Cordial Saludo

La siguiente es una justificación del uso de la plataforma Microsoft Teams y las herramientas de inteligencia artificial (IA) en la metodología de enseñanza en cada curso.

Introducción

En el contexto de la enseñanza de ingeniería en áreas de estadística aplicada y programación de computadores, he encontrado en la plataforma Microsoft Teams una herramienta fundamental para gestionar y enriquecer el proceso educativo.

Microsoft Teams permite una administración eficaz de los contenidos, actividades, tareas y evaluaciones, aspectos esenciales para lograr un seguimiento integral del aprendizaje de los estudiantes. Su interfaz facilita la comunicación y colaboración en tiempo real, además de integrarse sin problemas con otras herramientas de IA, potenciando así la comprensión y aplicación de los conceptos impartidos.

Justificación del Uso de Microsoft Teams e IA

Dado el perfil de los estudiantes y las características de los cursos de Ingeniería en los que imparto, el uso de Microsoft Teams me permite implementar estrategias de enseñanza que van más allá de la transmisión de conocimientos, promoviendo una formación práctica e interactiva. En cada curso, aprovecho las funcionalidades de Teams, como las reuniones en tiempo real, el almacenamiento de material didáctico, la gestión de tareas y la evaluación personalizada de cada actividad.

Además, en los cursos de Estadística Aplicada y Fundamentos de Programación con Python, integro herramientas de IA que permiten a los estudiantes interactuar con modelos predictivos, realizar análisis de datos, y resolver problemas mediante algoritmos y herramientas de aprendizaje automático. Estas herramientas están disponibles a través de servicios en la nube y complementan el contenido de los cursos, dándoles a los estudiantes la oportunidad de explorar aplicaciones reales en sus campos específicos, como la Ingeniería Agrícola, Civil y Agroindustrial.

Cursos y Temas Impartidos

A continuación, detallo los cursos y temas que he desarrollado, así como sus objetivos, competencias y estrategias, implementando Teams para la gestión del curso y la IA como recurso educativo clave:

Aquí tienes una descripción general de las asignaturas Estadística Aplicada y Programación de Computadoras enfocada en el uso de nuevas tecnologías y en la inteligencia artificial, junto con objetivos, competencias y estrategias didácticas que resalten el valor de la IA en el proceso de enseñanza y aprendizaje:

Descripción General de las Asignaturas

Estadística Aplicada

Estadística Aplicada es una asignatura diseñada para estudiantes de ingeniería que busca desarrollar habilidades analíticas y competencias en el manejo de datos. A la luz de los avances en inteligencia artificial (IA) y el acceso a plataformas en la nube, la asignatura integra herramientas de IA y procesamiento de datos para que los estudiantes comprendan y apliquen técnicas estadísticas en la toma de decisiones. Se exploran métodos de análisis exploratorio de datos, visualización avanzada, regresión y análisis de varianza, con aplicaciones en software como R y Python, permitiendo a los estudiantes trabajar con datasets reales y obtener conclusiones significativas para resolver problemas de ingeniería.

Programación de Computadoras

Programación de Computadoras es una asignatura fundamental para estudiantes de Ingeniería Agrícola, Civil y Agroindustrial. A través de un enfoque en Python y herramientas de programación en la nube como Google Colab, los estudiantes adquieren competencias en la construcción de algoritmos, estructuras de datos y resolución de problemas específicos de su campo. La asignatura también introduce el uso de IA para automatizar y optimizar procesos, promoviendo un aprendizaje activo y una comprensión de cómo estas tecnologías se aplican en el análisis, modelado y predicción dentro del ámbito ingenieril.

Objetivos de la Asignatura

Objetivos Generales

  1. Estadística Aplicada: Desarrollar en los estudiantes la capacidad de analizar y procesar datos aplicando métodos estadísticos modernos y herramientas de IA, que les permitan extraer información útil para la resolución de problemas de ingeniería.
  2. Programación de Computadoras: Formar en los estudiantes competencias de programación y lógica computacional que les permitan automatizar procesos y resolver problemas específicos de la ingeniería utilizando Python y herramientas de IA.

Objetivos Específicos

Estadística Aplicada - Aplicar técnicas de análisis exploratorio de datos para identificar patrones y tendencias en datasets. - Utilizar software de estadística avanzada, como R y Python, para realizar regresión, ANOVA y visualizaciones con ggplot2 y ggstatsplot. - Implementar algoritmos de IA para la clasificación y predicción en conjuntos de datos relevantes en ingeniería.

Programación de Computadoras - Construir programas en Python que empleen estructuras de datos y control de flujo para resolver problemas complejos. - Integrar IA en algoritmos de programación para la optimización de procesos y análisis de datos. - Manejar bases de datos relacionales y realizar operaciones de almacenamiento y consulta en Python.

Competencias a Desarrollar

  1. Pensamiento crítico y analítico: Desarrollar una mentalidad de análisis crítico, permitiendo a los estudiantes evaluar resultados y ajustar modelos para una mejor precisión en el contexto de problemas de ingeniería.
  2. Competencia digital: Fomentar habilidades en el uso de software estadístico y herramientas de programación, así como en el manejo de plataformas colaborativas en la nube.
  3. Resolución de problemas complejos: Capacitar a los estudiantes para diseñar y optimizar algoritmos con enfoque en la ingeniería y el uso de IA para mejorar la precisión de los análisis y modelos.
  4. Trabajo colaborativo y uso de tecnologías en la nube: Promover el trabajo en equipo mediante el uso de plataformas digitales, facilitando la colaboración, el seguimiento de proyectos y la edición compartida de código y datos.

Estrategias de Enseñanza y Aprendizaje

  1. Aprendizaje basado en proyectos: Se diseñan proyectos en los que los estudiantes deben trabajar con datasets reales o problemas de su campo, integrando IA para análisis predictivo y visualización avanzada de datos. Estas actividades desarrollan habilidades de aplicación práctica y resolución de problemas.

  2. Uso de plataformas colaborativas en la nube: Se utiliza Google Colab y Microsoft Teams para facilitar el trabajo en equipo, permitiendo a los estudiantes compartir y editar documentos en tiempo real, resolver dudas colectivamente y registrar avances de cada actividad.

  3. Aprendizaje guiado por IA: Los estudiantes son introducidos a herramientas de IA como ChatGPT, Copilot y Hugging Chat, para fomentar un aprendizaje autónomo y creativo. Estas herramientas ayudan a generar código, verificar resultados y explorar soluciones alternativas, fortaleciendo la comprensión de conceptos complejos.

  4. Evaluación formativa y retroalimentación continua: Se implementan evaluaciones a lo largo de los proyectos, brindando retroalimentación en cada fase del proceso. Esta estrategia permite ajustar el aprendizaje, aclarar dudas y mejorar las competencias en tiempo real.

  5. Tareas colaborativas y sustentación oral: Los estudiantes realizan tareas en equipo donde deben grabar videos explicativos y presentar sus soluciones. Esto permite desarrollar habilidades de comunicación técnica y afianza la comprensión de los conceptos aprendidos.

Estas estrategias y objetivos buscan no solo que los estudiantes adquieran competencias técnicas, sino también que comprendan y apliquen la IA y las nuevas tecnologías en sus futuras actividades profesionales, fomentando un perfil analítico y adaptable ante los avances tecnológicos en la ingeniería.

1. Estadística Aplicada a Ingeniería Agrícola

Estadística Aplicada
Estadística Aplicada
  • Tema 1: Introducción a la IA en la nube, donde los estudiantes exploran las herramientas disponibles para realizar cálculos y análisis de datos sin la necesidad de hardware de alto rendimiento.
  • Tema 2: Manejo de Datasets con paquetes de R y módulos de Python, enseñando a los estudiantes a manipular datos y obtener información valiosa para su carrera.
  • Tema 3: Introducción a R, familiarizando a los estudiantes con el lenguaje y sus aplicaciones en ciencia de datos.
  • Tema 4: Análisis Exploratorio de los Datos mediante Visualizaciones con ggplot2, ayudando a los estudiantes a desarrollar habilidades en la interpretación de datos a través de gráficos.
  • Tema 5: Regresión y ANOVA con el paquete ggstatsplot, donde se aplican técnicas estadísticas avanzadas para resolver problemas de ingeniería.

2. Fundamentos de Programación con Python para Ingeniería Agrícola, Civil y Agroindustrial

Programación de Computadoras
Programación de Computadoras
  • Tema 1: Uso de IA en la nube con Google Colaboratory, que introduce a los estudiantes al entorno de programación en la nube y facilita el aprendizaje de Python.
  • Tema 2 a 7: Los conceptos básicos de Python y estructuras de control, que forman la base del pensamiento computacional y la lógica de programación.
  • Tema 8: Manipulación de Archivos con os y sys, ayudando a los estudiantes a comprender la interacción entre Python y el sistema operativo.
  • Tema 9: Aplicación de módulos avanzados como sympy, numpy, pandas y streamlit para la resolución de problemas específicos de su área.
  • Tema 10: Introducción a los sistemas de bases de datos relacionales (SQLite y MySQL), aplicados en un entorno local para la práctica de gestión de datos.

Estos temas no solo buscan formar competencias técnicas, sino que, mediante el uso de la IA y Microsoft Teams, se refuerza una modalidad de aprendizaje colaborativo y autónomo que facilita el seguimiento del progreso de cada estudiante y fomenta una participación activa.

Nota Final

Para una mejor ilustración del contenido y desarrollo de las sesiones de los cursos impartidos, incluyo a continuación los enlaces a los videos de las clases, almacenados en Google Drive. Estos videos documentan cada sesión de Estadística Aplicada y Fundamentos de Programación con Python, mostrando el enfoque práctico de los temas, el uso de la plataforma Microsoft Teams, y la implementación de herramientas de IA en cada curso.