy popular y conocido por los estudiantes,
ya que su uso est muy extendido por todo el mundo, al ser una herramienta de Microsoft
Office. MS EXCEL es un programa eficaz, que se utiliza principalmente para crear y manejar
hojas de clculo y analizar y compartir informacin para tomar decisiones ms fundamentadas
que las dictadas por la propia intuicin. Este programa es utilizado normalmente en tareas
financieras y contables y, como software auxiliar de otros programas, es frecuentemente
utilizado como ayuda para introducir los datos. En la prctica docente que nos ocupa, es un
mundial en estudios economtricos. Los resultados obtenidos de este programa cada vez son
ms flexibles; tambin ha mejorado la sencillez en el manejo de su interfaz. Este programa es
muy utilizado en las asignaturas de Mtodos Estadsticos y Economtricos para la Empresa y
Mtodos
Estadsticos
Economtricos
para
Finanzas,
pero
presenta
las
mismas
inconveniencias que los anteriores programas al respecto de la licencia de campus (que no se

extiende a los ordenadores personales de los estudiantes, lo que dificulta el trabajo personal
autnomo).
programa muy utilizado en las asignaturas de Matemticas Financieras. Uno de sus mayores
inconvenientes es que no es un programa de libre acceso, aunque en nuestra universidad
tengamos licencia de campus. Su mayor ventaja es que favorece una utilizacin muy intuitiva
para los estudiantes, que suelen estar muy familiarizados con l y con otros programas del
entorno MS Office.
Finalmente, comentamos algunas caractersticas de Mathematica. Es un programa informtico

(en realidad, es un paquete de computacin simblica) capaz de realizar operaciones
matemticas de muy diferente naturaleza. Tambin es un programa muy potente a la hora de
hacer clculos complejos y de una temtica amplia. En sus primeras versiones, Mathematica
era principalmente una herramienta de programacin, pero se ha ido actualizando y creando
El segundo de los programas utilizado es SPSS/PASW. Es un programa muy utilizado en la

rama de Estadstica; es particularmente frecuente en la rama de Ciencias Sociales y en el
mundo empresarial, concretamente en investigacin de mercado. Este programa tambin es
muy popular, sobre todo por su capacidad de trabajar con bases de datos de gran tamao y
permitir la recodificacin de las variables y registros segn las necesidades del usuario. En
una interfaz grfica cada vez ms intuitiva y til para el usuario. Se puede decir que sigue
siendo un programa muy verstil a la hora de programar, pero tambin cuando se trata de
importar datos, exportar resultados a diferentes formatos, tratar objetos tanto matemticos
como no matemticos (simultneamente) y generar documentos de gran calidad, incluso
interactivos. Estas ltimas acciones son las que se han mejorado ms en las ltimas versiones
SPSS es muy usual utilizar bases de datos creadas previamente en EXCEL, ya que a la hora
156
157
de Mathematica y las han convertido en una herramienta muy utilizada en investigacin y
Veamos distintas funciones que se pueden aplicar a las dos listas anteriores. Por ejemplo,
difusin de resultados. En general, se observa que el programa Mathematica ha evolucionado
siempre es posible calcular la media (incluso cuando no tiene sentido estadstico):
con los tiempos; en particular, ha desarrollado nuevas y significativas capacidades en la rama

de Estadstica. Como decimos, si nos centramos en la parte de Estadstica, Mathematica ha
In[3]:= Mean[datos]
modificado mucho su estructura, pero todava se echa en falta una paleta especfica de
Out[3]:= 71/17
funciones estadsticas, como existen ya para otros tipos de funciones y frmulas matemticas
In[4]:= Mean[color]
(aunque en la ltima versin, la 8, ya existen algunos comandos incluidos en las paletas
Out[4]:= 1/10 (amarillo + 3 azul + blanco + rojo + 4 verde)
genricas de matemticas). Este es uno de las inconvenientes que tiene Mathematica a la hora
La moda no presenta ningn problema:
de utilizarlo en las clases de Estadstica. En cambio, Mathematica es cada vez ms fcil de

utilizar por el estudiante, ya que las funciones utilizadas en Estadstica son, en general, los
In[5]:= Commonest[datos]
propios conceptos estadsticos solo que en ingls (y es sencillo incorporar mens
Out[5]:= {3}
desarrollados en espaol, para que no haga falta ni siquiera conocer la terminologa
In[6]:= Commonest[color]
anglosajona). Ya no hace falta, como s era necesario en versiones anteriores, cargar paquetes
Out[6]:={verde}
especficos de estadstica, como era el caso del clsico StatisticsDescriptiveStatistics.
Sin embargo, s puede haber algunas pegas con los cuantiles (Mathematica se encarga de
advertirnos los inconvenientes que pueden presentar nuestras peticiones):
En el siguiente apartado veremos un resumen sobre cmo se puede utilizar el programa

Mathematica en las clases de Estadstica. No se trata una descripcin de sus potencialidades,
In[7]:= Quantile[datos, 0.2]
sino ms bien una primera aproximacin para facilitar la tarea del nefito.
Out[7]:= 2
In[8]:= Quantile[color,0.2]
Utilizacin de Mathematica en Estadstica Empresarial I

Unos de los temas fundamentales a considerar, tanto en Estadstica Empresarial como en
Estadstica para Finanzas, es el de la Estadstica Descriptiva. Mediante el uso del programa
Mathematica 8, resulta especialmente intuitivo el uso de los conceptos estadsticos; si los
estudiantes conocen los distintos conceptos en ingls, pueden manejarse prcticamente sin
Out[8]:= Error*
*Quantile::rectn:
/Rectangular array of real numbers is expected at posicin I in Quantile [{verde, rojo,
blanco, azul, azul, verde, amarillo, verde, azul}]
Algunos casos particulares de los cuantiles son:
ayuda (si los conocen solo en espaol, pueden instalar paletas en nuestro idioma y proceder
tambin de modo autodidacta). A continuacin se presentan algunos ejemplos de los
Mediana (q=0.5):
comandos ms habituales.
In[9]:= Median[datos]
En primer lugar, se propone crear una lista con los datos para poder aplicar las distintas
funciones estadsticas. Por ejemplo, crearemos una lista de datos cuantitativos y otra lista de
Out[9]= 3
Cuartiles (Q1=0,25; Q2=0,5; Q3=0,75):
datos cualitativos:
In[10]:= Quartiles[datos]
In[1]:=datos={1,1,2,2,2,5,5,5,4,3,3,7,7,8,3,3,10}
Out[10]:= {2, 3, 11/2}
Out[1]:= {1,1,2,2,2,5,5,5,4,3,3,7,7,8,3,3,10}
Por supuesto, se pueden calcular muchos otros estadsticos, de diferentes niveles de dificultad
In[2]:=color={verde, rojo, blanco, verde, azul, azul, verde, amarillo, verde, azul}
conceptual:
Out[2]:= {verde, rojo, blanco, verde, azul, azul, verde, amarillo, verde, azul}
158
159
Coeficiente de curtosis de Fisher:
Momento respecto al origen de orden r:

In[11]:= Moment[datos,7]
In[20]:= Kurtosis[datos]
Out[11]:= 14004131/17
Out[20]:= 4350323/1638050
In[12]:= Moment[color,2]
Tambin resulta de inters el tratamiento de las variables aleatorias continuas. Por ejemplo,
Out[12]:= 1/10(amarillo^7+3azul^7+blanco^7+rojo^7+4verde^7)
consideremos la distribucin X2-cuadrado:
Momento central o momento respecto a la media aritmtica de orden r:

In[21]:=Dist=ChiSquareDistribution[10]
In[13]:= CentralMoment[datos,7]
Out[21]:=ChiSquareDistribution[10]
Out[13]:= 5665614679578/410338673
Funcin de densidad:
In[14]:= CentralMoment[color,2]
Out[14]:=
1/10([(amarillo+1/10(-amarillo-3azul-blanco-rojo-4verde))]^2+3[(azul
+1/10(-
amarillo-3azul-blanco-rojo-4verde))]^2+[(blanco+1/10(-amarillo-3azul-blanco-rojo4verde))]^2+[(rojo+1/10(-amarillo-3azul-blanco-rojo-4verde))]^2+4[(1/10(-amarillo-3azul-
In[22]:=PDF[ChiSquareDistribution[10],15]
Out[22]:= 16875/(256 E^(15/2))
Representacin grfica de la funcin de densidad:
blanco-rojo-4verde)+verde)]^2)
In[23]:=Plot[PDF[dist,k],{k,-5,50}]
Intervalo intercuantlico:
Out[23]:= (ver la Figura 1)

In[15]:= InterquartileRange[datos]
Out[15]:=7/2
0.08
Cuasi-varianza:
0.06
In[16]:= Variance[datos]
0.04
Out[16]:= 905/136
Cuasi-desviacin estndar:
0.02
In[17]:= StandardDeviation[datos]
10
20
30
40
50
Out[17]:= (905/34)/2
Figura 1. Funcin de densidad de la distribucin X2-cuadrado (10).

Coeficiente de variacin de Pearson:

In[18]:= CoefficientOfVariation[datos]
Representacin de la funcin de probabilidad acumulada ascendente:
Out[18]:= (15385/2)/142
In[24]:=Plot[CDF[dist,k],{k,-5,50}]
Coeficiente de asimetra de Fisher:
Out[24]: (ver la Figura 2)

In[19]:= Skewness[datos]
Out[19]:= 28689/(9051810)
160
161
Representacin de la funcin de probabilidad acumulada ascendente:
1.0
0.8
In[28]:=DiscretePlot[PDF[dist,k],{k,-5,15}]
0.6
0.4
0.2
10
20
30
40
50
Figura 2. Funcin de probabilidad acumulada ascendente de la distribucin

X2cuadrado (10).
En cuanto a las variables aleatorias discretas, tambin incorpora en la distribucin bsica las
ms habituales. Por ejemplo, la distribucin Binomial se produce mediante:
Figura 4. Funcin de probabilidad de la distribucin Binomial (10,045).

In[25]:=Dist=BinomialDistribution[10,0.45]
Out[25]:=BinomialDistribution[10,0.45]
Funcin de probabilidad:
In[26]:=PDF[BinomialDistribution[10,0.45],15]
RESULTADOS
Out[26]:=0
Los resultados presentados en lo que sigue vienen determinados por las distintas ventajas y
Representacin de la funcin de probabilidad:
los principales inconvenientes deducidos durante la observacin de la reaccin de los

In[27]:=DiscretePlot[PDF[dist,k],{k,-5,15}]
estudiantes ante los distintos programas empleados en el aula.
Ventajas de la utilizacin de Mathematica en Estadstica Empresarial

Todas las asignaturas de Estadstica se imparten con posterioridad a la primera de Matemtica
Empresarial, donde se les explica a los alumnos la utilizacin de Mathematica, en las clases de
prcticas, as como diferentes manuales tiles, como por ejemplo Fedriani y Garca (2004). As,
una de las principales ventajas es que el estudiante, cuando llega a la asignatura de
Estadstica, ya conoce el programa Mathematica; algo que no ocurre con SPSS y EViews.
Otra ventaja clave, desde el punto de vista del alumno, a favor de la utilizacin de Mathematica
en nuestra Universidad es que los estudiantes pueden tener libre acceso al programa
informtico, tanto en el campus como fuera de l, en sus propios ordenadores, gracias a la
Figura 3. Funcin de probabilidad de la distribucin Binomial (10,045).

licencia de campus que adquirida por la universidad. Como ya se indic, existe licencia de
162
163
campus para los diferentes programas antes citados, pero los estudiantes deben trabajar con
ellos obligatoriamente en el campus y no fuera de l. Es cierto que existen otros programas
Aunque nosotros no lo vemos como un inconveniente gracias a la licencia de campus con que
estadsticos gratuitos, como es el caso de R, pero suelen ser generalistas y no muy intuitivos
contamos, una pega adicional puede ser el que se trata de un programa de pago (no al alcance
para el estudiante; en R, por ejemplo, deben ir cargando distintos paquetes estadsticos, lo que
de todos los bolsillos, por cierto) y es muy posible que algunas empresas no la tengan para
empeor los resultados docentes y acadmicos cuando se prob este programa con un grupo
nuestros graduados a la hora de trabajar en ellas, una vez que terminen sus estudios
de estudiantes de la Universidad.
universitarios.
Como tambin se ha comentado en el apartado anterior, Mathematica ha experimentado una

importante mejora en las aplicaciones relacionadas con la rama de estadstica, reduciendo
claramente el coste de tiempo, al no tener que estar cargando distintos paquetes y al
establecer una interfaz ms fcil, lo que tambin reduce la dificultad en el aprendizaje primero
del programa.
CONCLUSIONES
En este trabajo se ha tratado de presentar una alternativa eficiente al uso actual de programas
informticos en la docencia de las asignaturas de mtodos cuantitativos para la economa y la
empresa. En concreto, se propone utilizar el programa Mathematica en lugar de recurrir a una
multiplicidad de herramientas de diferentes caractersticas funcionales.
Otra de las ventajas que se observa con el programa Mathematica es la facilidad de utilizar los
mens de ayuda: para cualquier aclaracin o duda, en la peor de las situaciones, lo nico que
se necesita es conocer la terminologa empleada en lengua inglesa, algo que (por cierto)
tambin es bastante til en el mbito de la economa y la empresa, por lo que se puede
considerar un valor aadido para la formacin del estudiante.
A fin de facilitar el uso de los docentes, se ha presentado un resumen de las herramientas ms

utilizadas en Estadstica Descriptiva, lo que creemos puede favorecer la primera incursin en la
sintaxis del programa y la posterior adaptacin de las sesiones prcticas a Mathematica.
Tambin se han comentado las principales ventajas e inconvenientes de dicho programa,
destacando la facilidad de uso y las posibilidades de importacin y exportacin tanto de datos
Como ltima ventaja, se puede destacar que existen versiones gratuitas de programas que
utilizan sintaxis similar a la de Mathematica. Nos referimos aqu a la herramienta online
WolframAlpha y, por ejemplo, a las diferentes versiones de Maxima, que los estudiantes
como de resultados. Globalmente, podemos afirmar que la alternativa propuesta (uso de

Mathematica en las clases de Estadstica Empresarial) presenta ms ventajas que
inconvenientes, frente al empleo de otros programas especficos de estadstica.
pueden obtener fcilmente y utilizarla con los conocimientos adquiridos para manejar
Mathematica (Fedriani y Moyano, 2011).
Inconvenientes
de
la
Para finalizar esta exposicin, queremos hacer caer en la cuenta de que la utilizacin de
utilizacin
de
Mathematica
en
Estadstica
Empresarial
diferentes y variados programas puede parecer una ventaja para la formacin del estudiante,
pero la realidad se empea en demostrarnos (y cada vez a mayor ritmo) que la formacin
informtica que reciben los estudiantes en el aula se queda prcticamente obsoleta antes de
El principal inconveniente es que no se trata de un programa tan conocido (actualmente) para
que se incorporen al mercado laboral, por lo que suele ser ms rentable emplear tiempo
trabajar en la rama de estadstica como lo son los programas SPSS o EViews, por ejemplo. En
formativo y esfuerzo docente en el conocimiento ms profundo de los fundamentos bsicos
cambio, en la ltima actualizacin ha mejorado tanto que es probable que empiece utilizarse
tanto de las asignaturas cuantitativas como de las caractersticas subyacentes en las
cada vez ms en rama de estadstica y en el mundo de la economa y la empresa.
herramientas informticas.
Otro de los inconvenientes, ya comentado, es la no existencia de una paleta especfica de

estadstica, lo que facilitara el uso intuitivo por parte del estudiante. S aparecen algunos
conceptos puntuales en las paletas genricas, pero creemos que debera aparecer al menos
AGRADECIMIENTOS
Este trabajo ha sido parcialmente subvencionado por el proyecto 2012DEC002 de AACID.
una paleta ms especfica, como ocurre con los smbolos, frmulas y funciones matemticas.
164
165
rkTeaching: un paquete de R para la enseanza de Estadstica

REFERENCIAS
Alfredo Snchez Alberca (1)
Carrasco, F. y Ordaz, J.A. (2011a). Guas Docentes del Grado en Administracin y Direccin
de Empresas. Sevilla: Universidad Pablo de Olavide.
(1) Universidad San Pablo CEU

asalber@ceu.es
Carrasco, F. y Ordaz, J.A. (2011b). Guas Docentes del Grado en Finanzas y Contabilidad.
Sevilla: Universidad Pablo de Olavide.
RESUMEN
Fedriani, E.M. y Garca, A. (2004). Gua rpida para el nuevo usuario de Mathematica 5.0.
Mlaga: EUMEDNET.
En la Universidad San Pablo CEU se ha venido utilizando programas como Excel, Statgraphics o
SPSS para la enseanza de Estadstica en el mbito de las Ciencias de la Salud. Sin embargo, en los
Fedriani, E.M. y Melgar, M.C. (2011). Algunas reflexiones docentes desde el prisma
empresarial: el caso de las matemticas, Libro de Actas y Resmenes de las XIX
Jornadas de ASEPUMA. Valencia, Espaa, 21-22 de julio.
ltimos aos, se ha hecho una apuesta firme por el software libre en las aulas, introduciendo el uso
de R para la enseanza de Estadstica. Conscientes de que el principal punto dbil de R es la falta de
Fedriani, E.M. y Moyano, R. (2011). Using MAXIMA in the Mathematics Classroom'',

International Journal for Technology in Mathematics Education (IJTME), 18(4), 171176.
una interfaz grfica de usuario amigable, se ha desarrollado el paquete rkTeaching, basado en la
Garca, J.A. (2006). Qu es el Espacio Europeo de Educacin Superior?. Barcelona:

Universitat de Barcelona.
de uso y aprendizaje frente a SPSS.
interfaz grfica rkWard. La valoracin por parte de los alumnos refleja claramente su mayor facilidad
Melgar, M.C., Fedriani, E.M., Martn, A.M. y Romero, E. (2009). Aplicacin de innovaciones
docentes en la enseanza de Matemticas de LADE en la Universidad Pablo de Olavide,
Actas de las I Jornadas Andaluzas de Innovacin Docente. Crdoba, Espaa, 9-10 de
noviembre.
INTRODUCCIN
El uso de programas informticos para el tratamiento y anlisis de datos se ha convertido en una
herramienta imprescindible para la docencia de la Estadstica. En la ltima dcada, en la Universidad
San Pablo CEU se han utilizado programas como Excel23, Statgraphics24 o SPSS25 para la docencia
de la Estadstica en titulaciones de Ciencias de la Salud como Medicina, Farmacia, Psicologa,
Fisioterapia, Enfermera, ptica y Nutricin. Estos programas tienen distintas ventajas e
inconvenientes:
Excel: Es posiblemente el programa ms conocido y extendido por ir integrado en el paquete

Office de Microsoft. Resulta bastante fcil de manejar para anlisis de datos sencillos, pero
no incorpora procedimientos para anlisis ms complejos.
Statgraphics: Es un programa bastante pedaggico relativamente fcil de aprender a usar,

por lo que est muy extendido en el mbito universitario, pero muy poco en el mbito
hospitalario.
SPSS: Es el programa ms extendido en el mbito hospitalario por su potencia para realizar

casi cualquier tipo de anlisis, ya que incorporar su propio lenguaje de programacin. Su
166
23
http://office.microsoft.com/es-es/excel/
24
http://www.statgraphics.net/
167
contrapartida es que tiene una dificultad de aprendizaje bastante alta.
En un primer momento se opt por R Commander (Fox, J. 2005), que fue la primera GUI orientada a
Sin embargo, todos estos programas tienen el serio inconveniente de que no son software
usuarios no expertos, multiplataforma y ampliable mediante un sistema de plugins, lo que permiti
libre, lo que supone, en primer lugar, que hay que pagar por su uso, y algunas son bastante
crear el plugin RcmdrPluginTeachingExtras que se utiliz durante dos aos para impartir las prcticas
caras como SPSS, lo que es un serio inconveniente para que los alumnos puedan acceder a
de Estadstica en las titulaciones de Medicina, Farmacia y Psicologa. Aunque la experiencia fue
ellas para uso domstico. Y en segundo lugar, no permiten acceder al cdigo fuente, por lo
buena, R Commander presentaba todava algunos inconvenientes, como que al estar basada en
que no son fcilmente adaptables a las necesidades docentes.
libreras grficas Tcl/Tk bastante anticuadas, su aspecto visual era distinto en las diferentes
Por tal motivo, en el 2008 el departamento de Matemticas de la Universidad San Pablo CEU se
plante la introduccin del software libre en la enseanza de la Estadstica y se opt por el uso de R26
plataformas, que la salida era bastante pobre en texto plano, o que los cuadros de dilogo no
recordaban las opciones marcadas en anlisis previos.
(R Development Core Team 2001). R es una implementacin de cdigo abierto del lenguaje de
anlisis de datos S. Es, por tanto, software libre que adems es multiplataforma (existen versiones
para Unix/Linux, Windows y Mac) y est desarrollado y mantenido por una enorme comunidad de
programadores en todo el mundo. Al ser, en el fondo, un lenguaje de programacin especialmente
pensado para el tratamiento y anlisis de datos, es fcilmente ampliable mediante nuevas funciones y
procedimientos que suelen distribuirse en forma de paquetes tambin de cdigo abierto. A finales de
julio de 2012 el repositorio Comprehensive R Archive Network (CRAN) dispona de casi 4000
paquetes27 que implementan los procedimientos ms habituales para el anlisis estadstico pero
tambin los ms avanzados, llegando a superar incluso a SPSS. Esto ha hecho de R el software
libre de anlisis de datos ms extendido entre la comunidad cientfica.
Sin embargo, R presenta an serios inconvenientes ya que, al ser un lenguaje de comandos, su

dificultad de aprendizaje es bastante alta y tampoco dispone de una interfaz grfica de usuario (GUI)
lo suficientemente sencilla y madura para facilitar su uso a los usuarios noveles. As pues,
conscientes de que este era el principal punto dbil de R para su uso en el mbito de la enseanza,
nos marcamos como objetivo desarrollar una interfaz grfica de usuario sencilla para facilitar la
enseanza de la estadstica y reducir as la curva de aprendizaje de R.
Figura 1. Cuadros de dilogo del asistente para realizar un contraste de hiptesis de
LA INTERFAZ GRFICA DE USUARIO RKWard
comparacin de medias.
Actualmente existen varias interfaces grficas de usuario para R28 pero la mayora estn pensadas
para usuarios avanzados o programadores de R.
Mientras tanto, en 2002 Thomas Friedrichsmeier haba desarrollado RKWard29 (Rdiger, S. et al.
2012), otra GUI de cdigo abierto30 basado en las libreras KDE y Qt, mucho ms modernas y con un
aspecto visual ms homogneo. Desde el principio, RKWard fue desarrollado pensando tanto en
usuarios noveles como en usuarios experimentados. Para los usuarios noveles proporciona una serie
de mens y cuadros de dilogos que permitien que cualquier persona con conocimientos de
25
http://www-01.ibm.com/software/es/analytics/spss/
26
http://www.r-project.org/
27
http://cran.r-project.org/web/packages/
28
29
http://www.sciviews.org/_rgui/
http://rkward.sourceforge.net/
168
169
estadstica pudiera realizar fcilmente los anlisis de datos ms comunes con RKWard sin necesidad
de aprender los comandos de R. Los cuadros de dilogo van acompaados genereralmente de un
asistente que ayuda al usuario a ir seleccionando las distintas opciones de cada anlisis (figura 1).
Tambin proporciona un mtodo de entrada y manipulacin de datos en forma de hoja de clculo
muy cmoda e intuitiva (figura 2). Para los usuarios que quieren aprender el lenguaje R para explotar
todo su potencial y automatizar anlisis, RKWard permite generar el cdigo R asociado a los mens y
las opciones de los cuadros de dilogos seleccionados, facilitando la compresin del cdigo
generado (figura 3). Finalmente, para los usuarios experimentados, RKWard proporciona tambin un
entorno de desarrollo integrado para programar en R con su propia consola de ejecucin y
depuracin (figura 4). Por otro lado, la salida de RKWard es html, lo cual permite aplicar un formato
mucho ms rico a los resultados de los anlisis, as como insertar grficos fcilmente (figura 5).
Adems, al final de cada salida aparece un enlace que permite invocar de nuevo el cuadro de dilogo
con los parmetros que originaron dicha salida, lo cual facilita la reproduccin de los anlisis.
Figura 3. Cdigo generado por el cuadro de dilogo para realizar un contraste de hiptesis
de comparacin de medias.
Figura 2. Tabla de entrada de datos.

Nota: Cada columna representa una variable y cada fila un individuo. Cada variable debe tener un nombre y un
tipo, y adicionalmente puede tener una etiqueta que aparecer en la salida de los anlisis, el formato (nmero de
decimales, alineacin, etc.) y los niveles que tiene en caso de ser un factor.
Figura 4. Entorno de desarrollo en R integrado en rkWard.

30
RkWard es distribuido bajo licencia GNU GPL versin 2 o superior.
170
171
EL PAQUETE rkTeaching
Sobre la base de RKWard se ha desarrollado el paquete rkTeaching como un plugin para esta GUI.
Puesto que el objetivo perseguido era disponer de una GUI amigable para que los alumnos
aprendieran a utilizar R para realizar anlisis estadsticos, los principios que han guiado el diseo de
este plugin han sido:
Simplicidad: Esto ha supuesto eliminar de los cuadros de dilogo las opciones ms complejas
que se han considerado prescindibles en los procedimientos estadsticos habituales, y
organizar el resto por bloques lgicos. Por ejemplo, en los procedimientos grficos, las
opciones comunes a los grficos siempre aparecen en una pestaa separada.
Asistencia al usuario. Todos los cuadros de dilogo incorporan un asistente de ayuda al

usuario que le dirige paso a paso a travs de las distintas opciones que debe seleccionar
para realizar cada anlisis.
Adaptado a la programacin de la enseanza la Estadstica en la USP CEU. El plugin

contiene cuadros de dilogo para los procedimientos habituales en un primer curso de
estadstica aplicada a las Ciencias de la Salud. As, por ejemplo, se incorpora un men
especfico para sacar tablas de frecuencias, tal y como se explican en las clases de teora.
Salidas orientadas a facilitar la comprensin del alumno. Las salidas de los distintos
procedimientos estn formateadas para facilitar la comprensin del alumno. Algunas de ellas
incluso se han adaptado al formato presentado en las clases de teora para que les resulte
ms familiar. Por otro lado, se ha incorporado la librera de javascript MathJax31 para facilitar
la visualizacin de frmulas matemticas en la salida html.
Figura 5. Salida de rkWard en html.

El paquete rkTeaching aade un nuevo men a los de RKWard con la etiqueta Teaching. Bajo este
men se despliegan los siguientes submenus:
El principal inconveniente de RKWard era que slo estaba disponible para plataformas Linux, lo cual
Frequency Tabulation. Este men contiene los procedimientos para la construccin de tablas
limitaba enormemente su aplicacin a la docencia. Pero en 2010 se lanza la versin 0.5.5 RKWard
de frecuencias con frecuencias absolutas, frecuencias relativas, frecuencias absolutas
que ya es multiplataforma y adems incorpora la posibilidad de ampliar la GUI mediante plugins, por
acumuladas y frecuencias relativas acumuladas. Contiene los siguientes submenus:
lo que rpidamente se decide migrar el plugin desarrollado para R Commander a RKWard.
Frequency Tabulation, para construir tablas con datos no agrupados.
Frequency Tabulation (Grouped Data), para tablas con datos agrupados en intervalos.
El sistema de plugins que se incorpora a partir de esta versin permite crear nuevos mens y cuadros
Permite la construccin de los intervalos de acuerdo a diferentes criterios.
de dilogo de manera bastante sencilla, sin necesidad de tener grandes conocimientos de
Plots. Este men contiene los procedimientos grficos ms habituales para la descripcin de
programacin. En esencia, un plugin de RKWard se compone de tres ficheros: un fichero XML que
una variable y para la descripcin de relaciones entre variables. Contiene los siguientes
describe los componentes que configuran el cuadro de dilogo (botones, cuadros de seleccin,
submenus:
cuadros de entrada de texto, etc), un fichero con cdigo javascript que se encarga de generar el
cdigo de R correspondiente a las opciones seleccionadas en el cuadro de dilogo, y un fichero de
ayuda opcional en formato html (Friedrichsmeier, T. y Michalke, M. 2011).
31
http://www.mathjax.org/
172
173
Bars, para dibujar diagramas de barras. Las barras pueden representar frecuencias
estadsticos muestrales. Contiene los submens:
absolutas y acumuladas y es posible dibujar el polgono de frecuencias sobre las barras.
mediana y moda), dispersin (varianza, cuasivarianza, desviacin tpica, cuasidesviacin
Histogram, para dibujar histogramas. Las barras pueden representar frecuencias
tpica, coeficiente de variacin, rango y recorrido), forma (coeficiente de asimetra y
absolutas y acumuladas, as como densidades, y tambin es posible dibujar el polgono
coeficiente de apuntamiento) y cuantiles.
de frecuencias sobre las barras. Al igual que para las tablas de frecuencias, los intervalos
Statistics, para el clculo de los estadsticos ms comunes: Tendencia central (media,
Adems, las barras pueden agruparse de acuerdo a algn factor.
Detailed calculation, para el clculo detallado de los estadsticos. Este men es
de las clases pueden construirse de acuerdo a diferentes criterios.
especialmente til para que los alumnos comprendan el procedimiento que se sigue para
Scatterplot, para dibujar diagramas de dispersin. Se pueden clasificar los puntos de
calcular cada estadstico. Tambin permite a los alumnos contrastar sus clculos
manuales (figura 6).
acuerdo a algn factor para representar diferentes nubes de puntos. Tambin permite
dibujar una recta de ajuste de regresin por mnimos cuadrados.
Regression. Este men contiene los procedimientos para el clculo de modelos de regresin
simple. Contiene los submens:
No se han incorporado otros procedimientos grficos habituales como el diagrama de cajas por estar
ya incorporados en los mens de RKWard con la simplicidad requerida.
Linear Regression, para el ajuste de modelos lineales. Permite guardar el modelo como
un objeto de R que puede utilizarse despus para hacer comparativas o predicciones.
Non Linear Regression, para el ajuste de modelos no lineales. Incorpora los modelos
cuadrtico, cbico, potencial, exponencial, logartmico, inverso y sigmoidal. Tambin
permite guardar los modelos.
Model Comparison, para hacer una comparativa de modelos de regresin. Los modelos
aparecen ordenados de mayor a menor coeficiente de determinacin.
Preditions, para hacer predicciones con un modelo de regresin. Incorpora adems la

opcin para obtener los intervalos de confianza para las predicciones.
Parametric Test. Este men contiene los procedimientos para realizar los contrastes de
hiptesis paramtricos ms comunes. Contine los submens:
Mean comparison. Contiene los procedimientos para los contrastes relacionados con las
medias. A su vez contiene los submens:
One Sample T Test, para el contraste de hiptesis de la media de una poblacin.
Two Independent Samples T Test, para el contraste de comparacin de medias de

dos poblaciones independientes.
Two Paired Samples T Test, para el contraste de comparacin de medias de dos

poblaciones pareadas.
ANOVA. Para realizar contrastes de anlisis de la varianza para uno o varios

factores.
Mean Sample Size, para el clculo de tamaos muestrales para contrastes de

medias.
Figura 6. Clculo detallado de estadsticos muestrales.

Descriptive Statistics. Este men contiene los procedimientos para el clculo de los
174
Variances Comparison: Contiene los procedimientos para los contrastes de comparacin

de varianzas. A su vez, contiene los submens:
F Test, para la comparacin de las varianzas de dos poblaciones.

175
Levene's test para la comparacin de la variabilidad de dos o ms poblaciones.
Proportions
Comparison: Contiene
los
procedimientos
para los contrastes de
una distribucin normal.

Otros procedimientos habituales en un primer curso de estadstica, como el clculo de
proporciones. A su vez, contiene los submens:
probabilidades de distintas distribuciones no se han incorporado por estarlo ya en RKWard con la
sencillez requerida.
One Proportion Test, para el contraste de hiptesis de la proporcin de una

poblacin.
Two Proportion Test, para el contraste de hiptesis de las proporciones de dos
COMPARATIVA DOCENTE DE rkTeaching CON SPSS
poblaciones independientes.
Proportion Sample Size, para el clculo de tamaos muestrales para los contrastes
Para valorar la sencillez de manejo de rkTeaching, se realiz un estudio comparativo de la facilidad
de proporciones.
de uso y el tiempo de aprendizaje entre rkTeaching y SPSS. Para ello se tom una muestra de 40
Non Parametric Tests. Este men contiene los procedimientos para realizar los contrastes de
hiptesis no paramtricos ms habituales. Contiene los submens:
Normality Test, para el contraste de normalidad de la muestra. Incorpora el contraste de

Shapiro-Wilk y el de Kolmogorov.
manejado rkTeaching ni SPSS. Los alumnos recibieron una pequea clase introductoria sobre la
introduccin de datos con cada uno de los programas y a continuacin se les pidi que realizasen
una serie de ejercicios con ambos programas. Los ejercicios consistieron en introducir los datos de
una muestra, dibujar un histograma, calcular varios estadsticos descriptivos, calcular un modelo de
U Mann-Whitney Test, para el contraste de la U de Mann-Whitney.
regresin lineal y dibujarlo, calcular una probabilidad de una variable normal y hacer un contraste de
Wilcoxon Test, para el contraste de Wilcoxon.
hiptesis de comparacin de medias. Para que le orden de los programas no influyese, los alumnos
Kruskal-Wallis, para el contraste de Kruskal-Wallis. Incorpora la comparacin por pares.
se dividieron aleatoriamente en dos grupos de 20 alumnos, de manera que los primeros empezaron
Friedman Test, para el contraste de Friedman.
Chi-square Test, para los contrastes de independencia basados en la distribucin Chi-
con rkTeaching y luego con SPSS y los segundos al revs. Al final se les pas una encuesta sobre la
facilidad de uso y tambin se midi el tiempo que tardaron en hacer la tarea con cada programa. Las
cuadrado.
alumnos de medicina que haban aprobado el curso bsico de estadstica pero nunca haban
variables medidas fueron: Tiempo de realizacin de la tarea con rkTeaching (en min), tiempo de
realizacin de la tarea con SPSS (en min), facilidad de uso de rkTeaching (escala discreta de 1=ms
Concordance. Este men contiene los procedimientos para el anlisis de concordancia.
difcil a 5=ms fcil) y facilidad de uso de SPSS (escala discreta de 1=ms difcil a 5=ms fcil).
Contiene los submens:
Intraclass Correlation Coeficient, para el clculo de coeficiente de correlacin intraclase.
La comparativa de los tiempos de aprendizaje mostr que el tiempo de aprendizaje de SPSS fue
Cohen's Kappa, para el clculo del coeficiente kappa de Cohen.
significativamente mayor que el tiempo de aprendizaje con rkTeaching (figura 7) con un p-valor
Simulations. Este men contiene varios procedimientos para realizar la simulacin de
4,8e17 y un intervalo de confianza del 95% para diferencia de medias (9,06, ), lo que indica que el
experimentos aleatorios. Estos experimentos son muy tiles para que los alumnos
tiempo medio para realizar las tareas con SPSS fue al menos 9 minutos mayor que el de rkTeaching,
comprendan algunos de los conceptos probabilsticos ms abstractos. Contiene los
lo que supone una reduccin del tiempo de al menos un 17%.
submens:
De igual modo, la comparativa de la facilidad de uso revel que la facilidad de uso de rkTeaching fue
Coins Tosses, para simular el lanzamiento de monedas.
Dice Roll, para simular el lanzamiento de dados.
Sample Generation, para generar muestras aleatorias de cualquier tamao a partir de
de rkTeaching es de al menos medio punto ms que con SPSS, lo que supone un aumento de la
una distribucin conocida.
facilidad de al menos un 10%.
confianza del 95 % para diferencia de medias (0,4993, ), lo que indica que la
facilidad de manejo
Small Numbers Law, para mostrar visualmente cmo la distribucin binomial se aproxima
a la distribucin de Poisson a medida que aumenta el nmero de repeticiones n y
disminuye la probabilidad de xito p.
significativamente mayor que la de SPSS (figura 8) con un p-valor 1,7e06 y un intervalo de
CONCLUSIONES Y TRABAJO FUTURO

Con el objetivo de introducir el uso del software libre en la enseanza de la estadstica en la
Central Limit Theorem, para ver cmo las suma de variables independientes converge a
176
Universidad San Pablo CEU se ha desarrollado el paquete rkTeaching sobre la base de la GUI
177
RKWard. El paquete rkTeaching se ha utilizado para impartir las prcticas de Estadstica en las
titulaciones de Medicina, Farmacia y Psicologa con xito. Para valorar la facilidad de uso de
rkTeaching frente al SPSS, que era el software utilizado hasta el momento, se realiz un experimento
que revel que el aprendizaje con rkTeaching por parte de los alumnos es ms rpido e intuitivo que
con SPSS.
Como trabajo futuro se plantea la traduccin de rkTeaching al castellano, mejorar an ms la salida

para incluir interpretaciones de los resultados e incorporar cuadros de dilogos para anlisis ms
complejos como el anlisis multivariante.
Figura 8. Distribucin de frecuencias de la facilidad de uso (de 1=ms difcil a 5=ms fcil)
de rkTeaching con respecto a SPSS.
BIBLIOGRAFA
Fox, J. (2005). The R Commander: A Basic-Statistsics Graphical User Interface to R. Journal of
Statistical Software, 14(9), 1-42. URL: http://www.jstatsoft.org/v14/i09/.
Friedrichsmeier, T. y Michalke, M. (2011). Introduction to Writting Plugins for RKWard. Recuperado el
15 de julio de 2012, de http://rkward.sourceforge.net/documents/devel/-plugins/index.html.
Figura 7. Distribucin de frecuencias del tiempo de aprendizaje de rkTeachin con respecto a

SPSS.
(Fuente: Elaboraci propia)
178
R Development Core Team (2001). R: A Language and Environment for Statistical Computing. Viena:
R Foundation for Statistical Computing.
Rdiger, S.; Friedrichsmeier, T.; Kapat, P. y Michalke, M. (2012). RKWard: A Comprehensive
Graphical User Interface and Integrated Development. Environment for Statistical Analysis with R.
Journal of Statistical Software, 49(9), 1-34.URL: http://www.jstatsoft.org/v49/i09.
179
La teora de juegos como herramienta para obtener datos

empricos sobre el comportamiento de los agentes
econmicos: una aplicacin para la enseanza en
Estadstica.
Vernica Garca Pell (1), Beln Garca Crceles (2), Jose M. Pava (3)
Departamento de Anlisis Econmico
Avda. Los naranjos s/n, 46022 Valencia
(1) veronica.garcia-pello@uv.es
(2) belen.garcia-carceles@uv.es
Jose.M.Pavia@uv.es
RESUMEN
En este documento proponemos emplear la teora de juegos como apoyo terico a la hora de
impartir la docencia en Estadstica en los Grados de Economa y Administracin y Direccin de
Empresas. Los alumnos resolvern un juego econmico del cual se obtendr la base de datos
sobre la que se trabajarn los conceptos estadsticos. Involucrar a los alumnos tanto en la
creacin, como en la recogida y anlisis de los datos permite un aprendizaje ms profundo de
los conceptos. A su vez, el diseo del juego econmico vincula el tratamiento estadstico de los
datos con la teora econmica que se imparte en otras asignaturas, reforzando as, un
aprendizaje interdisciplinar.
INTRODUCCIN
La adaptacin de los contenidos curriculares de las asignaturas de Estadstica en el proceso
de implementacin del Plan de Boloa, en el marco del Espacio Europea de Educacin
Superior, ha supuesto un cambio de enfoque de la enseanza hacia un aprendizaje a lo largo
de toda la vida (life-long-learning), en el que los alumnos aprenden a tomar el protagonismo en
el proceso de aprendizaje a travs de la adquisicin de competencias. La actividad descrita se
disea con la finalidad de motivar a los alumnos para que se involucren activamente en su
proceso de aprendizaje utilizando unas metodologas participativas y colaborativa (Jimnez,
2011).
181
Una de las dificultades a la que se enfrenta un docente a la hora de impartir las lecciones en
(Camerer, 2003). As, nuestro objetivo ser contrastar si los individuos tienen en cuenta
Estadstica en el mbito de la economa consiste en explicar el vnculo entre los resultados
nicamente sus beneficios individuales a la hora de tomar decisiones econmicas, o bien, si
estadsticos obtenidos y su interpretacin, sustentndose en los conceptos de la teora
existen otro tipo de comportamientos que debemos tener en cuenta a la hora de interpretar los
econmica. A menudo, se emplean bases de datos publicadas por organismos oficiales como
resultados.
el INE, EUROSTAT, OCDE o el Ministerio de Economa, entre otras muchas. En este caso, el
anlisis estadstico se centra sobre una o varias variables relevantes de la realidad econmica
En nuestro caso, planteamos un juego muy sencillo que los alumnos resolvern a lo largo de
que los alumnos se limitan a analizar, aplicando los conocimientos estadsticos impartidos en
diferentes rondas generando as una base de datos de panel donde se podrn seguir las
las sesiones e interpretando los resultados, centrndose en el buen uso de la metodologa
decisiones individuales y los resultados econmicos de las mismas. Estudiaremos la aplicacin
aplicada y sus limitaciones. A menudo, sin embargo, este enfoque provoca que el alumno
de los contrastes de medias con el fin de analizar si existen distintos tipos de comportamiento a
pierda de vista el vnculo con la teora econmica que dio origen al ejercicio.
la hora de resolver el juego econmico planteado.
Por tanto, es importante recodar que los resultados econmicos que podemos observar y tratar
En este marco, los alumnos aprendern a comportarse como agentes econmicos resolviendo
mediante tcnicas estadsticas vienen determinados por el resultado agregado de multitud de
el cuestionario planteado y, posteriormente, analizarn los resultados mediante las
decisiones individuales que toman los agentes econmicos bajo un marco legal, institucional y
herramientas estadsticas proporcionadas. Por ltimo, realizaremos un anlisis crtico de los
econmico particular de cada economa.
resultados dotando a la explicacin de los fundamentos microeconmicos necesarios. Adems,
Nuestra propuesta trata de integrar a los alumnos en el proceso de creacin de una base de
tipo de discusiones (vase Algan et al., 2011).
se realizar un pequeo debate que incentive la participacin activa de los alumnos en este
datos. En este aspecto, la teora de juegos permite esquematizar, de una forma sencilla, gran
variedad de relaciones econmicas que pueden moldearse segn el rea de inters didctico.
Haremos uso de los servicios que el Laboratorio de Investigacin de Economa Experimental
(LINEEX) dependiente del Estructura de investigacin interdisciplinar del comportamiento
econmico y social (ERI-CES) de la Universitat de Valncia. Mediante el asesoramiento del
laboratorio y sus recursos tcnicos, podremos disear de forma rpida y sencilla una gran
variedad de cuestionarios y, a su vez, recoger la informacin de los mismos. La naturaleza de
los datos obtenidos nos permitir generar bases de datos apropiadas para la prctica de las
destrezas que los alumnos de estadstica deben dominar.
METODOLOGA
El experimento que presentamos est diseado para que los alumnos comprendan que los
resultados econmicos dependen de la interaccin de las decisiones individuales. En concreto,
nos centraremos en la explicacin de los dilemas sociales. En este entorno de decisin entran
en conflicto los beneficios privados y el bienestar social. Dicha estructura de decisin se puede
resumir sencillamente bajo un esquema de Dilema del Prisionero. Una gran variedad de
relaciones econmicas y sociales siguen esta estructura de decisin, como por ejemplo: la
provisin de bienes pblicos, las donaciones de sangre, la participacin en elecciones o las
Las lecciones de microeconoma, macroeconoma o economa industrial, entre otras reas, se
guerras publicitarias entre empresas, entre otras.
imparten bajo los supuestos de la terica clsica, supuestos muy restrictivos tales como
competencia
perfecta,
informacin
perfecta,
preferencias
fijas
exgenas,
etc.
El juego econmico
Tradicionalmente, bajo este enfoque, las preferencias de los individuos se toman como dadas
(Stigler y Becker, 1977). No obstante, numerosos estudios en economa experimental
(Ledyard, 1995; Eckel y Grossman, 1996; Henrich et al., 2001) y estudios de campo (Gneezy y
Rustichini, 2000; Falk, 2004; Meier, 2005) resaltan que, en realidad, los individuos no se
comportan siempre maximizando su bienestar individual, sino que existe algn tipo de
Se convocar a los alumnos a una sesin experimental en el laboratorio del LINEEX, situado
en las cercanas de los aularios donde habitualmente realizan las clases. Como la sesin tiene
una duracin prevista de 45 minutos, es factible utilizar una clase prctica de la asignatura, que
habitualmente tiene al menos esa duracin, para la realizacin del experimento.
preferencias pro-sociales que motivan a los agentes econmicos a comportarse de manera

cooperativa. Incluso de forma ms frecuente de lo que la teora convencional predice
Al inicio de la sesin experimental, los alumnos leern las instrucciones del juego.
Seguidamente, los alumnos resolvern un cuestionario para asegurarse de que todos los
182
183
participantes han entendido el mecanismo de eleccin. Una vez todos y cada uno de los
has obtenido. Se repetir el mismo juego durante 20 rondas y en cada una de ellas se te
presentes han contestado correctamente dicho cuestionario, se comienza con las rondas del
emparejar con un compaero distinto manteniendo la estructura del juego.
juego. Estas rondas se sucedern secuencialmente y al final de cada una se presentarn los
resultados de su eleccin.
En cada pantalla del juego se les presentar la informacin sobre la matriz y se les recordar
que el gestor de la empresa 2 ha cambiado.
Las instrucciones del juego son las siguientes:

Finalmente se recogern todas las respuestas generando una base de datos de panel donde
Imagina que eres el dueo de una empresa que decide realizar, junto con otra empresa, un
podemos observar las respuestas de cada individuo, las respuestas de su rival y los pagos
proyecto de innovacin. Ambas empresas se reparten el mercado equitativamente obteniendo
obtenidos a lo largo de las 20 rondas de decisin.
cada una unos beneficios de 2 millones de euros. La innovacin incrementa los beneficios
globales de la industria en cinco millones y tiene un coste de 2 millones de euros. Si se lleva a
Los alumnos resolvern el juego sin ninguna explicacin previa. Una vez recogidos los datos
cabo el contrato, cada empresa deber contribuir invirtiendo en innovacin por valor de 1 milln
se les explicar la teora econmica subyacente. En nuestro caso, explicaremos el concepto de
de euros y los beneficios se repartirn equitativamente entre las empresas (en trminos netos
equilibrio de Nash cuando los agentes econmicos nicamente tienen en cuenta sus beneficios
recibirn 3.5 millones de beneficio, respectivamente). No hay modo de saber si las empresas
individuales a la hora de tomar decisiones. En este punto se pondr nfasis en la estructura del
han realizado el esfuerzo en innovacin o no, slo se observan los beneficios de mercado que
juego y se podrn ejemplos de dilemas sociales tales como participar en elecciones,
se reparten equitativamente. Si slo una de las empresas cumple el contrato los beneficios que
donaciones de sangre, proteccin medioambiental, etc. En nuestro caso, El equilibrio de Nash
se generan en la industria sern de 4 millones de euros, que se repartirn equitativamente
en el juego presentado es:
entre las empresas, de modo que la que no haya invertido en innovacin no soporta el gasto en
la inversin (por tanto, las empresas reciben: 3 millones, aquella que innova, y 4 millones, la
EN= (No innovar, No innovar)
que no innova, aprovechando de los beneficios generados por su rival).

Bajo las condiciones presentadas, la teora econmica clsica predice que ninguna de las
La siguiente tabla muestra los beneficios netos que se obtendran en cada caso.
empresas est interesada en cumplir con el contrato y, por tanto, la innovacin no se realizar,
consecuentemente, las empresas obtendrn unos beneficios de dos millones de euros en
Tabla 1. Esquema de pagos en millones de .
todos los periodos. Ahora bien, concuerda est conclusin basada en la teora clsica con los
datos recogidos en nuestro experimento? Para comprobarlo emplearemos distintas
Empresa 2
herramientas estadstica y trataremos de detectar si existen comportamientos que se alejen de
No Innova
Innova
No Innova
(2,2)
(4,3)
Innova
(3,4)
(3.5,3.5)
Empresa 1
la prediccin del modelo econmico.
En una primera etapa de anlisis es conveniente obtener estadsticos descriptivos

introduciendo a los alumnos en el manejo de datos de panel. En est primera fase del estudio
es conveniente poner atencin en: las respuestas medias en cada ronda tanto propias como
del rival y los pagos obtenidos en cada ronda por los jugadores. Esto permite a los alumnos
Debes decidir, como gestor de la empresa 1, si realizar la inversin en innovacin o no. Ten en
cuenta que los beneficios que obtengas dependern de la decisin que adopte el compaero
que est resolviendo el juego como gestor de la empresa 2. Tomaris la decisin de modo
aproximarse al conocimiento de los comportamientos que se han dado en el experimento y

valorarlos bajo su propia experiencia ya que ellos mimos participaron en la elaboracin de la
base de datos que manejan.
simultneo. Al final de cada ronda se presentar una tabla de resultados con los beneficios que
184
185
Es suficiente un anlisis grfico para evaluar la consistencia de los modelos tericos?
se ajusta a los datos recogidos en las sesiones de laboratorio. A qu puede ser debido? , esta
Evidentemente no. Es necesario conocer si las discrepancias entre la teora econmica y la
y otras preguntas las debatiremos ms profundamente en la discusin al final de la prctica.
evidencia emprica son estadsticamente significativas o no. Con este objetivo, la segunda
parte de nuestro trabajo se centrar en contrastar dicha discrepancia. Por ltimo, y para tener
En un estudio ms profundo de los datos recogidos, es importante conocer tambin si
una visin ms completa de los comportamientos observados, tambin analizaremos si tiene
decisiones en la ronda t estn influenciadas por las decisiones tomadas en la ronda t-1 (del
alguna relevancia la acumulacin de experiencia a lo largo de las rondas fijndonos tanto en
propio individuo) o bien de las experiencias pasadas con los contrincantes a la hora de resolver
las decisiones propias de cada individuo (experiencia propia), como en las decisiones tomadas
el juego econmico (experiencia grupal). Para comprobar si estas decisiones tienen una
por sus rivales en rondas pasadas (experiencia grupal).
relevancia estadstica a la hora de explicar los comportamientos de los agentes econmicos,

contrastaremos la significatividad del siguiente modelo estadstico (1):
Di,t = 0 + 1Di,t-1 + 2Dj,t-1+i+i,t
(1)
Donde Di,t es una variable dicotmica que recoge las respuestas del individuo i en el momento t
(1 participa de la innovacin, 0 no participa en la innovacin), Di,t-1, representa la misma
variable que anteriormente retardada un periodo para el individuo i, Dj,t-1, recoge las decisiones
del individuo j (que corresponde con el rival del individuo i en el juego econmico en ronda
pasada), y, por ltimo, i recoge las variables ficticias (dummies) que modelizan el efecto
individuo. En este anlisis, podemos obtener informacin sobre la significatividad global del
modelo (a travs del estudio de la F de Snedecor) y de los regresores (mediante el anlisis de
significatividad de los coeficientes de regresin, fijndonos en estadstico t).
Finalmente y con los resultados estadsticos recogidos tanto del anlisis de los estadsticos
Figura 1: Ejemplo de estadsticos descriptivos. Porcentaje de respuestas positivas a

cumplir el contrato de innovacin por ronda.
descriptivos como de los contrastes de hiptesis realizados se realizar un debate de los

resultados obtenidos.
A qu pueden deberse las diferencias, si existen, con la prediccin econmica:
Primeramente estudiaremos si el modelo terico se ve reflejado en los datos observados o no.
1. Confianza en que la empresa 2 va a cumplir con el contrato. Pueden existir entre los
Pare ello contrastaremos si H0: media=No innovacin, y alternativamente, Ha: distinta a no
agentes econmicos unas creencias sobre lo que va a elegir su rival, sean
innovacin. (Considerando No innovacin como 0 e innovacin como 1, esperamos que la
fundamentas o basadas meramente en la confianza entre los individuos.
respuesta sea siempre 0, luego testearemos si la proporcin de unos en la muestra es
2. Agentes econmicos amantes del riesgo. Las decisiones de los agentes econmicos
estadsticamente significativamente menor que , con un nmero positivo arbitrariamente
puede que estn sujetas a particularidades propias de los individuos por asumir o no el
32
pequeo) . En caso de rechazar la hiptesis nula, indicara que el modelo terico clsico no
riesgo de la inversin sin conocer a la perfeccin la decisin de su rival. Por tanto, la

mayor o menor aversin al riegos por parte de los agentes econmicos puede ser un
factor importante a la hora de tomar decisiones en el entorno estratgico planteado.
32
La resolucin de este contraste, adems, permite realizar una digresin sobre la dificultad de utilizar la
aproximacin de la Binomial a la Normal cuando p tiende a cero o a uno, de la construccin de intervalos
de confianza y de contraste y, adems, har posible mostrar estadsticos que se utilizan para estimar la
presencia de sucesos raros en la poblacin.
186
3. Aprendizaje de rondas pasadas. Puede que la experiencia acumulada a la hora de

resolver el juego econmico dote a los agentes de un aprendizaje acerca de la
composicin de preferencias del grupo de individuos con los que est relacionado en el
187
entorno econmico. De este modo, a travs de la experiencia propia y la interaccin
Por tanto, esta experiencia de aprendizaje activo, permite a los estudiantes fijar conceptos
con varios agentes distintos a lo largo de las rondas, se aprende cual es el
bsicos (tanto de tcnicas estadsticas como de conceptos econmicos) y, a su vez, desarrollar
comportamiento general y los agentes modifiquen sus decisiones adaptndose a las
su capacidad de razonamiento crtico y de anlisis con el fin de interpretar lo ms
decisiones de sus rivales que son ms probables.
correctamente posible los resultados de los estudios realizados.
4. Otras posibles explicaciones. Lo interesante del debate con los alumnos es el

intercambio y discusin acerca de las limitaciones tanto del modelo terico como del
instrumento estadstico. Pueden surgir en la clase otras posibles explicaciones no
Claves de la experiencia educativa.
Antes de realizar el experimento es importante asegurarse de que los alumnos
contempladas en esta lista y que sean de inters tanto para el alumno, como para el
comprendan perfectamente el funcionamiento del mismo, por ello se realiza el
docente, abriendo el anlisis a distintos puntos de vista siempre que las
cuestionario preparatorio antes de la obtencin de datos.
puntualizaciones sean fundamentadas y realistas.
incentivarse con nota (Holt, 1999).
estructura del juego podran realizarse para obtener un mayor nivel de cooperacin.
1. rgano supervisor. Es posible que la introduccin de un rgano supervisor, como

puede ser tener en cuenta sanciones legales ante el incumplimiento de contratos, o
Se puede pedir una pequea prctica con los resultados estadsticos y su

interpretacin antes de dar la explicacin y realizar el debate en clase, pudiendo
Una vez analizadas las distintas posibilidades plantearemos qu modificaciones de la
En el marco de las metodologas docentes colaborativas, se resalta la importancia de

la realizacin de un debate en clase que incentive la participacin de los alumnos y la
discusin tanto entre los alumnos, como entre alumnos y profesor.
bien, un consultor externo, que supervise la correcta implementacin de la innovacin

por parte de las dos empresas y verifique el cumplimiento de los compromisos
CONCLUSIONES
adquiridos, favorezca la innovacin.

2. Toma de decisiones en secuencia. Es posible que comprometerse realizando el
La reciente expansin de la Economa Experimental ha provocado un aumento reseable en la
contrato y dando la posibilidad a la otra empresa de sumarse a la misma en el
aplicacin de la teora de juegos a la hora de obtener datos empricos sobre el comportamiento
siguiente periodo incentive la cooperacin.
de los agentes econmicos bajo unas condiciones controladas por el experimentador. Esta
3. Posibilidad de represalias. Puede que la amenaza de no volver a cooperar nunca ms

a lo largo de las rondas de decisin o bien, invertir en sanciones administrativas a la
tcnica ha permitido avanzar en la comprensin y anlisis de los comportamientos de los

agentes y la interpretacin de los resultados econmicos.
empresa que incumpla el contrato incentive la cooperacin entre las empresas. Cabe
remarcar que esta posibilidad es sobretodo efectiva cuando el rival es el mismo a lo
Aplicar la tcnica experimental permite al docente una gran flexibilidad tanto en el diseo como
largo de las distintas rondas.
en la recogida de datos, pudiendo adaptar tanto el juego como el tipo de cuestionario a las
4. Creacin de una empresa externa con financiacin compartida que realice la
guas docentes.
innovacin. La creacin de una joint-venture, con financiacin compartida sea ms

eficiente a la hora de llevar a cabo la innovacin.
5. Otras posibilidades. Como anteriormente se seal, el debate con los alumnos abre un
rea de comunicacin importante, y se recojan nuevas ideas que no estn en la lista
Adems, el empleo de las Nuevas tecnologas de informacin TICs (z tree utilizado por el
LINEEX) facilita el diseo de los cuestionarios y la recogida de las respuestas de un gran
nmero de alumnos de forma rpida y compacta.
de posibilidades presentada.
Con el juego planteado los estudiantes aprenden que los resultados econmicos son fruto de
las relaciones de interdependencia que se producen entre los agentes econmicos, adems,
deben ser capaces de analizar crticamente los resultados estadsticos y conocer las
limitaciones tanto del instrumento estadstico empleado, como de la teora econmica que
En el trabajo que presentamos, los alumnos se implican desde el primer momento, actuando
como agentes econmicos y movidos por sus propias creencias a la hora de decidir en el
entorno econmico que se les presenta. Posteriormente, se les proporciona las distintas
tcnicas estadsticas para que sean capaces de analizar los datos obtenidos. Y, finalmente, se
realiza un debate crtico tanto de la tcnica estadstica empleada como de los fundamentos
sustenta la explicacin del hecho analizado.
econmicos que aportan consistencia terica a la interpretacin de los resultados.

188
189
Tan importante o ms es el conocimiento de la tcnica estadstica como su interpretacin

econmica y sus limitaciones. Abordar el estudio de la Estadstica desde estas tres
RECURSOS PARA LA INNOVACIN DOCENTE: NUEVAS
dimensiones permitir que los alumnos adquieran las destrezas necesarias para realizar un
TECNOLOGAS PARA LA DOCENCIA EN ESTADSTICA
anlisis crtico de los datos que se les presentan y no slo obtener resultados, sino
interpretarlos y ser capaces de dar soluciones plausibles a los problemas que se les presentan.
La realizacin de un debate al finalizar la clase, es clave, puesto que permitir a los alumnos
entender que los modelos de teora econmica son simplificaciones de una amplia y compleja
realidad econmica que no siempre cumple los supuestos del modelo sobre el que se sustenta.
REFERENCIAS
Algan, Y., Cahuc, P., Shleifer, A. (2011). "Teaching Practices and Social Capital", NBER
Working Paper No. 17527.
Camerer, C. F. (2003). Behavioral Game Theory: Experiments in Strategic Interaction. New
York: Russell Sage Foundation & Princeton, NJ: Princeton University Press.
Eckel, C. C. y Grossman, P.J.(1996). "Altruism in Anonymous Dictator Games", Games and
Economic
Behavior,
Vol.
16,
p.
181,
1996.
Available
at
SSRN:
http://ssrn.com/abstract=1883604.
Falk, A. (2004). Charitable Giving as a Gift Exchange: Evidence from a Field Experiment,
Mimeo, Institute for Empirical Research in Economics, University of Zurich.
Gneezy, U., y Rustichini, A. (2000). Pay Enough or Dont Pay at All, Quarterly Journal of
Economics, 115(3): 791810.
Holt, C.A. (1999). Teaching Economics with Classroom Expermients: A Symposium, Southern
Economic Journal, 65 (3), 603-610.
Jimnez, M. (2011): Aprendizaje cooperativo, Educainnova Magazine, nm. 12, 48-53.
Ledyard, J. O.(1994). "Public Goods: A Survey of Experimental Research," Public Economics
9405003, EconWPA, revised 22 May 1994.
Meier, S. (2005). Do Subsidies Increase Charitable Giving in the Long Run? Matching
Donations in a Field Experiment, Mimeo. Institute for Empirical Research in Economics,
University of Zurich.
Stigler, G. y Becker, G. (1977). De gustibus non est disputandum, American Economic
Review, 67, 7690.
190
Blog de Estadstica por y para los alumnos

Amor Prez (1), Estela Pardos (1), Elisabet lvarez (1), Vernica Gmez (1),
Ana Rodriguez (1), Elena Moreno (1), Pablo Calatayud (1), Laura Garca (1), M
Dolores Sancerni (1), Amparo Oliver (1) y Pedro Hontangas (1).
(1)Metodologa de las CC del Comportamiento
Av. Blasco Ibez, 21, 46010, Valencia
e-mail: estadisticaparalela@gmail.com
RESUMEN
Dada la dificultad de Estadstica de 1 de Psicologa, alumnos de 2 y 3 planteamos, en
colaboracin con un grupo de profesores en un proyecto ESTIC, la creacin del blog
Estadstica Paralela, para facilitar de manera interactiva y amena la comprensin de la materia.
Nuestro objetivo es desarrollar y facilitar el acceso a materiales tiles para la adquisicin de las
competencias en estadstica, fomentando tambin las competencias transversales en
Psicologa.
Se ha introducido el temario de Estadstica que presenta ms dificultad, resumido y explicado,

centrndonos en su aplicabilidad, con applets que lo facilitan. Tambin ejercicios a resolver, a
mano y con SPSS, con explicaciones grabadas y editadas mediante Blackboard Collaborate.
Aunque se han logrado avances, se pretende continuar hasta cubrir el temario y evaluar su
utilidad en prximas ediciones. La coordinacin, intercambio de archivos y celebracin de
sesiones se ha realizado con la plataforma Blackboard Collaborate, utilizando adems Dropbox
para compartir archivos de trabajo. La mayora de alumnos tutores desempean un trabajo
remunerado, estudian una doble titulacin o con ms crditos de lo usual (la media de edad es
de 25 aos) y la coordinacin de tareas requiere de las TICs.
INTRODUCCIN
La asignatura de Estadstica se percibe como una materia complicada para la mayora de los
33
alumnos: el 22% no se presenta y de los restantes, el 34% suspende en la 1 convocatoria ,
33
Datos obtenidos de las convocatorias del ao 2011 de la Facultad de Psicologa de la UV
193
lo cul suma ms de la mitad de los matriculados. En la 2 convocatoria directamente el 64%
En este contexto la sugerencia de la profesora M Dolores Sancerni de participar en el proyecto
no se presentan. Con estos datos se puede observar la relevancia del problema y la necesidad
ESTIC result muy atractiva.
real de los estudiantes de Psicologa.

La idea principal, fue la creacin de una pgina web donde se encontraran explicados los
El proyecto se concibe complementariamente a una iniciativa anterior propuesta desde el
contenidos de la asignatura de Estadstica, haciendo uso de la experiencia y habilidades
departamento de Metodologa, que consisti en la cooperacin entre alumnos mediante
desarrolladas en las tutoras entre iguales. La Universidad de Valencia ofreci el soporte
tutoras entre iguales.
informtico, sin embargo no era demasiado interactivo y ofreca ms posibilidades la idea de un

blog.
Durante el siguiente curso, la profesora M Dolores Sancerni propuso la participacin en el

proyecto ESTIC, y de aqu surgi Estadstica Paralela. El objetivo principal del blog fue crear un
El blog se denomin Estadstica Paralela. Funciona a travs de un ndice principal, en el que se
soporte en la red para que aquellos alumnos de primero de grado que tuvieran dificultades en
encuentra todo el material trabajado, dividido en unidades, igual que la propia asignatura. Este
Estadstica pudieran entrar para resolver sus dudas.
material est hipervinculado a archivos en pdf con los temas explicados de manera sencilla y
resumida. Tambin hay ejercicios de varios libros que son explicados en voz y por escrito paso
Los componentes del blog son estudiantes de segundo y tercer curso del grado de Psicologa
a paso, a travs de powerpoints grabados con el programa Smartnotebook y posteriormente
que, contando con alta motivacin en la materia, tienen la esperanza de hacer ms fcil su
subidos a Youtube. Por ltimo, se incluyeron actividades en SPSS, para ensear el
comprensin a los alumnos de primer curso.
funcionamiento del programa ms utilizado en la prctica de ejercicios estadsticos por

ordenador. stos fueron grabados gracias al programa Blackboard Collaborate.
El objetivo de este proyecto es desarrollar materiales tiles, para facilitar la adquisicin de las
competencias incluidas en la asignatura de Estadstica. Con esta finalidad, se hace uso de un
Todo este trabajo se dividi en diferentes mdulos y fue repartido entre los componentes del
lenguaje ms cercano y familiar para los alumnos, as como una serie de estrategias de
grupo. La divisin atendi a las diferentes competencias que es necesario completar en cada
comprensin que a los componente del proyecto les sirvieron hace poco ms de un curso para
unidad temtica, siendo stas: explicacin terica del temario de estadstica por escrito,
entender la asignatura.
ejercicios prcticos paso a paso, realizacin y explicacin de actividades realizadas con SPSS
y gestin de recursos informticos del blog.
PROCEDIMIENTO
La mayora de las sesiones, debido a la dificultad de establecer una cita para reunir a todos los
Para comenzar a explicar como surgi la idea de formar el blog de Estadstica Paralela, es
necesario remontarse al curso pasado. Algunos profesores de estadstica propusieron en sus
clases la idea de formar unas tutoras entre iguales. Estas tutoras consistan en reuniones
que los alumnos realizaban una vez por semana en un aula libre o en el departamento de
metodologa,
segn
disponibilidad.
Durante
estas
reuniones
aquellos
alumnos
que
miembros del grupo, se han realizado con el programa Blackboard, lo cual ha dado ms
flexibilidad. La posibilidad de grabar las sesiones, permite que miembros que no han podido
asistir a la reunin, puedan recuperar toda la informacin compartida en la sesin como si
estuvieran presentes en la misma. Con este sistema se evitan los errores procedentes del boca
a boca, siendo el sistema ms fiable para una organizacin eficaz.
encontraban ms dificultades en la materia de Estadstica, podan preguntarles sus dudas a

otros alumnos que iban ms avanzados en la comprensin de los conceptos principales y que
se prestaban para esta tarea. Algunos de los componentes del proyecto de Estadstica
Paralela, formaron parte de las tutoras entre iguales, y fue a raz de stas cuando
descubrieron su inters por ayudar a sus compaeros en la compresin de la asignatura. Ver
Por otra parte, mensualmente se realizaban reuniones presenciales con los tutores del
proyecto: M Dolores Sancerni, Amparo Oliver y Pedro M. Hontangas. En estas reuniones, no
slo se mostraba el trabajo realizado, sino se orientaba para realizar mejoras en el mismo.
Progresivamente los tutores complementaban los materiales de la asignatura.
cmo la motivacin de sus compaeros se vea incrementada tras cada sesin, resultaba una
Poco a poco, con esta dinmica, se fue formando el actual blog Estadstica Paralela.
experiencia muy gratificante.

194
195
FUNCIONAMIENTO DE LA WEB
Como se ha explicado, el ndice sirve como gua para facilitar al usuario la utilizacin del
material. El ndice sigue la organizacin de la asignatura.
Figura 2. Texto explicativo del blog Estadstica Paralela.

(Elaboracin propia)
Figura 1. ndice del blog Estadstica Paralela.

El blog tambin cuenta con una explicacin escrita que se puede visionar directamente, y si se
cliquea encima del hipervnculo azul, se puede acceder a la pgina Scribd y descargar, para su
utilizacin incluso cuando el alumno se encuentre sin internet.
Los ejercicios resueltos paso a paso se encuentran en Youtube, en el canal de

estadisticaparalela. Todos ellos son explicados a travs de powerpoints, indicando los puntos
esenciales para su resolucin, y trucos para su comprensin, los cuales sirvieron a los
componentes del equipo para su estudio.
El programa estadstico ms utilizado en la facultad de Psicologa es el SPSS, el cul presenta,
muchas veces, gran dificultad para los alumnos. Por ello se expone a travs del programa
Blackboard Collaborate. Este programa no slo facilita la grabacin de sesiones explicativas,
Figura 3. Video explicativo del blog Estadstica Paralela
sino tambin ha sido una herramienta para la coordinacin del equipo, al facilitar la interaccin
(Elaboracin propia)
en tiempo real.
196
197
curso acadmico 2012-2013 durante la presentacin de la asignatura de Estadstica en la

Facultad de Psicologa (Universitat de Valncia). Se ha elegido este momento por la alta
receptividad de los nuevos estudiantes y por la utilidad del blog para fijar conceptos bsicos
sobre los que asentar la asignatura a lo largo del curso. Tambin se pretende que el blog se
llegue a difundir ao tras ao y que sea utilizado por alumnos de otras facultades de Espaa.
El soporte digital resulta de gran ayuda para su expansin.
Con perspectivas a largo plazo, se considera necesario medir la utilidad de esta herramienta.
Se est valorando la posibilidad de utilizar cuestionarios a final de curso para recoger la opinin
de los estudiantes. As mismo, el blog posee un buzn de sugerencias donde los alumnos
pueden indicar aquellos temas que les interesara ampliar o cuyo material en la red ha
resultado insuficiente para llegar a comprenderlo.
Figura 4. Presentacin SPSS en Blackboard Collaborate para el blog Estadstica

Paralela.
(Elaboracin propia)
REFERENCIAS
Estadstica para todos [n.d] Recuperado
http://www.estadisticaparatodos.es/
el
de
Diciembre
de
2011
de:
Martnez R. Estadstica aplicada a las ciencias sociales II. [n.d] Recuperado el 19 de Abril de
2012 de: http://www.uv.es/~rmartine/estad2sociologia.htm
CONSIDERACIONES FINALES
Matemtica
Interactiva
[n.d]
Recuperado
el
http://www.eduteka.org/MI/master/interactivate/
El proyecto ESTIC fue muy ambicioso desde el principio, no slo por la complejidad de la
Ministerio de Educacin, Cultura y Deporte del Gobierno de Espaa. Descartes. Matemticas

Interactivas
[n.d].
Recuperado
el
9
de
Marzo
de
2012
de:
http://recursostic.educacion.es/descartes/web/
materia, sino por la cantidad de informacin y ejercicios que pretenda abarcar. Por ello, es
necesario prolongarlo en el tiempo para culminarlo con xito. Todava no se han adaptado
todos los temas impartidos en la asignatura, y con ellos, ejercicios y actividades de SPSS. La
sntesis de todo este material y su esquematizacin es indispensable para que el alumno
entienda la asignatura, y se puede llegar a convertir en un trabajo minucioso y lleno de matices.
de
Marzo
de
2012
de:
Prez A., Hontangas P. M y Oliver A (2011).Un Plan de Tutoras entre Iguales en Estadstica:
Resultados preliminares en Psicologa. Experiencias de Innovacin Docente en Estadstica.
Valencia. Julio.
Recursos educativos para profesores. [n.d] Recuperado el 5 de Diciembre de 2011 de:
http://www.ucv.cl/web/estadistica/
Discriminar entre lo importante y lo interesante es una cuestin presente entre los

componentes del grupo, cuya motivacin por la estadstica, superan los criterios mnimos para
aprobar la asignatura. La discrepancia entre el nivel de motivacin de los miembros del grupo
frente a la poblacin de estudiantes de la asignatura, podra desembocar en un blog muy
interesante, pero, como otros tantos, imposible de descifrar y despreciado por el estudiante
medio. Nuestro objetivo es que sea til para un amplio grupo de estudiantes y la adaptacin de
los contenidos a este extenso colectivo es una tarea compleja.
Por otra parte, para cumplir con el objetivo del proyecto, es necesario que, no slo sus
contenidos sean atractivos, sino que el estudiante sepa que existen y dnde puede
encontrarlos. Con la finalidad de difundir el blog, se prev una charla explicativa al iniciar el
198
199
Aplicaciones web en docencia Estadstica y anlisis de

datos genmicos
Francisco Garca-Garca (1), David Montaner Gonzlez (2)
(1) Instituto de Genmica Computacional.
Centro de Investigacin Prncipe Felipe.
C/ Eduardo Primo Yfera, 3
46012 Valencia, Spain
e-mail: fgarcia@cipf.es
(2) Instituto de Genmica Computacional.
Centro de Investigacin Prncipe Felipe.
C/ Eduardo Primo Yfera, 3
46012 Valencia, Spain
e-mail: dmontaner@cipf.es
RESUMEN
Los ltimos cambios tecnolgicos han incidido en la mayora de las reas del conocimiento
produciendo una demanda de nuevas herramientas de aprendizaje activo. En este trabajo
presentamos Babelomics, una herramienta web para el anlisis estadstico de datos
genmicos. Esta herramienta estadstica proporciona la solucin de problemas biolgicos
reales a la vez que facilita la comprensin de los mtodos estadsticos empleados. Babelomics
incorpora un tutorial detallado y un mdulo de ayuda. Adems se proporciona asistencia online
a todos los usuarios. La difusin de la herramienta se realiz mediante workshops. Los
resultados fueron positivos, obteniendo altos indicadores de uso: nmero de usuarios y
referencias en publicaciones cientficas. Esta herramienta de uso libre se emplea en la
docencia universitaria de Estadstica de grados y msters de diferentes Universidades,
mejorando la relacin de los alumnos con recursos de anlisis estadstico en entornos
profesionales y fomentando el acceso al mercado laboral. Babelomics puede encontrarse en
www.babelomics.org.
INTRODUCCIN
En los ltimos 10 aos se ha producido una creciente demanda de nuevas herramientas
bioinformticas y estadsticas como consecuencia de los avances de la tecnologa.
En Genmica estos cambios han estado motivados fundamentalmente por la aparicin de un

nuevo paradigma; en ste, se ha dejado de estudiar de forma individualizada cada gen para
abordar conjuntamente las relaciones entre todos los genes de un organismo, es decir, su
201
genoma. Este nuevo escenario ha generado la aparicin de un gran volumen de datos con
compatible con diferentes sistemas operativos. Actualmente dispone de un clster con 10
formatos diferentes, acompaado de la necesidad de nuevos mtodos de anlisis y una
servidores sobre los que se distribuyen y ejecutan los trabajos de anlisis que los usuarios
formacin estadstica especfica para diversos colectivos.
dirigen a la herrramienta.
En nuestro Instituto de Genmica Computacional, nos planteamos como objetivo facilitar el uso
La aplicacin web permite el anlisis de datos genmicos, transcriptmicos y protemicos. Este
de herramientas estadsticas y al mismo tiempo mejorar la formacin estadstica de sus
tipo de datos se caracterizan por su gran volumen y elevado nmero de variables (genes,
usuarios. Para ello desarrollamos la aplicacin web Babelomics (Medina et al., 2010) que
trnscritos o protenas).
permitiera dar respuesta a estas necesidades, incorporando recursos que faciliten el acceso y
comprensin de la Estadstica y tambin desarrollando herramientas de anlisis estadstico
Babelomics proporciona un interfaz fcil de utilizar a travs de diversos mens (Figura 1).
para datos genmicos.
Hemos preferido que el usuario se centre fundamentalmente en la resolucin de su problema

biolgico a travs del correspondiente anlisis estadstico. No queremos desviar su atencin
con requerimientos de programacin. Por ello, tras ese interfaz se han utilizado lenguajes de
METODOLOGA
programacin como java, Perl o R.
Diseo e implementacin
El diseo, implementacin y funcionamiento de Babelomics incluy cinco elementos:
Un equipo multidisciplinar formado por personas con tres perfiles complementarios:

biolgos, matemticos-estadsticos e informticos. El consenso entre el grupo permiti
decidir que recursos se incluiran en la herramienta y cmo se presentaran al usuario
para responder a los objetivos descritos.
Planificacin de la infraestructura computacional. Se definieron los requerimientos

computacionales necesarios para almacenar y analizar los datos enviados por los
usuarios.
Elaboracin de tutoriales detallados que incluyeran ejemplos resueltos donde fueran

fcilmente identificable la estrategia de anlisis correspondiente a cada experimento.
Diseo de un servicio de asistencia online para resolver las dudas de uso de la

aplicacin y adems permitiera recoger el feed-back de los usuarios para mejorar y
ajustar la herramienta a sus necesidades.
Figura 1. Interfaz de la herramienta web Babelomics.

Difusin y promocin de Babelomics. Una herramienta web es utilizada no slo por ser
una buena aplicacin; adems es fundamental que se conozca en los foros donde
puede ser til. Por ello se planific una serie de workshops en institutos y
La dinmica de trabajo en Babelomics est orientada para que el usuario realice sus propios
universidades nacionales e internacionales con inters en el anlisis de datos
anlisis de datos. El workflow est formado por cuatro pasos (figura 2):
genmicos.
Carga de datos. En este primer caso se suben los datos a la herramienta web. Los
usuarios estn obligados a conocer el tipo de variables que disponen porque ser
Cmo funciona Babelomics?
necesario la asignacin de una etiqueta identificativa del tipo de datos que permitir a
Babelomics es una aplicacin web de uso libre. Para su utilizacin slo se requiere conexin a
internet y un navegador. Incluye el uso de web services y teconologa Web 2.0, siendo
202
Babelomics orientar al usuario sobre las posibles estrategias de anlisis.
Preprocesamiento.
Este
mdulo
incorpora diferentes
203
procedimientos
para la
preparacin de datos antes de su anlisis. Las tcnicas de medida utilizadas generan
Resultados del anlisis estadstico en Babelomics
ruido que puede ser tratado con mtodos de normalizacin. A continuacin es posible
tratar los valores perdidos con tcnicas de filtrado o imputacin. Mediante clustering y
Independientemente de la eleccin de la estrategia de anlisis de los datos, la aplicacin web
anlisis de componentes principales, se obtienen representaciones grficas que
presenta los resultados estadsticos en formato numrico y grfico. La visualizacin de los
posibilitan el anlisis exploratorio de los datos.
resultados es fundamental en Babelomics. El usuario necesita interpretar los resultados de su
Estrategias de anlisis. El investigador tiene definidas diversas preguntas que estn
anlisis estadstico para dar respuesta a los objetivos planteados en su estudio. Adems la
vinculadas a los objetivos de su estudio y el diseo del experimento planteado. Para
inclusin de grficos favorece la comprensin de los procedimientos estadsticos utilizados. As
dar respuestas proponemos diversas estrategias de anlisis:
por ejemplo, en los anlisis de expresin diferencial se incorporan heatmaps que visualizan los
Anlisis de la expresin diferencial. Detecta el grupo de genes que muestran un
niveles de expresin en el grupo de genes diferencialmente expresados mostrando patrones
nivel de expresin diferenciado (activacin/represin) entre las condiciones
comunes de expresin. En este tipo de grficos se incorpora el valor del estadstico del
experimentales del estudio. El diseo experimental determinar los mtodos
contraste realizado para cada gen y tambin se incluye el p-valor ajustado, recordando al
estadsticos utilizados: comparacin de dos clases, ms de dos grupos, series
usuario el escenario de comparaciones mltiples en el que estamos trabajando y la necesidad
temporales, correlacin, supervivencia,...
de correccin del p-valor (figura 3).
Prediccin de clases. Proporciona un clasificador supervisado de clases a partir del
Clustering. Agrupa las muestras o genes que presentan un patrn de expresin
entrenamiento de las muestras iniciales.
comn.
Anlisis funcional. Las estrategias anteriores se centran en el gen como unidad de

anlisis, sin embargo, los investigadores estn muy interesados en conocer las
funciones que hay detrs de esa seleccin de genes de inters. Babelomics incluye
varias herramientas que interrogan de modo automatizado diversas bases de datos
biolgicos y sobre ellos se aplican procedimientos estadsticos que permiten
caracterizar funcionalmente un grupo de genes. La informacin funcional de los genes
permite la interpretacin biolgica de los resultados del anlisis para cada experimento.
Figura 3. Resultados del anlisis estadstico en Babelomics.

Babelomics es un aplicacin web flexible en su estructura, ajustndose rpidamente a la nueva
demanda de herramientas de anlisis. Los cambios tecnolgicos producidos en este rea son
constantes y la inclusin de nuevos procedimientos solventan los problemas de anlisis que
surgen con la aparicin de nuevos tipos de datos y adems favorecen la continua formacin de
los usuarios.
Figura 2. Workflow del anlisis estadstico de datos en Babelomics.

204
205
Produccin cientfica
RESULTADOS
La aplicacin es una suite que integra diferentes herramientas de anlisis. La mayora de ellas
Indicadores de uso
se han desarrollado en nuestro Instituto, habiendo generado 25 publicaciones en revistas
En la fase de diseo de la herramienta se incluy un mdulo de monitorizacin de uso de la

aplicacin web que permitiera la evaluacin de su funcionamiento (figura 4). La descripcin de
cientficas donde se describe su funcionamiento (Al-Shahrour et al., 2008; Medina et al., 2007;
Minguez et al., 2009; Montaner et al., 2006; Nueda et al., 2009; Tarraga et al., 2008).
indicadores de uso est disponible en el link:

http://bioinfo.cipf.es/webstats/babelomics/awstats.babelomics.bioinfo.cipf.es.html
Desde enero de 2004 hasta junio de 2012 se ha citado a Babelomics en 2300 artculos donde
se han empleado sus herramientas o evaluado su funcionamiento mediante comparativas con
Durante el ao 2012 el promedio de visitantes mensuales fue 1800, analizndose 200

experimentos por da. Hay 5000 usuarios registrados y 70000 usuarios annimos.
otros recursos de anlisis (http://scholar.google.es GEPAS, Babelomics).
Docencia universitaria
Tambin nos interesaba la distribucin geogrfica de los pases de los usuarios, siendo
Inicialmente se dirigi el uso de la aplicacin a un colectivo especfico de profesionales en
Estados Unidos, Europa y China las reas con mayor nmero de conexiones. Esta informacin
biomedicina y biologa que demandaban formacin estadstica especializada y herramientas de
es til porque confirma si la estrategia de promocin y difusin de la aplicacin ha sido efectiva
anlisis estadstico de datos genmicos. Muchos de estas personas forman parten del equipo
o si por el contrario todava hay algunas regiones donde sera interesante potenciar el uso de la
investigador de las universidades espaolas y se establecieron colaboraciones para incluir el
herramienta. En la figura 4 se muestra la distribucin geogrfica del nmero de conexiones por
uso de Babelomics en diferentes titulaciones universitarias.
pases.
Actualmente Babelomics es utilizada por los alumnos de la asignatura de Genmica Funcional
en el grado de Biotecnologa de la Universidad Politcnica de Valencia. Tambin se integr en
el mster de Medicina Translacional de la Universitat de Barcelona y en los cursos de
doctorado de Bioinformtica de la Universidad Autnoma de Madrid.
Las prcticas con Babelomics favorecen el desarrollo de una competencia importante en los
estudiantes de este rea, que consiste en el abordaje de una herramienta web para tratar un
determinado problema, aproximndose al modo de funcionamiento y comprensin de los
mtodos estadsticos empleados en sus diferentes mdulos de anlisis.
Durante el periodo de tiempo que estuvimos trabajando como docentes en el departamento de

Estadstica e Investigacin Operativa de la Universidad de Valencia, empleamos la herramienta
en las prcticas de asignaturas estadsticas en las licenciaturas de Biologa, Matemticas y el
grado de Biotecnologa. El objetivo consista en presentar una herramienta web que mostraba
la aplicacin de los procedimientos estadsticos trabajados en clase. De este modo se
estableca una conexin directa entre los contenidos desarrollados en la asignatura y su
utilizacin en un campo profesional determinado.
Figura 4. Indicadores de uso de Babelomics.

206
207
Esta visin prctica facilita la comprensin del mtodo estadstico en sus diferentes fases: el
anlisis descriptivo inicial, la exploracin de los datos, el anlisis inferencial y la interpretacin
Montaner, D., Tarraga, J., Huerta-Cepas, J., et al. (2006). Next station in microarray
Data analysis: GEPAS. Nucleic Acids Res.34:W486-91.
de resultados.
Nueda, MJ., Sebastin, P., Tarazona, S., et al. (2009). Functional assessment of time course
microarray data. BMC Bioinformatics. 10 Suppl 6:S9.
CONCLUSIONES
Tarraga, J., Medina, I., Carbonell, J. et al. (2008). GEPAS, a web-based tool for microarray
data
analysis
and
interpretation.
Nucleic
Acids
Res.
36:W308-14.
El uso de herramientas web constituye un recurso eficiente en docencia en Estadstica.
Babelomics es un ejemplo de aplicacin web que ha potenciado la formacin estadstica en

profesionales del rea de la Genmica proporcionndoles una herramienta de anlisis de datos
que posibilita el abordaje de los problemas estadsticos planteados en sus estudios.
Adems Babelomics ha aproximado las tareas del mundo profesional al mundo acadmico,
permitiendo el desarrollo de competencias especficas en el uso de aplicaciones web de
anlisis estadstico que mejoran el acceso al mercado laboral de los estudiantes universitarios.
AGRADECIMIENTOS
Los autores desean agradecer la dedicacin y el esfuerzo realizado por todas las personas que
integran el Instituto de Genmica Computacional del Centro Investigacin Prncipe Felipe que
han posibilitado el diseo, desarrollo y mantenimiento de Babelomics. Tambin agradecemos
la financiacin del Instituto Nacional de Bioinformtica.
REFERENCIAS
Al-Shahrour, F., Carbonell, J., Minguez, P. et al. (2008). Babelomics: advanced functional
profiling of transcriptomics, proteomics and genomics experiments. Nucleic
Acids
Research.36 (suppl 2): W341-W346.
Medina, I., Carbonell, J., Pulido, L. et al. (2010). Babelomics: an integrative platform for the
analysis of transcriptomics, proteomics and genomics data with advanced functional
profiling. Nucleic Acids Research. 38:W210-W213.
Medina, I., Montaner, D., Tarraga, J., Dopazo, J. (2007). Prophet, a web-based tool for class
prediction using microarray data. Bioinformatics, vol. 23, issue 3, pp: 390-391.
Minguez, P., Gtz, Stefan., Montaner, D., Al-Shahrour, F. and Dopazo, J. (2009). SNOW, a
web-based tool for the statistical analysis of proteinprotein interaction networks. Nucleic
Acids Research. 37 (suppl 2): W109-W114.
208
209
Tutorials dinmics per a la docncia en assignatures

destadstica: laprofitament de les TIC davant de la
transformaci del paradigma docent en el context de
lEEES
Beln Garca-Crceles (1), Mara Victoria Romn Lara (2)
(1) Departament dAnlisi Econmica
Av. dels tarongers s/n, 46022 Valncia
belen.garcia-carceles@uv.es
(2) Basque Centre for Climate Change
mavi.roman@bc3research.org
RESUM
En el context de lEEES, el procs de lensenyament passa dun model clssic de transmissi
de coneixements i un concepte de formaci per a tota a la vida a un nou paradigma en el qual
el/la docent mostra continguts educatius (coneixements competncies de saber, habilitats
competncies de fer i hbits competncies de ser/estar) i, a ms a ms, es promou el
concepte daprenentatge al llarg de la vida (life-long learning), pel qual lalumne aplica els seus
hbits i competncies al llarg de la carrera professional. A ms, aquest concepte es perfila com
a necessari davant les preferncies dels alumnes mateix, com a protagonistes de la seua
formaci, aix com per a la tendncia observada en els mercats de treball, segons la qual sest
imposant la flexibilitzaci dels perfils professionals, motiu pel qual es valorant cada vegada ms
la interdisciplinarietat.
En aquest context, les tecnologies de la informaci i la comunicaci (TIC) es perfilen com les
eines bsiques per al procs daprenentatge continu, amb la qual cosa, el repte del/la docent
rau en ladaptaci dels continguts i formats de manera que puguen ser difosos de manera gil
per aquests canals dinformaci. Amb independncia de laplicaci estadstica utilitzada, el/la
docent daquest tipus dassignatures i amb independncia, tamb, del tema tractat, es proposa
un exemple ds per a la creaci de tutorials dinmics (en concret, amb Camtasia Studio). El
resultat s un vdeo interactiu que pot ser difs utilitzant les plataformes 2.0 de les universitats i
els centres docents, aix com a travs dunes altres plataformes ds obert (Youtube,
Facebook, etc.).
211
Per a determinar si la formaci rebuda pot preparar els alumnes de manera adequada per tal
INTRODUCCI
dafrontar la vida en la societat del futur, Redecker i altres (2011) identifiquen les competncies
La implantaci del Pla de Bolonya
34
el curs 2010-2011 en el marc de lEspai Europeu
dEducaci Superior (EEES) ha portat canvis rellevants per a lensenyament universitari. Per la
seua altra banda, el canvi (tecnolgic, social i econmic) de lentorn laboral en els ltims anys
requereix una srie de competncies professionals que han passat de ser una opci a un
requisit per als alumnes (Dochey i altres, 2002). A ms a ms, sobserva que les empreses i
organitzacions a les quals els alumnes accedeixen desprs de la formaci ja actuen en aquest
sentit, segons constaten informes recents del Joint Research Centre (linstitut per al
que seran rellevants en els propers anys i, en el seu treball, postulen que per a donar resposta
a les noves necessitats, en el centre de la formaci del futur hi haur la personalitzaci de la
formaci, les metodologies collaboratives i laprenentatge a travs de canals informals. En
aquest context, es pot veure com la tendncia observada entre els/les docents ha estat posar
en relleu les metodologies per a laprenentatge actiu i collaboratiu (Benito i Cruz, 2011; Zaart
2002 o Putna 1997), i desenvolupar tot un seguit dexemples i propostes per a la seua aplicaci
entre les quals podem citar les que recullen Morillas i Martnez (2011) o Comeig i altres (2011).
desenvolupament destudis prospectius de la tecnologia de la Comissi Europea) els llocs de

treball en el futur prxim estaran basats en els principis de laprenentatge al llarg de tota la vida
(life-long learning); sespera que el ciutad del futur canvie diverses vegades docupaci i que
shaja dadaptar i adquirir coneixements nous al llarg de la carrera i vida laboral, que ser ms
longeva. Els ciutadans (estudiants) es veuran abocats a utilitzar les noves formes
daprenentatge ms flexibles i concretes per al desenvolupament de competncies noves
(Kampylis i altres, 2011), fet que donar pas a un canvi de paradigma que evoluciona de
manera patent i es reflecteix en les actuacions que la Universitat va comenar a introduir amb
ladaptaci del Pla de Bolonya i que els/les docents han anat integrant en els dissenys dels
continguts i les metodologies. En la Taula 1, es recull levoluci de lenfocament en les distintes
Per una altra banda, es parla de la incorporaci de les noves TIC com ladveniment duna nova
era a la qual es denomina societat de la informaci. La importncia del coneixement, la
naturalesa global de la societat, lintercanvi rpid dinformaci i el grau de collaboraci informal
sn algunes de les caracterstiques que sassocien amb aquesta idea de societat (Duderstand,
1997). Aquestes caracterstiques, a ms a ms, tenen un efecte directe sobre el paper de la
Universitat en la societat, en general, i sobre la metodologia docent, en particular. Aix s aix
perqu els continguts per a les TIC incorporen un gran potencial didctic, donada la
navegabilitat i viabilitat daquests en entorns audiovisuals i interactius, entre unes altres
caracterstiques.
dimensions de la docncia en lensenyament superior.

Tot i el gran potencial de les TIC en la formaci, ladopci daquestes en les aules i les
Taula 1: Canvi de paradigma de la Universitat
metodologies docents no s de poca importncia. Es pot donar la situaci que es pretenga

incorporar les TIC sense tenir massa clara la finalitat per a la qual sestan introduint. Partint de
Dimensi
Abans
Ara
Dem?
la base que les TIC no sn una soluci als problemes de disseny curricular, sin que,
Docncia
Mensenyen
Treball individual
Manual, pissarra,
transparncies
Jo aprenc
Treball en grup
Casos, supsits,
problemes
relacionats
Avaluaci continuada
Coaprenentatge: ens ajudem a

aprendre.
Resoluci de casos nous en
situacions interdisciplinries
precisament, per ser tils han destar sostingudes per un bon disseny de les matries,
Autoavaluaci i coavaluaci.
Avaluaci 360
Adquirir autonomia per a
laprenentatge i confiana en la
resoluci de problemes futurs no
experimentats amb anterioritat
Preparador personal
un procs densenyar a aprendre amb les TIC i aprendre a aprendre amb les TIC (Benito i
Materials
Avaluaci
Motivaci
Avaluaci final
(examen)
Aprovar
Professor
Mestre magistral
Aprendre
Guia en
laprenentatge
Font: Benito i Cruz (2011).
aquestes no sn ni ms ni menys que una eina que es pot (i sha de) tenir en compte per a
dissenyar el procs formatiu. Aix, el procs densenyar-aprendre es pot enriquir i passar a ser
Cruz, 2011).
El disseny dels continguts per a les TIC, per tant, ha de considerar les particularitats de
laprenentatge a travs dInternet, les caracterstiques dels recursos metodolgics que hi ha
disponibles en aquest entorn, aix com les necessitats que el docent mateix detecte que poden
ser cobertes amb la utilitzaci daquestes eines. En aquest sentit, a continuaci sexplica una
metodologia per a la introducci de recursos tecnolgics en les metodologies actives.
Seguidament, se naporta un exemple concret per a la docncia en estadstica tenint-ne en
34
El Procs de Bolonya: <http://www.educacion.gob.es/boloniaeees/que.html>.
212
213
compte les peculiaritats. I es finalitza amb una discussi sobre la problemtica que afronta el/la
El material previ disponible pel/per la docent a lhora de preparar lassignatura.
docent a lhora de dissenyar i implementar aquest tipus deines de docncia.
El catleg de serveis formatius i tcnics dels quals disposa el/la docent.
No cal descuidar tamb els incentius per a la innovaci docent.
METODOLOGIES ACTIVES I DE COLLABORACI

La introducci de recursos tecnolgics en les metodologies actives
Davant del repte de motivar els alumnes perqu prenguen el protagonisme en el seu procs
formatiu, la utilitzaci de metodologies actives i, en concret, les de collaboraci, ha estat en el
centre de la transformaci dels continguts curriculars. El que es persegueix amb aquest tipus
dactivitats s estimular una educaci activa i prctica (F. Michavila i F. Esteve, 2011) que done
un paper important a lalumne, qui construeix el coneixement a partir dunes pautes, activitats o
escenaris dissenyats pel/per la docent. Per tal daconseguir una dinmica de collaboraci en
Les metodologies actives en la docncia en estadstica

En el cas de la docncia en estadstica, aquesta no sentn sense el o els paquets estadstics
amb els quals sobtenen els resultats. De manera que, en la seua forma presencial i clssica, la
docncia acostuma a dividir-se en sessions teriques i prctiques. En les primeres, els suports
ms habituals sn les diapositives i lexplicaci del/la docent. En el segon cas, sacostuma a
comptar amb aules informatitzades i els alumnes segueixen des de les seues pantalles els
passos del/la docent a travs de laplicaci estadstica.
les activitats grupals, cal aconseguir que hi haja un objectiu com, una relaci digualtat entre
els membres de lequip, una relaci dinterdependncia positiva, de cooperaci, ajuda i
exigncia mtua i un vincle afectiu que ho cohesione (M. Jimnez, 2011).
A lhora adaptar els continguts per tal daprofitar els recursos tecnolgics disponibles, shan de
tenir en compte tres consideracions bsiques:
En el disseny daquest tipus de metodologies s, potser, on les TIC poden aportar un valor
afegit considerable. Beneficis importants com laccessibilitat, la ubiqitat, el dinamisme, la
interactivitat, la convergncia de dispositius, la computaci fent servir el nvol, les interfcies
Qu es vol fer:
Adaptar continguts per a la difusi daquests a travs de la xarxa.
Dissenyar una eina com a suport per a una activitat: qestionari dautoavaluaci,
jocs collaboratius, entorn dinteracci tipus frum de debat, etc.
daccs a la informaci segons el context (el perfil de lusuari i la geolocalitzaci) i el canvi de
paradigma de la propietat intellectual, estan revolucionant el concepte daula del model

densenyament clssic, com recull F. Llorens (2012). Segons aquest autor, lobjectiu seria un
Crear continguts nous per a la difusi daquests a travs de la xarxa.
De quines eines es disposa: en aquest sentit, es recomanable revisar els serveis que
aprenentatge millorat amb tecnologia, en el qual el focus es posa en laprenentatge i la
les universitats tenen disponibles per als/les docents i que, moltes vegades, resten poc
tecnologia hi s un valor afegit de millora. Per tant, sha daconseguir utilitzar la diversitat
publicitats i desconeguts. Des que sinici el procs de la implantaci del Pla de
deines disponibles i seleccionar aquelles amb les quals el/la docent puga esplaiar-se,
Bolonya, moltes universitats han anat dissenyant i oferint serveis tcnics per a la
adquirint-ne la formaci adequada i rebent el suport necessari per a la implantaci daquestes.
integraci de les TIC en la docncia, aix com la formaci especfica i a la carta perqu
els/les docents puguen adaptar els materials ja existents als nous suports telemtics.
La problemtica en el pas de decidir quin nivell dintegraci tecnolgica en la docncia depn

de molts factors. Entre ells:
Caracterstiques de la matria estadstica:
Cal tenir en compte el tipus de formaci: presencial, semipresencial o virtual.
Multiplicitat de formats que dificulten la unificaci en un nic arxiu.
Tamb sha de considerar per a qu es vol fer servir la tecnologia:
Oferir documentaci, informaci i recursos didctics seleccionats pel/per la docent
Recursos per a lavaluaci com els qestionaris dautoavaluaci.
Recursos per a la comunicaci i la interacci: debats, aplicacions, tutorials, etc.

214
Per obrir certs materials, cal disposar del programa estadstic especfic, en la
versi especfica i amb els complements necessaris installats, de manera que,
en la pgina web (o bloc) de lassignatura.
All que el/la docent prepara per a la classe s un conjunt de materials en

diferents arxius i formats.
en canviar dordinador, es pot perdre informaci i/o temps, fet que afecta la
qualitat de la docncia per motius tcnics.
Alguns materials sn ms fcils de digitalitzar i difondre, com les diapositives i

215
equip informtic per a s personal.35
els documents, mentre que uns altres sn ms complicats: explicacions,
procediments de clcul utilitzant aplicacions, etc.
Hi ha un alt risc de perdre la visi dall que sest fent (concepte i objectiu de
descarregar-lo de la pgina web del programador i utilitzar-lo en els seus ordinadors
laplicaci estadstica. Per exemple, lalumne sap on trobar en el men del
personals. En concret, utilitzem:
programa lopci per fer un contrast dhiptesis, per no sap qu s el que est
contrastant i, de vegades, perd de vista la finalitat del contrast.
El ritme de les sessions pot ser feixuc, donat que els diferents temps amb els
quals els alumnes poden seguir les explicacions (pel seu nivell de base,
La calculadora estadstica CaEst 1.5: <http://www.uv.es/lejarza/caes/index.htm>.
El programa R: <http://cran.r-project.org/>.
Tenim conscincia de la diversitat de plataformes en qu es pot difondre el contingut
Els objectius que ens hem plantejat:
Els alumnes poden tenir barreres per accedir als ordinadors amb els
programes adequats per practicar amb les aplicacions.
docent (MAC, PC, Smartphones, etc.).
capacitats, estat dnim, etc.). Aix fa que alguns alumnes resten ociosos
mentre que uns altres se senten aclaparats.
Utilitzem diverses aplicacions per als clculs: en concret hem escollit dos programes de
llicncia oberta36 de manera que els alumnes no tinguen limitacions a lhora de
lexercici) en haver de centrar latenci (encara que siga momentniament) en
Tenim el material docent en format digital, ja siguen diapositives, documents de text,

fulls de clcul, arxius de dades, etc.
En les sessions prctiques.
Relaci adequada entre temps/resultat: volem integrar la tecnologia de manera que no

haguem de dedicar un temps excessiu respecte dels resultats que esperem obtenir.
Incorporaci de les innovacions docents: lestadstica, com altres matries

tcniques, obliga a incorporar innovacions tant de continguts com de coneixements
Aprofitar el material previ.
amb una certa freqncia, sobretot en cursos avanats i/o aplicats. El ritme
Facilitat de difusi: quant a la grandria de larxiu resultant i el format daquest. Volem
Flexible: que siga fcil incorporar canvis i actualitzar-lo.
Que no depenga de lequip informtic.
Que permeta personalitzar el contingut segons el ritme de cada alumne i les seues
obtenir un material en un format estndard i comprimit.
daparici daquests avenos respecte de la seua incorporaci a la docncia pot

ser menys que proporcional.
Recapitulant, les TIC incrementen les possibilitats de la consecuci dels objectius que
persegueixen les metodologies actives donat que lalumne es converteix en el responsable del
necessitats de refor.
propi aprenentatge, es compromet en el procs de reflexi, participa en activitats que li

permeten lintercanvi dexperincies i opinions, i desenvolupa competncies amb autonomia i
Aprofitar els avantatges dubiqitat, interactivitat i facilitat ds de les noves tecnologies.
pensament crtic, per com incorporar aquests avantatges en la docncia en estadstica?
Donar suport a un enfocament cap a les activitats actives i de collaboraci.
Amb aquests requisits es va decidir buscar una eina que permetera crear videotutorials
Exemple daplicaci en docncia estadstica
interactius, de manera que serviren de contingut per al disseny dactivitats grupals de
A continuaci es descriu lexperincia de reflexi, selecci i implementaci duna eina
collaboraci.
tecnolgica en docncia estadstica.
Per a lexemple segent sha tingut en compte que es parteix de la base que:
Tots els alumnes han de tenir les mateixes opcions per tenir accs a Internet i a un
35
En el cas de la Universitat de Valncia, hi ha un servei de prstec dordinadors porttils:

<http://biblioteca.uv.es/valenciano/servicios/portatils/porta.php>.
36
R i altres aplicacions estan disponibles com a Free Software (programari lliure) sota els termes de la
Free Software Foundations GNU General Public License en forma de codi font: <http://www.rproject.org/Licenses/>.
216
217
Per a seleccionar leina, es va consultar el catleg de programes37 disponibles a la Universitat
Tot i que no s lobjectiu daquest article fer una descripci detallada del funcionament del
de Valncia, assessorats pel Servei dInformtica, per un costat i pel Servei de Formaci
Camtasia Studio, shi ofereix un recull de les consideracions prctiques que, a nivell general,
Permanent i Innovaci Educativa, per un altre, tots dos de la Universitat de Valncia.
shan de tenir en compte en la preparaci dun videotutorial interactiu.
38
Es va escollir leina Camtasia Studio.
s una aplicaci que funciona sota llicncia i permet
Abans de fer servir Camtasia Studio o qualsevol aplicaci similar:
crear vdeos en format estndard, utilitzant materials existents de diferents formats, afegint
locucions i qestionaris, dels quals es pot extraure el resultats (desprs dhaver sigut contestat
Cal fer un petit esquema de les parts que tindr el nostre tutorial. Es recomana fer el
All
que anomenem una escaleta:42 un esquema de la successi de continguts del vdeo
especialment important per a la docncia en estadstica s que permet gravar el que es veu en
que permet ordenar-ne els materials (el que es veu i el que sescolta). En ella es poden
la pantalla de lordinador i lexplicaci en forma de locuci, caracterstica idnia per a capturar
recollir els moments en qu hi haur interacci, ordenar els continguts, etc.
seqncies dinstruccions per a manejar les aplicacions, cosa que permet lalumne parar la
Taula 2. Exemple descaleta per a lelaboraci del videotutorial.
pels alumnes) per a tenir un seguiment i una avaluaci utilitzant Moodle
39
o Aula Virtual.
40
reproducci, tornar arrere, etc. Aix, es va escollir una aplicaci que permetera integrar els
Seqncia
continguts de les sessions teoricoprctiques de la docncia en un vdeo que permet interacci
Imatge
(contestar qestionaris, accionar botons, etc.), que es pot difondre de manera senzilla amb
So
Explicaci del
Ttol
independncia de la plataforma i que es pot adaptar al ritme daprenentatge de cada alumne.
contingut del
videotutorial.
A travs del grup dinnovaci docent Microinnova41 del Departament dAnlisi Econmica de la
Universitat de Valncia, es va sollicitar un curs de formaci a la carta al Servei de Formaci
Vdeo motivaci
Dispositiva 1:
introducci
Permanent per aprendre a utilitzar el Camtasia Studio. El servei va oferir un curs de vuit hores
4
de durada al qual van assistir docents de diverses facultats i departaments de la Universitat de
Diapositiva 2:
motivaci
Valncia. Aquestes vuit hores van ser suficients per poder crear un videotutorial ajustat a les
5
pretensions que shan descrit. El vdeo resultant es pot consultar en el servidor multimdia de
El so del vdeo
Explicaci
Explicaci
Material
El far amb
Camtasia (FC)
El vdeo del MIT
de 2011
PDF Diapos.
classe (DC)
Drets ds
Propi
Revisar llicncia
Propi
DC
Propi
FC
Propi
Introdum
lexemple que
la Universitat de Valncia: <http://mmedia.uv.es/catalog>.
Ttol
anem a veure
utilitzant laplicaci
R
6
37
Catleg de programes: <http://www.uv.es/siuv/cas/zsoftware/zscatalegsoft.html>.
38
Web del fabricant de Camtasia Studio: <http://www.techsmith.com/camtasia.html>.
Pantalla: exemple
Comentar el que
Prof. Cayuela
es va fent
...
39
Moodle s un Sistema de Gesti de Cursos de Codi Obert (Open Source Course Management System,
CMS), conegut tamb com Sistema de Gesti de lAprenentatge (Learning Management System, LMS) o
com Entorn dAprenentatge Virtual (Virtual Learning Environment, VLE). s una aplicaci web gratuta que
els educadors poden utilitzar per crear llocs daprenentatge efectius en lnia. Alguns exemples sn els
creats per la Universitat de Saragossa, la Universitat Politcnica de Valncia, etc.
<https://moodle.org/?lang=es>.
23
Expliquem com
Qestionari
contestar el
qestionari
DataSet
Script
Doc Formulaci
Doc. del
qestionari
Creative
Commons
Propi
Font: elaboraci prpia.
40
Aula Virtual s la implantaci que ha fet el Servei dInformtica de la plataforma de codi obert .LRN en la
Universitat de Valncia, que ofereix espais de grup virtuals a professors i alumnes com a suport als grups
de docncia presencial. Aula Virtual tamb ofereix als professors daquesta universitat la possibilitat de
sollicitar la creaci de comunitats dinvestigaci virtuals associades a projectes dinvestigaci formats per
personal daquesta i dunes altres universitats: <http://www.uv.es/siuv/cat/serv/aulavirtual/aulavirtual.htm>.
41
Microinnova s un grup dinnovaci educativa que compta amb el suport institucional i el finanament
del Vicerectorat de Cultura, Igualtat i Planificaci de la Universitat de Valncia: <http://microinnova.blogspot.com.es/>.
218
42
En les produccions audiovisuals, aquelles que no tenen un gui estricte i tancat (informatius, magazins,
etc.), utilitzen el que sanomena escaleta, que s un desenvolupament esquemtic de gui numerat per
seqncies i descrit amb la temporalitat que haja de tenir la imatge.
219
Cal recopilar els materials que hi inclourem: diapositives, vdeos, imatges, etc. En una
En la pantalla de lesquerra, si cliquem sobre import media, podem seleccionar la nostra
ubicaci concreta (recomanable crear una nica carpeta). I cal assegurar-se que tenim
carpeta de materials. El Camtasia Studio ordena els arxius segons el tipus: vdeo, imatge,
els drets per a utilitzar tot aquest material.
43
udio, de manera que es tenen a disposici per anar-los collocant en la lnia de temps i
Quant al maquinari, cal tenir en compte els requeriments que recomane el programa
confeccionar el videotutorial. Per a lelaboraci del vdeo dexemple, disponible al servidor
que sutilitze, a ms de micrfon i auriculars. Tamb s recomanable disposar de
multimdia, es van haver dinvertir unes deu hores entre preparaci i elaboraci. Sha de tenir
cmera web, donat que laplicaci ens permetr incorporar la nostra prpia imatge fent
en compte que era la primera experincia en preparar aquest tipus de material.
les explicacions, el que confereix una sensaci de proximitat a lalumne. Tamb ens
permet gravar-nos fent una explicaci en una pissarra o full de paper, el que pot donarnos flexibilitat i agilitat en lelaboraci del vdeo i crea un efecte tutoria.
Una ullada rpida a la pantalla del Camtasia Studio ens permet tenir una idea de la facilitat
ds que ofereixen aquestes aplicacions. Est distribuda de la manera segent:
-
Tenim els materials disponibles en la pantalla de lesquerra (Clip Bin).
Tenim la previsualitzaci del vdeo a la part de la dreta (Preview).
Tenim la lnia de temps (Timeline) a la part inferior, on podem situar de manera
Pel que fa a la utilitzaci del videotutorial una vegada elaborat:
La difusi:
En tenir-lo en el servidor multimdia de la Universitat de Valncia, tenim un adrea

a Internet fixa i perdurable que ens permetr fer-hi referncies des daltres llocs a
Internet, incloent-hi: blocs, pgines personals, Facebook, Twitter, etc.
A ms, com que Camtasia Studio genera un vdeo en format estndard, tenim un
ordenada diversos elements de vdeo i dudio. Els elements que estiguen en la
arxiu de vdeo que podem penjar a Youtube, enviar-lo per correu electrnic,
mateixa vertical en la lnia de temps es reproduiran a la vegada.
gravar-lo en DVD i reproduir-lo en un aparell DVD.
La integraci de Camtasia Studio amb Moodle i Aula Virtual, ens permet generar
fcilment els arxius per fer accessible el vdeo all on els alumnes acostumen a
trobar les activitats de les assignatures.
Per ltim, cal recordar que un dels objectius principals de lelaboraci del tutorial era servir de
contingut per a activitats de collaboraci. El que es proposa s aprofitar lopci de Camtasia
Studio per crear un men o ndex del contingut del vdeo que apareix en el marge esquerre
en reproduir-lo. Repartim els apartats entre els membres de lequip i es fa crrec del
qestionari de lapartat. Cadasc envia les seues prpies respostes, mentre que hi ha un
qestionari conjunt que envien tots i que obliga que revisen tot el tutorial. En lavaluaci de
cada alumne es tenen en compte tant els qestionaris individuals com el global del grup.
Figura 1: Captura de la pantalla dedici de CamtasiaStudio.

(Font: elaboraci prpia)
43
Des de fa un temps, sestan produint canvis importants pel que fa a drets dautor. Cada vegada s ms
habitual ls de llicncies obertes o semiobertes que permeten utilitzar una gran quantitat de contingut i
recursos tils per a la docncia de lestadstica.
220
221
Es vol fer constar, tamb, que gran part de lxit en el disseny i lobtenci daquest tipus de
materials s causat per la quantitat i qualitat de suport que el/la docent rep de la prpia
Universitat a travs dels serveis i mitjans tcnics i de formaci. En aquest sentit, la seua
publicitat, la qualitat de la oferta i laccessibilitat (horria, opcions de formaci en lnia i a la
carta, etc.) shan mostrat com a factors rellevants durant lexperincia descrita.
Taula 3: Implantaci diniciatives de docncia virtual (implantades o en

desenvolupament): evoluci.
2006
Figura 2: Captura de pantalla dun vdeo amb men i qestionari.

(Font: R. Martnez, Servidor multimdia Universitat de Valncia)
DISCUSSI: EL PAPER DE LES TIC EN LES METODOLOGIES

ACTIVES, EL REPTE DELS/DE LES DOCENTS
En primer lloc, sha de fer constar que aquesta experincia docent s una proposta que no ha
estat avaluada quant a lefectivitat i la valoraci que t per part dels alumnes. Caldr esperar a
recollir-ne els resultats per a extrauren conclusions en aquest sentit. En qualsevol cas, tant
com es pot comprovar en el plantejament del projecte com en el procs delaboraci, sha
procurat aportar una alternativa integradora dinnovaci docent que, s desperar, contribusca
positivament en el procs daprenentatge.
2007
2008
2009
2010
Hi ha una unitat o similar responsable especficament de la

76%
82%
795
89%
98%
docncia virtual.
Aquesta unitat est dotada de recursos humans i tcnics
72%
8%2
77%
87%
91%
especfics per a la docncia virtual.
Es faciliten tecnologies educatives prpies de la docncia virtual
86%
100%
96%
98%
98%
(frums, xats, calendaris, etc.) per a donar suport a la docncia
presencial.
Hi han iniciatives per a visualitzar (total o parcialment)
82%
100%
96%
98%
98%
assignatures reglades.
Hi ha iniciatives per a visualitzar (total o parcialment) experts,
78%
91%
83%
91%
98%
msters, etc.
Es disposa dun pla especfic de formaci del PDI en tecnologia i
76%
95%
90%
91%
96%
metodologies educatives prpies de la docncia virtual.
Es disposa dun pla especfic de formaci per als estudiants en
44%
52%
52%
57%
64%
tecnologies i metodologies educatives prpies de la docncia
virtual.
Es disposa dun pla de formaci especfic per al personal de la
58%
70%
65%
72%
72%
unitat de tecnologia i metodologies educatives prpies de la
docncia virtual.
Sofereix formaci basada en docncia virtual a unes altres
40%
48%
52%
59%
60%
entitats i empreses.
Shan establert criteris de qualitat per als continguts que
42%
61%
63%
65%
66%
sofereixen de manera virtual.
Es disposa de capacitat per a produir continguts multimdia
74%
95%
90%
93%
91%
(vdeo, so, etc.).
Es participa en iniciatives per cursos o assignatures en suport
64%
82%
79%
80%
85%
virtual amb unes altres universitats
Sofereixen incentius (econmics o no) a professors pioners en
50%
57%
58%
70%
68%
docncia virtual.
Es promou la creaci de xarxes de professors per a la creaci de
42%
55%
56%
63%
62%
continguts virtuals propis en rees especfiques.
Es promou i/o participa en congressos especfics de tecnologia i
64%
80%
81%
87%
83%
metodologies educatives prpies de la docncia virtual.
Font: UNIVERSITIC 2010: EVOLUCIN DE LAS TIC EN EL SISTEMA UNIVERSITARIO ESPAOL
2006-2010. CRUE.
Per una altra banda, tant lelaboraci del videotutorial, com la participaci en les III Jornades
dInnovaci Educativa en Estadstica (Universitat de Valncia, juliol de 2012),44 han posat en
relleu la importncia del disseny dels incentius a la docncia, tant per part de la Universitat com
Figura 3: Procs dinvestigaci sobre la prpia docncia.

(Font: adaptaci dA. Benito i A. Cruz, 2011)
222
44
Web de les III Jornades dinnovaci educativa en estadstica: <http://www.uv.es/jidere/>.
223
de lANECA i lefecte que t la massificaci dels estudiants als grups (presencials,
BIBLIOGRAFIA
semipresencials i en lnia) sobre la capacitat dels/de les docents per integrar innovacions
docents, fet que ressalta la relaci inversa entre ambds factors.
Benito, A. i Cruz, A. (2011): Nuevas claves para la Docencia Universitaria. NARCEA, S.A. de
Ediciones: Madrid.
En aquest sentit, en el cas de les Universitats Espanyoles, segons linforme UNIVERSITIC
Comeig, I.; Jamarillo-Guitrrez, A. i Ramrez, F.: Experimentos interactivos para la Enseanza

de Economa y Finanzas: Una aplicacin a la Docencia Estadstica, Experiencias de
Innovacin Docente en Estadstica, Valncia. Pgs. 191-199.
2010 (CRUE), levoluci dels serveis, la formaci i els incentius a la innovaci docent ha sigut
positiva. Si observem algun dels indicadors recollits en el seu ltim informe en qu se nanalitza
levoluci en el perode 2006-2010, sobserva que hi ha hagut un augment en els indicadors
que
avaluen
la
implantaci
diniciatives
de
docncia
virtual
(implantades
en
desenvolupament). En concret, segons es pot veure en la taula 3, la disponibilitat dun pla

especfic de formaci pel personal docent i investigador (PDI) ha passat del 76% el 2006 a un
96% lany 2010, xifres que suposen un augment destacable de 20 punts percentuals. Quant als
incentius, en canvi, lexistncia de plans per a professors pioners en docncia virtual passa del
50% al 68%, un increment bastant ms moderat de 12 punts percentuals. Aquestes xifres
subratllen la conscincia, per part de les universitats espanyoles de la conscienciaci de
Dochy, F.; Segrers, M. i Dierick, S. (2002); Nuevas vas de aprendizaje y enseanza y sus
consecuencias: una nueva era de la evaluacin, Boletn de la Red Estatal de Docencia
Universitaria, vol 2, nm. 2.
Duderstand, J. (1997): The future of the university in an age of knowledge, Journal of
Asynchronous Learning Networks, vol. 1, nm. 2. Sloan Consortium.
Hall, E. (1974): The Concerns-Based Adoption Model: A Developmental Conceptualization of
the Adoption Process Within Educational Institutions, Communication Services Division,
Research and Development Center for Teacher Education, Education Annex 3.205.
University of Texas: Austin.
lexistncia dun canvi de paradigma i lesfor per a adaptar-ne els continguts i els recursos.
Jimnez, M. (2011): Aprendizaje cooperativo, Educainnova Magazine, nm. 12, pgs. 48-53.
Per ltim, es voldria insistir en el valor que les noves tecnologies poden afegir a la docncia. Ja
Kampylis, P. G.; Bocconi, S. i Punie, Y. (2012): Towards a Mapping Framework of ICT-enabled

Innovation for Learning, JRC Scientific and policy reports. Oficina de publicacions de la
Uni Europea: Luxemburg.
sha comentat el potencial de continguts multimdia en les metodologies actives, per tamb es
vol cridar latenci en el gran potencial que tenen aquests continguts per a adaptar-se a les
necessitats especfiques destudiants amb discapacitat. En aquest sentit, la Unitat dIntegraci
de les persones amb discapacitat de la Universitat de Valncia publica una guia amb
recomanacions que cal tenir en compte a lhora delaborar continguts docents audiovisuals,
amb detalls prctics com afegir subttols o aplicacions per avaluar laccessibilitat dels
continguts virtuals, que poden ser dinters per a linnovador docent.
Llorens, F. (2012): Tendencias TIC para el apoyo a la Docencia Universitaria. Cmo afrontar
los cambios y la colaboracin intercampus. CRUE TIC, pg. 8.
Michavila, F. i Esteve, F. (2011): La llegada a la universidad: Oportunidad o amenaza?, CEE
Participacin Educativa, nm. 17.
Ministros europeos (1999). Declaracin de bolonia. Declaracin conjunta de los ministros
europeos de educacin. Bolonia.
Morillas, F. G. i Martnez R. (2011): Trabajos por Proyectos y Estadstica, Experiencias de
Innovacin Docente en Estadstica, Valncia, pgs. 93-106.
AGRAMENTS
Putnam, J. (1997): Cooperative learning in diverse classrooms. Upper Saddle River, N. J.:
Merill.
Volem donar les grcies al grup dinnovaci docent Microinnova del Departament dEconomia
Aplicada de la Universitat de Valncia per la seua tasca dincentivar la innovaci docent i obrirla a tots els membres de la comunitat universitria. Tamb al Servei de Formaci Permanent i
Innovaci Docent i al Servei dInformtica de la Universitat de Valncia pels consells i lajuda
tcnica. A ms, cal que agram lajuda del Servei de Poltica Lingstica per la seua tasca de
revisi i el suport del comit organitzador de les III Jornades dInnovaci Educativa en
Estadstica per admetre a publicaci aquesta comunicaci.
224
Redecker, C.; Leis, M.; Leendertse, M.; Punie, Y.; Gijsbers, G.; Kirschner, P.; Stoyanov, S. i
Hoogveld, B. (2011): The Future of Learning: Preparing for Change, JRC Scientific and
policy reports. Oficina de publicacions de la Uni Europea: Luzemburg.
Salinas, J. (2004): Innovacin docente y uso de las TIC en la enseanza universitaria, Revista
de Universidad y Sociedad del Conocimiento, RUSC, ISSN-e 1698-580X, vol. 1, nm. 1.
Llorens, F. i Franco, J. (coord.) (2010): UNIVERSITIC 2010: Evolucin de las TIC en el
Sistema Universitario Espaol 2006-2010, CRUE.
225
UPD (Unitat per a la integraci de Persones amb Discapacitat) (2012). Consells prctics per a
la docncia: atenci a les persones amb discapacitat. La Fundaci de la Universitat de
Valncia: Valncia.
Zaartu, L. (2002): Aprendizaje colaborativo: Una nueva formacin de dialogo interpersonal y
en red, El Prncipe. <http://www.elprincipe.com/academia/telef/notas/index56.shtml>,
consultada el 17 doctubre de 2004.
226
LISTADO DE AUTORES/AS
(Por orden alfabtico segn apellido. Los datos aparecen tal como los autores los han hecho
constar en sus respectivos artculos)
lvarez
Elisabeth
AquinoLlinares
Nieves
BentezMrquez
MaraDolores
Cabrer
Calatayud
Bernard
Pablo
Escriv
FedrianiMartel
Mara
EugenioM.
Galiana
Laura
Garca
Laura
GarcaCrceles
Beln
GarcaGarca
Francisco
GarcaPell
Vernica
Gmez
Vernica
Hontangas
Pedro
Irles
LpezTamayo
Jess
Jordi
Martnez
MartnezVerd
MaraLuisa
Rosario
Mateu
Guillermo
Montaner
David
Moreno
Elena
Oliver
Amparo
MetodologadelasCCdel
Comportamiento
Departamentode
Economa,Mtodos
CuantitativoseHistoria
Econmica.
Dpto.deEstadsticay
Econometra
Dpto.EconomaAplicada
Comportamiento
LINEEXERICES
Departamentode
Economa,Mtodos
CuantitativoseH.
Econmica
Departamentode
Metodologadelas
Cienciasdel
Comportamiento
Comportamiento
Dpto.
De
Anlisis
econmico
InstitutodeGenmica
Computacional
Dpto.DeAnlisis
econmico
Comportamiento
Comportamiento
Departamentode
Econometra,Estadsticay
EconomaEspaola
Dpto.deEconoma
Aplicada
Departamentode
Bioinformtica/
Departamentode
EstadsticaeInvestigacin
Operativa
Comportamiento
Departamentode
Metodologadelas
227
UniversitatdeValncia
UniversidadPablode
Olavide
UniversidaddeMlaga
UniversidadPablode
Olavide
CentrodeInvestigacin
PrncipeFelipe
FloridaUniversitaria
UniversidaddeBarcelona
LESSACBurgundySchool
ofBusiness/Universitat
deValncia
CentrodeInvestigacin
PrncipeFelipe/
Pardos
Estela
Pastor
PavaMiralles
JosManuel
JosManuel
Prez
Amor
PorrasSanchez
ManuelJess
Ribelles
Rico
Rodrguez
Rosario
Paz
Ana
RodrguezGriolo
Rosario
RomnLara
MaraVictoria
RomanoPaguillo
Inmaculada
Sancerni
MaraDolores
SnchezAlberca
Alfredo
Sancho
Patricia
SanmartnFita
Pilar
SarrinGaviln
MaraDolores
Serrano
VeresFerrer
Guadalupe
ErnestoJess
Viv
JuanMara
Zacars
Jos
Cienciasdel
Comportamiento
Comportamiento
Dpto.DeEconoma
Aplicada
Comportamiento
Departamentode
Economa,Mtodos
Econmica.
Comportamiento
Departamentode
Economa,Mtodos
Econmica.
Departamentode
Economa,Mtodos
CuantitativoseH.
Econmica
Comportamiento
Departamentode
Metodologadelas
Cienciasdel
Comportamiento
Dpto.deMatemtica
AplicadayEstadstica
Dpto.deEstadsticay
Econometra
Dpto.deEconoma
Aplicada
Departamentode
MtodosCuantitativos
paralaEconomayla
Empresa
228
UniversidadPablode
Olavide
UniversidadPablode
Olavide
BasqueCentreforClimate
Change
UniversidadPablode
Olavide
UniversidadSanPablo
CEU
UniversidadPolitcnicade
Cartagena
UniversidaddeMlaga
UniversidaddeMurcia

Libro Jidere 13

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Libro Jidere 13

Încărcat de

Drepturi de autor:

Formate disponibile

La rica variedad de enfoques docentes propuestos permitir al lector descubrir nuevas

DOCENCIA EN ESTADSTICA. EXPERIENCIAS DE INNOVACIN

En DOCENCIA EN ESTADSTICA. EXPERIENCIAS DE INNOVACIN,

JOSE M. PAVA ROSARIO MARTNEZ FRANCISCO G. MORILLAS BELN GARCA (eds.)

DOCENCIA EN ESTADSTICA, EXPERIENCIAS DE

Jose M. Pava, Rosario Martnez, G. Morillas y Beln Garca (Eds.)

1 edicin: febrero, 2013

ISBN: 978 - 84 - 9858 - 872 9

D.L.: V 409 2013

Edita: ADD Editorial

procedimientos propios de nuestra disciplina, cuyas dificultades de transmisin no son

Imprime: Alfa Delta Digital

Reservados todos los derechos.

rendimiento acadmico, Una propuesta alternativa para el aprendizaje del clculo de

probabilidades en el Grado de Ingeniera Mecnica, Matheamtica 8 como recurso docente en

Estadstica Empresarial, rkTeaching: un paquete de R para la enseanza de Estadstica y

encontrar herramientas concretas y metodologas activas de cooperacin para motivar la

implicacin de los estudiantes en su aprendizaje.

en Estadstica de los alumnos del Grado en Economa y su incidencia en los resultados

El ltimo bloque hace referencia a la incorporacin de las TIC a la docencia en Estadstica,

lidiar un docente en Estadstica en relacin a los conocimientos previos de la disciplina con la

aportando herramientas para la difusin de contenidos. En concreto Blog de Estadstica por y

estudiante de primero del Grado en turismo y su valoracin sobre asignaturas de Estadstica:

Un anlisis comparativo entre la Universidad de Mlaga y la de Valencia, ofrece adems, una

evaluacin de los estudiantes del Grado de Turismo en dos universidades espaolas. A

incipientes tcnicas de investigacin en biomedicina y finalmente el captulo Tutorials dinmics

continuacin La asignatura de Estadstica en el nuevo Grado de Ingeniera Telemtica aporta

per a la docncia en assignatures destadstica: laprofitament de les TIC davant de la

metodologa y la aplicacin de una herramienta TIC para la enseanza en Estadstica.

variables en el rendimiento de 180 estudiantes de Estadstica del Grado de Psicologa.

en Estadstica. En este grupo se encuentran varias propuestas para el aprovechamiento de las

las valiosas ideas y sugerencias que los distintos ponentes ofrecisteis.

TIC. En concreto, Seguimiento y evaluacin online de trabajos de prcticas en asignaturas

disciplinas de perfil cuantitativo en entornos masivos: El caso de Estadstica Econmica y

Empresarial II, Evaluacin continua de adquisicin de conocimientos en ECONOMETRIA. Un

la evaluacin de las competencias adquiridas por el alumno en las asignaturas de Estadstica

de los grados dentro de las Ciencias Experimentales, adems de aportar interesantes

reflexiones relativas a la cuestin de la evaluacin, abordan algunas soluciones para hacer

cantidad y calidad de actividades docentes.

El tercer bloque de captulos rene aquellas aportaciones que desarrollan metodologas

asignaturas de Estadstica de los grados dentro de las Ciencias

REFLEXIONES Y ANLISIS DE LA SITUACIN SOBRE LA

Valoracin de los conocimientos previos en Estadstica de

Secundaria Obligatoria y del Bachillerato en la Comunidad Valenciana. Se deduce de ellos que

los contenidos impartidos en ESO y Bachillerato cubren prcticamente la totalidad de los

conocimientos estadsticos, en particular.

contenidos de la Estadstica I del Grado en ECONOMIA. E, incluso, se adentran en muchos de

obligatoria, por lo que debieran conocer perfectamente los contenidos de la Estadstica

Descriptiva unidimensional y los bsicos del Clculo de Probabilidades. Si, adems, la va

convocatoria no ha adquirido conocimientos aadidos a los que ya posea desde las

lgica de acceso a ADE es a travs del Bachillerato en su modalidad de Humanidades y

Ciencias Sociales, sus conocimientos se adentran en la Estadstica Descriptiva bidimensional y

de conocimientos estadsticos de los alumnos matriculados en Estadstica I, en el grado en

relacionados en los Decretos del Consell.

los alumnos matriculados en el Grado de Administracin y Direccin de Empresas (ADE). Dada

comentarios realizados sobre la progresividad del proceso de adquisicin de conocimientos

estadstico-descriptivos en ESO y en Bachillerato. Y tambin sobre el peso de la Estadstica en

el conjunto del temario impartido en Secundaria: el 13,9% de los temas de Matemticas

impartidos en ESO son de Estadstica, y el 28,3% en Bachillerato.

RESUMEN DE LOS CONTENIDOS DE ESTADSTICA EN LOS

bsica, y si no sera ms rentable reorientarlos a otros contenidos y/o profundizaciones

Los contenidos de estadstica en la programacin de la Enseanza Secundaria, Bachillerato y

por el alumnado. Y, en este sentido, la experiencia de este ensayo es muy reveladora.

En efecto, el profesorado universitario se reafirma ao a ao en el nivel cada vez ms bajo del