# Instalar paquetes necesarios
install.packages("readxl")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
install.packages("dplyr")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
install.packages("ggplot2")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
# Cargar librerías
library(readxl)
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
library(ggplot2)
# Importar base de datos
datos <- read_excel("cambios.xlsx")
# Ver estructura
str(datos)
## tibble [53 × 35] (S3: tbl_df/tbl/data.frame)
## $ ID : num [1:53] 1 2 3 4 5 6 7 8 9 10 ...
## $ Start_time : POSIXct[1:53], format: "2025-05-15 19:46:08" "2025-05-15 19:49:41" ...
## $ Completion_time : POSIXct[1:53], format: "2025-05-15 19:46:27" "2025-05-15 19:50:13" ...
## $ Email : chr [1:53] "anonymous" "anonymous" "anonymous" "anonymous" ...
## $ Name : logi [1:53] NA NA NA NA NA NA ...
## $ Total points : logi [1:53] NA NA NA NA NA NA ...
## $ Quiz_feedback : logi [1:53] NA NA NA NA NA NA ...
## $ Last_modified_time : logi [1:53] NA NA NA NA NA NA ...
## $ Edad : chr [1:53] "16-18" "19-21" "19-21" "19-21" ...
## $ Points_Edad : logi [1:53] NA NA NA NA NA NA ...
## $ Feedback_Edad : logi [1:53] NA NA NA NA NA NA ...
## $ Universidad : chr [1:53] "Eafit" "Eafit" "EIA" "Eafit" ...
## $ Points_Universidad : logi [1:53] NA NA NA NA NA NA ...
## $ Feedback_Universidad : logi [1:53] NA NA NA NA NA NA ...
## $ Carrera : chr [1:53] "Administración" "Mercadeo" "Medicina" "Negocios internacionales" ...
## $ Points_Carrera : logi [1:53] NA NA NA NA NA NA ...
## $ Feedback_Carrera : logi [1:53] NA NA NA NA NA NA ...
## $ Semestre : chr [1:53] "3" "5" "2" "4" ...
## $ Points_Semestre : logi [1:53] NA NA NA NA NA NA ...
## $ Feedback_Semestre : logi [1:53] NA NA NA NA NA NA ...
## $ Cuantas_horas_al_día_usas_tu_celular : chr [1:53] "1-2 horas " "2-4 horas " "1-2 horas " "Mas de 4 horas" ...
## $ Points_Cuantas_horas_al_día_usas_tu_celular : logi [1:53] NA NA NA NA NA NA ...
## $ Feedback_Cuantas_horas_al_día_usas_tu_celular : logi [1:53] NA NA NA NA NA NA ...
## $ Utilizas_herramientas_de_IA_como_ChatGPT_para_estudiar
## : chr [1:53] "Si" "Si" "Si" "Si" ...
## $ Points _Utilizas_herramientas_de_IA_como_ChatGPT_para_estudiar
## : logi [1:53] NA NA NA NA NA NA ...
## $ Feedback_Utilizas_herramientas_de_IA_como_ChatGPT_para_estudiar
## : logi [1:53] NA NA NA NA NA NA ...
## $ Si_tu_respuesta_fue_si_con_que_propósito_la_utilizas : chr [1:53] "Resúmenes ;Ideas para tareas;Explicaciones ;" "Resúmenes ;Otro;" "Resúmenes ;" "Resúmenes ;Otro;" ...
## $ Points_Si_tu_respuesta_fue_si_con_que_propósito_la_utilizas : logi [1:53] NA NA NA NA NA NA ...
## $ Feedback_Si_tu_respuesta_fue_si_con_que_propósito_la_utilizas : logi [1:53] NA NA NA NA NA NA ...
## $ Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase : chr [1:53] "Si,mucho" "Si,mucho" "Nada" "Poco" ...
## $ Feedback_Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase : logi [1:53] NA NA NA NA NA NA ...
## $ Points_Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase : logi [1:53] NA NA NA NA NA NA ...
## $ Como_ha_cambiado_tu_promedio_desde_que_utilizas_herramientas_de_IA_en_caso_de_usarlas : chr [1:53] "Ha mejorado " "Ha disminuido " "Se mantiene igual " "Ha mejorado " ...
## $ Feedback_Como_ha_cambiado_tu_promedio_desde_que_utilizas_herramientas_de_IA_en_caso_de_usarlas: logi [1:53] NA NA NA NA NA NA ...
## $ Points_Como_ha_cambiado_tu_promedio_desde_que_utilizas_herramientas_de_IA_en_caso_de_usarlas : logi [1:53] NA NA NA NA NA NA ...
head(datos)
## # A tibble: 6 × 35
## ID Start_time Completion_time Email Name `Total points`
## <dbl> <dttm> <dttm> <chr> <lgl> <lgl>
## 1 1 2025-05-15 19:46:08 2025-05-15 19:46:27 anonymous NA NA
## 2 2 2025-05-15 19:49:41 2025-05-15 19:50:13 anonymous NA NA
## 3 3 2025-05-15 19:50:16 2025-05-15 19:50:43 anonymous NA NA
## 4 4 2025-05-15 19:51:13 2025-05-15 19:51:47 anonymous NA NA
## 5 5 2025-05-15 20:27:12 2025-05-15 20:27:51 anonymous NA NA
## 6 6 2025-05-15 22:57:40 2025-05-15 22:58:16 anonymous NA NA
## # ℹ 29 more variables: Quiz_feedback <lgl>, Last_modified_time <lgl>,
## # Edad <chr>, Points_Edad <lgl>, Feedback_Edad <lgl>, `Universidad ` <chr>,
## # `Points_Universidad ` <lgl>, `Feedback_Universidad ` <lgl>, Carrera <chr>,
## # Points_Carrera <lgl>, Feedback_Carrera <lgl>, `Semestre ` <chr>,
## # `Points_Semestre ` <lgl>, `Feedback_Semestre ` <lgl>,
## # Cuantas_horas_al_día_usas_tu_celular <chr>,
## # Points_Cuantas_horas_al_día_usas_tu_celular <lgl>, …
table(datos$Edad)
##
## >23 16-18 19-20 19-21 21-23
## 5 10 2 28 8
ggplot(datos, aes(x = Edad)) +
geom_bar(fill = "lightblue") +
labs(title = "Distribución de edades", x = "Rango de edad", y = "Frecuencia")
colnames(datos)
## [1] "ID"
## [2] "Start_time"
## [3] "Completion_time"
## [4] "Email"
## [5] "Name"
## [6] "Total points"
## [7] "Quiz_feedback"
## [8] "Last_modified_time"
## [9] "Edad"
## [10] "Points_Edad"
## [11] "Feedback_Edad"
## [12] "Universidad "
## [13] "Points_Universidad "
## [14] "Feedback_Universidad "
## [15] "Carrera"
## [16] "Points_Carrera"
## [17] "Feedback_Carrera"
## [18] "Semestre "
## [19] "Points_Semestre "
## [20] "Feedback_Semestre "
## [21] "Cuantas_horas_al_día_usas_tu_celular"
## [22] "Points_Cuantas_horas_al_día_usas_tu_celular"
## [23] "Feedback_Cuantas_horas_al_día_usas_tu_celular"
## [24] "Utilizas_herramientas_de_IA_como_ChatGPT_para_estudiar\r\n"
## [25] "Points _Utilizas_herramientas_de_IA_como_ChatGPT_para_estudiar\r\n"
## [26] "Feedback_Utilizas_herramientas_de_IA_como_ChatGPT_para_estudiar\r\n"
## [27] "Si_tu_respuesta_fue_si_con_que_propósito_la_utilizas "
## [28] "Points_Si_tu_respuesta_fue_si_con_que_propósito_la_utilizas "
## [29] "Feedback_Si_tu_respuesta_fue_si_con_que_propósito_la_utilizas "
## [30] "Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase"
## [31] "Feedback_Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase"
## [32] "Points_Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase"
## [33] "Como_ha_cambiado_tu_promedio_desde_que_utilizas_herramientas_de_IA_en_caso_de_usarlas"
## [34] "Feedback_Como_ha_cambiado_tu_promedio_desde_que_utilizas_herramientas_de_IA_en_caso_de_usarlas"
## [35] "Points_Como_ha_cambiado_tu_promedio_desde_que_utilizas_herramientas_de_IA_en_caso_de_usarlas"
library(ggplot2)
ggplot(datos, aes(x = `Utilizas_herramientas_de_IA_como_ChatGPT_para_estudiar\r\n`)) +
geom_bar(fill = "coral") +
labs(title = "Uso de herramientas de IA",
x = "¿Utiliza herramientas como ChatGPT?",
y = "Frecuencia") +
theme_minimal()
table(datos$Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase)
##
## Nada Poco Si,mucho
## 10 19 24
ggplot(datos, aes(x = Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase)) +
geom_bar(fill = "orange") +
labs(title = "Percepción sobre celular en clase", x = "Impacto percibido", y = "Frecuencia")
colnames(datos)[24] <- "usa_IA"
# Limpiar espacios
unique(datos$usa_IA)
## [1] "Si" "No"
table(datos$usa_IA)
##
## No Si
## 10 43
table(datos$usa_IA == "Si")
##
## FALSE TRUE
## 10 43
dput(unique(datos$usa_IA))
## c("Si", "No")
# Limpiar espacios
datos$usa_IA <- trimws(datos$usa_IA)
# Ahora comparar con "Si" limpio
usa_IA_logica <- datos$usa_IA == "Si"
# Proporción e intervalo
p_hat <- mean(usa_IA_logica, na.rm = TRUE)
n <- sum(!is.na(usa_IA_logica))
error <- qnorm(0.975) * sqrt((p_hat * (1 - p_hat)) / n)
IC_IA <- c(p_hat - error, p_hat + error)
# Mostrar
cat("Proporción que usa IA:", round(p_hat, 4), "\n")
## Proporción que usa IA: 0.8113
cat("IC 95%:", round(IC_IA[1], 4), "a", round(IC_IA[2], 4), "\n")
## IC 95%: 0.706 a 0.9167
# Limpiar espacios invisibles en la columna
datos$Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase <- trimws(datos$Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase)
# Verificar qué valores únicos hay para saber con qué comparar
unique(datos$Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase)
## [1] "Si,mucho" "Nada" "Poco"
# Limpiar espacios invisibles
datos$Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase <- trimws(datos$Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase)
# Crear variable lógica para los que respondieron "Si,mucho"
datos$celular_afecta <- datos$Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase == "Si,mucho"
# Calcular proporción e intervalo
p_cel <- mean(datos$celular_afecta, na.rm = TRUE)
n_cel <- sum(!is.na(datos$celular_afecta))
error_cel <- qnorm(0.975) * sqrt((p_cel * (1 - p_cel)) / n_cel)
IC_cel <- c(p_cel - error_cel, p_cel + error_cel)
# Mostrar resultados
cat("Proporción que dice que el celular afecta mucho:", round(p_cel, 4), "\n")
## Proporción que dice que el celular afecta mucho: 0.4528
cat("IC 95%:", round(IC_cel[1], 4), "a", round(IC_cel[2], 4), "\n")
## IC 95%: 0.3188 a 0.5868
table(datos$usa_IA, datos$Como_ha_cambiado_tu_promedio_desde_que_utilizas_herramientas_de_IA_en_caso_de_usarlas)
##
## Ha disminuido Ha mejorado Se mantiene igual
## No 0 1 3
## Si 6 22 15
chisq.test(table(datos$usa_IA, datos$Como_ha_cambiado_tu_promedio_desde_que_utilizas_herramientas_de_IA_en_caso_de_usarlas))
## Warning in chisq.test(table(datos$usa_IA,
## datos$Como_ha_cambiado_tu_promedio_desde_que_utilizas_herramientas_de_IA_en_caso_de_usarlas)):
## Chi-squared approximation may be incorrect
##
## Pearson's Chi-squared test
##
## data: table(datos$usa_IA, datos$Como_ha_cambiado_tu_promedio_desde_que_utilizas_herramientas_de_IA_en_caso_de_usarlas)
## X-squared = 2.6078, df = 2, p-value = 0.2715
datos$uso_cel <- trimws(datos$Cuantas_horas_al_día_usas_tu_celular)
datos$concentracion <- trimws(datos$Sientes_que_el_uso_de_celular_afecta_tu_concentración_en_clase)
tabla2 <- table(datos$uso_cel, datos$concentracion)
print(tabla2)
##
## Nada Poco Si,mucho
## 1-2 horas 4 4 3
## 2-4 horas 1 9 10
## Mas de 4 horas 2 6 11
## Menos de 1 horas 3 0 0
prueba2 <- chisq.test(tabla2)
## Warning in chisq.test(tabla2): Chi-squared approximation may be incorrect
cat("Prueba chi-cuadrado\n")
## Prueba chi-cuadrado
print(prueba2)
##
## Pearson's Chi-squared test
##
## data: tabla2
## X-squared = 19.542, df = 6, p-value = 0.00334