El Taller de Matemáticas está diseñado para capacitar a estudiantes de la Facultad de Ingeniería de la Universidad de San Carlos de Guatemala (USAC) en el uso de herramientas tecnológicas GeoGebra y Python. Este taller se enfoca en la aplicación práctica de conceptos matemáticos fundamentales, orientados a resolver problemas específicos de ingeniería. La metodología combina recursos audiovisuales, ejercicios prácticos y plataformas de aprendizaje en línea para maximizar la experiencia educativa y fomentar el aprendizaje autónomo.
Los estudiantes acceden a vídeos explicativos en un canal_youtube y resuelven ejercicios prácticos de pre-cálculo, cálculo, geometría plana y geometría analítica.
Al completar el taller, el estudiante será capaz de:
En el taller se desarrollan 3 cuestionarios en los que se evalúa el conocimiento adquirido por los estudiantes para resolver problemas matemáticos aplicados a la ingeniería.
---
title: "Taller MB PS 2025"
output:
flexdashboard::flex_dashboard:
orientation: rows
vertical_layout: fill
theme:
version: 5
bg: "#F4F6F8" # Gris claro (fondo elegante, no blanco puro)
fg: "#2E3A59" # Azul grisáceo (texto elegante)
primary: "#1565C0" # Azul sobrio (encabezados y botones)
secondary: "#90CAF9" # Azul claro (resaltados sutiles)
accent: "#388E3C" # Verde profesional para métricas positivas
base_font:
google: "Roboto"
heading_font:
google: "Lato"
code_font:
google: "Fira Code"
social: menu
source_code: embed
---
```{r setup, include=FALSE}
library(flexdashboard)
library(ggplot2)
library(tidyverse)
library(plotly)
library(DT)
library(fontawesome)
library(dplyr)
library(readr)
notas=read_csv("Notas_taller_ps_2025.csv")
```
# <i class="fa fa-chart-line"></i> Resumen General
##
###
```{r}
valueBox(
value = notas %>%
filter(CURSO=='MB1') %>%
nrow(),
caption = "Total de estudiantes MB1",
icon = "fa-user",
color = "yellow"
)
```
### Estudiantes de MB2
```{r}
valueBox(
value = notas %>%
filter(CURSO=='MB2') %>%
nrow(),
caption = "Total de estudiantes MB2",
icon = "fa-user",
color = "primary"
)
```
### Nota Final
```{r}
valueBox(
value = round(mean(notas$NOTA_FINAL), 0),
caption = "Nota promedio",
icon = "fa-traffic-light",
color = "warning"
)
```
###
```{r}
valor_cero <- sum(notas$NOTA_FINAL == 0)
n=nrow(notas)
valueBox(
value = paste0(round(valor_cero /n * 100), "%"),
caption = "Estudiantes con nota cero",
icon = "fa-traffic-light",
color = "danger"
)
```
##
###
```{r}
notas %>%
group_by(CURSO,SECCION) %>%
summarise(N=n(),
Prmedio=round(mean(NOTA_FINAL)),
SE=round(sd(NOTA_FINAL))) %>%
datatable()
```
###
```{r}
g1=notas %>% ggplot(aes(x = NOTA_FINAL,
y=..density..,
fill=CURSO))+
geom_histogram(position = 'dodge')+
labs(title='Distribucion de la nota final',
sutitle='Primer Semestre de 2025')
ggplotly(g1)
```
###
```{r}
g2=notas %>% ggplot(aes(x = CURSO,y=NOTA_FINAL,
fill=CURSO))+
geom_boxplot()+
labs(title='Nota Final Taller de Matematica',
subtitle = 'Primer semestre 2025')
ggplotly(g2)
```
# <i class="fa fa-pencil-alt"></i> Actividad 1
##
###
```{r}
valueBox(
value = notas %>%
filter(CURSO=='MB1') %>%
filter(`ACTIVIDAD 1`!=0) %>%
nrow(),
caption = "Total de estudiantes MB1",
icon = "fa-user",
color = "yellow"
)
```
### Estudiantes de MB2
```{r}
valueBox(
value = notas %>%
filter(CURSO=='MB2') %>%
filter(`ACTIVIDAD 1`!=0) %>%
nrow(),
caption = "Total de estudiantes MB2",
icon = "fa-user",
color = "primary"
)
```
### Nota Final
```{r}
valueBox(
value = round(mean(notas$`ACTIVIDAD 1`,na.rm = T), 0),
caption = "Nota promedio",
icon = "fa-traffic-light",
color = "warning"
)
```
###
```{r}
valor_cero <- sum(notas$`ACTIVIDAD 1` == 0)
n=nrow(notas)
valueBox(
value = paste0(round(valor_cero /n * 100), "%"),
caption = "Estudiantes con nota cero",
icon = "fa-traffic-light",
color = "danger"
)
```
##
###
```{r}
notas %>%
group_by(CURSO,SECCION) %>%
summarise(N=n(),
Prmedio=round(mean(`ACTIVIDAD 1`)),
SE=round(sd(NOTA_FINAL))) %>%
datatable()
```
###
```{r}
g1=notas %>% ggplot(aes(x = `ACTIVIDAD 1`,
y=..density..,
fill=CURSO))+
geom_histogram(position = 'dodge')+
labs(title='Distribucion de la nota de actividad 1',
sutitle='Primer Semestre de 2025')
ggplotly(g1)
```
###
```{r}
g2=notas %>% ggplot(aes(x = CURSO,y=`ACTIVIDAD 1`,
fill=CURSO))+
geom_boxplot()+
labs(title='Nota de actividad 1 Taller de Matematica',
subtitle = 'Primer semestre 2025')
ggplotly(g2)
```
# <i class="fa fa-edit"></i> Actividad 2
##
###
```{r}
valueBox(
value = notas %>%
filter(CURSO=='MB1') %>%
filter(`ACTIVIDAD 2`!=0) %>%
nrow(),
caption = "Total de estudiantes MB1",
icon = "fa-user",
color = "yellow"
)
```
### Estudiantes de MB2
```{r}
valueBox(
value = notas %>%
filter(CURSO=='MB2') %>%
filter(`ACTIVIDAD 2`!=0) %>%
nrow(),
caption = "Total de estudiantes MB2",
icon = "fa-user",
color = "primary"
)
```
### Nota Final
```{r}
valueBox(
value = round(mean(notas$`ACTIVIDAD 2`,na.rm = T), 0),
caption = "Nota promedio",
icon = "fa-traffic-light",
color = "warning"
)
```
###
```{r}
valor_cero <- sum(notas$`ACTIVIDAD 2` == 0)
n=nrow(notas)
valueBox(
value = paste0(round(valor_cero /n * 100), "%"),
caption = "Estudiantes con nota cero",
icon = "fa-traffic-light",
color = "danger"
)
```
##
###
```{r}
notas %>%
group_by(CURSO,SECCION) %>%
summarise(N=n(),
Prmedio=round(mean(`ACTIVIDAD 2`)),
SE=round(sd(`ACTIVIDAD 2`))) %>%
datatable()
```
###
```{r}
g1=notas %>% ggplot(aes(x = `ACTIVIDAD 2`,
y=..density..,
fill=CURSO))+
geom_histogram(position = 'dodge')+
labs(title='Distribucion de la nota de la actividad 2',
sutitle='Primer Semestre de 2025')
ggplotly(g1)
```
###
```{r}
g2=notas %>% ggplot(aes(x = CURSO,y=`ACTIVIDAD 2`,
fill=CURSO))+
geom_boxplot()+
labs(title='Nota Actividad 2 Taller de Matematica',
subtitle = 'Primer semestre 2025')
ggplotly(g2)
```
# <i class="fa fa-tasks"></i> Actividad 3
##
###
```{r}
valueBox(
value = notas %>%
filter(CURSO=='MB1') %>%
filter(`ACTIVIDAD 3`!=0) %>%
nrow(),
caption = "Total de estudiantes MB1",
icon = "fa-user",
color = "yellow"
)
```
### Estudiantes de MB2
```{r}
valueBox(
value = notas %>%
filter(CURSO=='MB2') %>%
filter(`ACTIVIDAD 3`!=0) %>%
nrow(),
caption = "Total de estudiantes MB2",
icon = "fa-user",
color = "primary"
)
```
### Nota Final
```{r}
valueBox(
value = round(mean(notas$`ACTIVIDAD 3`,na.rm = T), 0),
caption = "Nota promedio",
icon = "fa-traffic-light",
color = "warning"
)
```
###
```{r}
valor_cero <- sum(notas$`ACTIVIDAD 3` == 0)
n=nrow(notas)
valueBox(
value = paste0(round(valor_cero /n * 100), "%"),
caption = "Estudiantes con nota cero",
icon = "fa-traffic-light",
color = "danger"
)
```
##
###
```{r}
notas %>%
group_by(CURSO,SECCION) %>%
summarise(N=n(),
Prmedio=round(mean(`ACTIVIDAD 3`)),
SE=round(sd(`ACTIVIDAD 3`))) %>%
datatable()
```
###
```{r}
g1=notas %>% ggplot(aes(x = `ACTIVIDAD 3`,
y=..density..,
fill=CURSO))+
geom_histogram(position = 'dodge')+
labs(title='Distribucion de la nota de la actividad 3',
sutitle='Primer Semestre de 2025')
ggplotly(g1)
```
###
```{r}
g2=notas %>% ggplot(aes(x = CURSO,y=`ACTIVIDAD 3`,
fill=CURSO))+
geom_boxplot()+
labs(title='Nota Actividad 3 Taller de Matematica',
subtitle = 'Primer semestre 2025')
ggplotly(g2)
```
# <i class="fa fa-table"></i> Cuadro de Notas
##
```{r}
datatable(
notas %>% select(-c(1:2)), extensions = 'Buttons', options = list(
dom = 'Bfrtip',
buttons = c('copy', 'csv', 'excel', 'pdf', 'print')
)
)
```
# <i class="fa fa-info-circle"></i> Descripción
##
### DESCRIPCION {.well}
El Taller de Matemáticas está diseñado para capacitar a estudiantes de la Facultad de Ingeniería de la Universidad de San Carlos de Guatemala (USAC) en el uso de herramientas tecnológicas **GeoGebra** y **Python**. Este taller se enfoca en la aplicación práctica de conceptos matemáticos fundamentales, orientados a resolver problemas específicos de ingeniería. La metodología combina recursos audiovisuales, ejercicios prácticos y plataformas de aprendizaje en línea para maximizar la experiencia educativa y fomentar el aprendizaje autónomo.
Los estudiantes acceden a vídeos explicativos en un [canal_youtube](https://www.youtube.com/@TallerdeMatematicaBasica-ij8ok) y resuelven ejercicios prácticos de pre-cálculo, cálculo, geometría plana y geometría analítica.
### OBJETIVOS {.well}
- Desarrollar competencias tecnológicas.
- Introducir el uso de software como GeoGebra y Python para modelar y resolver problemas matemáticos.
- Aplicar conceptos de precálculo, cálculo y geometría en situaciones prácticas relacionadas con la ingeniería.
- Demostrar cómo los conceptos matemáticos se utilizan para resolver problemas reales en diversos campos de la ingeniería.
- Desarrollar estrategias para abordar y resolver problemas matemáticos complejos utilizando herramientas tecnológicas.
##
### COMPETENCIAS {.well}
Al completar el taller, el estudiante será capaz de:
- Utilizar herramientas tecnológicas:
Manejar con soltura el software GeoGebra para modelar y visualizar problemas matemáticos.
Escribir y ejecutar scripts en Python para resolver problemas matemáticos de aplicación en ingeniería.
- Resolver problemas prácticos en precálculo, cálculo diferencial e integral, geometría plana y analítica utilizando métodos computacionales.
- Analizar e interpretar gráficas, ecuaciones y resultados obtenidos con software matemático.
Presentar soluciones de manera clara y estructurada.
- Aplicar conceptos teóricos en situaciones reales de ingeniería, estableciendo una relación directa entre las matemáticas y su campo de estudio.
### ACTIVIDADES {.well}
En el taller se desarrollan 3 cuestionarios en los que se evalúa el conocimiento adquirido por los estudiantes para resolver problemas matemáticos aplicados a la ingeniería.