Sesión de encuadre

Diseño de investigaciones en educación

Objetivo de la sesión

Crear un documento de alta calidad en \(\LaTeX\) que integre elementos de análisis básicos generados en \(R\), con el fin de que los estudiantes desarrollen familiaridad con herramientas científicas.

Producto a generar en la sesión

• Protocolo de tesis editado en Overleaf
• Script en R editado en Posit-Cloud o RStudio

Fecha y hora límite de entrega

jueves 25 de julio de 2024; 23:59 horas.

Plataforma Overleaf

Crear una cuenta en Overleaf es un proceso sencillo.

1. Visita el sitio web de Overleaf.com
2. Accede a la página de registro
3. Completa el formulario de registro
4. Acepta los términos y condiciones
5. Haz clic en “Register”
6. Verifica tu dirección de correo electrónico
7. Inicia sesión en Overleaf

¡Y eso es todo! Ahora tienes una cuenta en Overleaf y puedes comenzar a crear y colaborar en documentos \(\LaTeX\) en línea.

Colaborar en un documento de Overleaf

1. Acceda al siguiente enlace de Overleaf
2. Inicie sesión en Overleaf
3. Acepte la invitación a colaborar dando clic en el botón Join Proyect

¡Y eso es todo! Debería ver la siguiente pantalla.

“Clonar” un documento en Overleaf

Para “clonar” un documento (es decir, hacer una copia del mismo para trabajar en ella), sigue estos pasos:

Clonar un proyecto en Overleaf es útil cuando quieres trabajar en una variante o realizar experimentos sin comprometer el proyecto original.

Instrucciones para la primera Actividad: transcribir el Protocolo de Tesis

1. Clona el documento Formato de actividades
2. Guarda la copia que hiciste con el nombre: Protocolo de tesis.
3. Edita los datos personales para ver la caratula con tus datos.
   • Para ver los cambios presiona el botón Recompile en la parte superior de la ventana.
4. Genera secciones de acuerdo a tu archivo original.
5. Copia y pega la información en cada sección.

Si tienes dudas de cómo editar el documento, puedes consultar las siguientes notas sobre Overleaf.

Citas y referencias bibliográgicas

Una forma simple de generar citas y referencias bibliográficas en \(\LaTeX\) es utilizando el paquete natbib. Para hacerlo necesitas lo siguiente:

1. Archivo .bib. Este archivo se puede crear manualmente o gestionado mediante gestores bibliográficos como Zotero, Mendeley y BibTeX.

2. Paquete natbib. Asegúrate de cargar el paquete natbib en el preámbulo de tu documento LaTeX.

\usepackage{natbib}

Uso en el Documento

Para citar una referencia en el texto, utiliza comandos como \citet (para citas en formato textual) o \citep (para citas en paréntesis). Por ejemplo:

Según \citet{autorAño}, el estudio mostró que...

El resultado fue significativo \citep{autorAño}.

Donde autorAño es la clave de la entrada correspondiente en tu archivo .bib.

Para generar la lista de referencias debes agregar a tu documento las siguientes líneas

\bibliography{references.bib}
\bibliographystyle{plainnat}

donde references.bib es el nombre del archivo con las referencias y plainnat es el estilo en que se van a citar.

En el siguiente video puedes ver un ejemplo completo de cómo configurar y utilizar natbib en un documento editado con Overleaf:

Nota Adicional

Estilos Bibliográficos: natbib soporta varios estilos bibliográficos como plainnat, abbrvnat, unsrtnat, apalike-ejor entre otros. Puedes elegir el que mejor se adapte a tus necesidades cambiando el valor de biblio-style.

Plataforma Posit Cloud

Es una plataforma en línea que permite a los usuarios desarrollar, analizar, y compartir proyectos de datos utilizando R y RStudio directamente desde un navegador web.

Pasos para Crear una Cuenta en Posit Cloud

1. Accede al sitio web de Posit Cloud: Posit Cloud.

2. Registra un usuario: en la página de inicio de Posit Cloud, busca y haz clic en el botón de “Sign Up” (Registrarse).

3. Elige un método de registro: Posit Cloud ofrece varias opciones para registrarse:

   • Correo Electrónico: usa tu cuenta institucional para registrarte como estudiante.
   • Cuentas de redes sociales: también puedes registrarte utilizando cuentas de Google, GitHub, o cualquier otra opción que esté disponible.

4. Registro con correo electrónico:

   • Si eliges registrarte con tu correo electrónico, sigue estos pasos:
     • Introduce tu dirección de correo electrónico y crea una contraseña.
     • Haz clic en el botón de “Sign Up” o “Register”.
     • Posit Cloud enviará un correo electrónico de confirmación a la dirección que proporcionaste. Ve a tu bandeja de entrada y busca este correo.
     • Abre el correo y haz clic en el enlace de confirmación para activar tu cuenta.

5. Configura tu Perfil:

   • Una vez que hayas confirmado tu cuenta y hayas iniciado sesión, puedes configurar tu perfil de usuario.
   • Completa la información necesaria como tu nombre, foto de perfil, y cualquier otra información relevante.

6. Explora y Crea Proyectos:

   • Después de configurar tu cuenta, puedes comenzar a explorar la interfaz de Posit Cloud.
   • Crea un nuevo proyecto haciendo clic en el botón de “New Project”.
   • Comienza a trabajar en tus proyectos de R y RStudio directamente desde el navegador.

Mira el siguiente video para ver detalles sobre la creación de un nuevo proyecto.

Consejos Adicionales

• Recursos y Ayuda: si necesitas ayuda para empezar, Posit Cloud proporciona una serie de tutoriales y recursos de ayuda. Busca la sección de “Help” o “Documentation” en la plataforma.

• Comunidad: considera unirte a la comunidad de usuarios de Posit Cloud para compartir experiencias, obtener consejos y resolver dudas. La comunidad puede ser un recurso valioso para aprender y mejorar tus habilidades.

Comandos básicos en R

A continuación, se presenta una selección de funciones y comandos recomendables para inicia en el mundo de R:

1. Manejo de datos:

• read.csv(): permite leer datos de un archivo CSV, el formato de datos más común.
• data.frame(): crea un marco de datos, la estructura principal para almacenar y organizar conjuntos de datos en R.
• ls(): muestra una lista de los objetos (variables, marcos de datos, etc.) que se encuentran en el entorno de trabajo actual.
• str(): visualiza la estructura de un objeto, incluyendo su tipo, dimensiones y las primeras filas de datos.
• summary(): genera un resumen estadístico básico de un marco de datos, incluyendo medidas de tendencia central, dispersión y distribuciones de frecuencia.

3. Análisis estadístico:

• mean(): calcula la media aritmética de una variable numérica.
• median(): calcula la mediana de una variable numérica.
• sd(): calcula la desviación estándar de una variable numérica.
• var(): calcula la varianza de una variable numérica.
• hist(): crea un histograma para visualizar la distribución de una variable numérica.
• boxplot(): crea un diagrama de cajas para comparar la distribución de una variable numérica entre diferentes grupos.

4. Visualización de datos:

• plot(): crea un gráfico básico de dispersión o líneas.
• barplot(): crea un diagrama de barras.
• qqplot(): genera un diagrama de quantiles-quantiles para evaluar la normalidad de una variable.
• ggplot2: un paquete más avanzado para crear visualizaciones de datos personalizadas y de alta calidad.

5. Entorno de trabajo:

• getwd(): obtiene la ruta del directorio de trabajo actual.
• setwd(): cambia el directorio de trabajo actual.
• install.packages(): instala un nuevo paquete de R desde un repositorio.
• library(): carga un paquete de R para que sus funciones estén disponibles.
• help(): muestra información de ayuda sobre un comando o función específica.

Recursos adicionales:

• A first course in statistical programming with R: supplemental_material
• R para Principiantes: https://cran.r-project.org/doc/contrib/rdebuts_es.pdf
• Tutorial de R para principiantes. Cómo empezar con buen pie: https://conceptosclaros/instalar-r-primeros-pasos/

Desarrollo de la actividad 2

Analizamos una muestra de observaciones sobre la radiación solar entrante en un invernadero:

1. Asignamos los datos a un objeto llamado solar.radiation.

radiacion.solar <- c(11.1, 10.6, 6.3,  8.8,  10.7, 11.2, 8.9, 12.2)

2. Calculamos la media, mediana y varianza de las observaciones de radiación

mean(radiacion.solar)

## [1] 9.975

median(radiacion.solar)

## [1] 10.65

var(radiacion.solar)

## [1] 3.525

3. Sumamos \(10\) a cada observación de radiación solar y asignamos el resultado a rs10. Calculamos nuevamente la media, la mediana y la varianza de sr10. ¿Qué estadísticas cambian y en qué medida? ¿Por qué cambian?

rs10 <- 10 + radiacion.solar
mean(rs10)

## [1] 19.975

median(rs10)

## [1] 20.65

var(rs10)

## [1] 3.525

4. Multiplicamos cada observación por \(−2\) y asignamos el resultado a rsm2. Calculamos la media, la mediana y la varianza de rsm2. ¿Cómo funcionan las estadísticas? ¿Cambia ahora?

rsm2 <- -2 * radiacion.solar
mean(rsm2)

## [1] -19.95

median(rsm2)

## [1] -21.3

var(rsm2)

## [1] 14.1

5. Trazamos un histograma de radiacion.solar, sr10 y srm2.

par(mfrow = c(1, 3))
hist(radiacion.solar, breaks=2, main = "Histograma de radiacion.solar", xlab = "Valores de radiacion.solar", ylab = "Frecuencia", col = rgb(0, 0, 1, alpha = 0.5))
hist(rs10, breaks=60, main = "Histograma de rs10", xlab = "Valores de rs10", ylab = "Frecuencia", col = rgb(0, 1, 0, alpha = 0.5))
hist(rsm2, main = "Histograma de rsm2", xlab = "Valores de rsm2", ylab = "Frecuencia", col = rgb(1, 0, 0, alpha = 0.5))

5. Hay dos fórmulas comúnmente utilizadas para la varianza de un conjunto de números (Gelman and Vehtari 2020): \[\sigma^2 = (1/n)\sum_{i=1}^{n}{(x_{i}-\bar{x})^2}\] y \[s^2 = [1/(n-1)]\sum_{i=1}^{n}{(x_{i}-\bar{x})^2}\] Una usa el tamaño de la muestra \(n\) en el denominador y el otro usa \(n − 1\). ¿Qué fórmula usa la función var() en R?

Tarea de la actividad 2

1. Recopila datos de rendimiento académico de un grupo de estudiantes, como calificaciones en exámenes o trabajos.
2. Calcula medidas estadísticas como la media, la mediana, la moda y la varianza para analizar el rendimiento general y el rendimiento por asignatura.
3. Compara el rendimiento de diferentes grupos de estudiantes o de diferentes períodos de tiempo.
4. Crea gráficos como histogramas, diagramas de barras o diagramas de líneas para visualizar la distribución de los datos de rendimiento académico.

Referencias

Gelman, Andrew, and Aki Vehtari. 2020. Active Statistics: Stories, Games, Problems, and Hands-on Demonstrations for Applied Regression and Causal Inference. New York: Columbia University Press.