Diseño Experimental — Ingeniería Agrícola 2026-2

Buen día.

Este chat estará dedicado exclusivamente a la preparación semanal de la asignatura:

DISEÑO EXPERIMENTAL
Ingeniería Agrícola
Periodo 2026-2

Adjunto:

• Programa de Asignatura (FOR-FO-030)
• Plan Calendario (FOR-FO-018)
• Documento Word del plan de asignatura.

Todo el material deberá respetar estrictamente la secuencia del Programa de Asignatura y del Plan Calendario.

Este chat será utilizado únicamente para preparar las clases de cada semana.

------------------------------------------------------------
METODOLOGÍA GENERAL DEL CURSO
------------------------------------------------------------

Toda la asignatura debe desarrollarse mediante Aprendizaje Basado en Problemas (ABP).

Nunca comiences una sesión explicando un diseño experimental, una tabla ANOVA o un comando de R.

Cada sesión debe comenzar con una situación auténtica de Ingeniería Agrícola.

Las situaciones deberán relacionarse principalmente con:

• riego;
• drenaje;
• fertilización;
• interacción riego × fertilización;
• variedades de cultivo;
• densidad de siembra;
• humedad del suelo;
• textura del suelo;
• mecanización agrícola;
• profundidad de labranza;
• velocidad de operación;
• secado de productos agrícolas;
• agricultura de precisión;
• sensores;
• eficiencia del uso del agua;
• rendimiento de cultivos;
• calidad de productos agrícolas.

El Diseño Experimental debe aparecer como la herramienta necesaria para responder una pregunta científica.

Nunca como una colección de tablas ANOVA.

------------------------------------------------------------
REALIDAD DE LAS CLASES
------------------------------------------------------------

Aunque oficialmente la universidad asigna dos horas de laboratorio por sesión, en la práctica solamente dispongo de aproximadamente entre 80 y 90 minutos efectivos.

Generalmente se pierde tiempo debido a:

• apertura tardía de la sala;
• instalación del videobeam;
• conexión del computador;
• acceso a Internet;
• inicio de sesión de los estudiantes.

Por esta razón NO diseñes sesiones para dos horas completas.

Diseña siempre sesiones que puedan desarrollarse cómodamente en 90 minutos efectivos.

------------------------------------------------------------
MODELO DE RESPUESTA
------------------------------------------------------------

Estoy utilizando el modelo Instantáneo.

No necesito documentos extremadamente largos.

Prefiero materiales claros, concretos y listos para utilizar inmediatamente en clase.

No escribas un capítulo de libro.

Escribe solamente el material necesario para preparar la siguiente sesión.

------------------------------------------------------------
ESTRUCTURA DE CADA SEMANA
------------------------------------------------------------

Cuando solicite una semana produce únicamente:

1.

Planeación de la sesión.

(Una página aproximadamente.)

Debe incluir:

• tema;
• objetivos;
• resultado de aprendizaje;
• recursos;
• distribución del tiempo.

------------------------------------------------------------

2.

Situación de interés.

Media página.

Debe ser un problema real de Ingeniería Agrícola.

La necesidad del diseño experimental debe surgir naturalmente.

------------------------------------------------------------

3.

Resumen teórico para el docente.

Entre tres y cinco páginas.

Debe explicar claramente:

• fundamentos;
• cuándo utilizar el diseño;
• cuándo NO utilizarlo;
• interpretación;
• errores frecuentes;
• aplicaciones agrícolas.

------------------------------------------------------------

4.

Presentación.

Entre 12 y 15 diapositivas.

Para cada diapositiva incluye:

• título;
• contenido principal;
• notas para el docente.

------------------------------------------------------------

5.

Actividad manuscrita.

Duración aproximada:

10 minutos.

Debe realizarse antes de utilizar R o Python.

Puede incluir:

• planteamiento del problema;
• pregunta experimental;
• hipótesis;
• factores;
• niveles;
• tratamientos;
• variable respuesta;
• unidades experimentales;
• croquis del experimento;
• predicción del resultado.

------------------------------------------------------------

6.

Ejemplo guiado.

Un solo ejemplo.

No varios.

Debe desarrollarse paso a paso.

Siempre que sea pertinente:

• análisis en R;
• análisis equivalente en Python;
• comparación de resultados.

El código debe ejecutarse correctamente en:

• Positron;
• RStudio;
• Google Colab;
• VSCode.

------------------------------------------------------------

7.

Actividad independiente.

Duración aproximada:

20 minutos.

Debe utilizar una situación agrícola diferente del ejemplo guiado.

------------------------------------------------------------

8.

Preguntas socráticas.

Dos preguntas.

No veinte.

Dos preguntas cuidadosamente diseñadas para conducir al estudiante desde el problema agrícola hasta la interpretación del experimento.

------------------------------------------------------------

9.

Resumen manuscrito.

Una sola página.

Debe generarse únicamente después de la interacción socrática.

El estudiante deberá reescribirlo con sus propias palabras.

------------------------------------------------------------

10.

Tarea.

Debe requerir aproximadamente veinte minutos de trabajo autónomo.

------------------------------------------------------------
R Y PYTHON
------------------------------------------------------------

Siempre que sea posible desarrolla el mismo análisis utilizando ambos lenguajes.

En R utiliza prioritariamente:

• agricolae
• ggplot2
• ggstatsplot
• emmeans
• car
• rstatix
• rsm
• tidyverse

En Python utiliza prioritariamente:

• pandas
• NumPy
• statsmodels
• SciPy
• seaborn
• Matplotlib
• pyDOE3

Consulta siempre la documentación oficial vigente.

------------------------------------------------------------
INTELIGENCIA ARTIFICIAL
------------------------------------------------------------

No conviertas cada semana en una clase sobre inteligencia artificial.

Incluye únicamente un pequeño recuadro titulado:

"Uso responsable de IA esta semana"

Debe contener:

• cómo puede ayudar ChatGPT;
• cómo puede ayudar Codex;
• cómo puede ayudar un agente;
• qué debe hacer primero el estudiante;
• qué debe verificar antes de aceptar cualquier análisis.

No más de media página.

------------------------------------------------------------
DISEÑO EXPERIMENTAL
------------------------------------------------------------

Nunca permitas que el estudiante:

• escoja un diseño porque el software lo sugirió;
• interprete únicamente el valor p;
• olvide verificar los supuestos;
• ignore la magnitud del efecto;
• confunda significancia estadística con importancia agronómica;
• olvide la aleatorización;
• olvide la réplica;
• ignore la unidad experimental.

Siempre exige justificar:

• la pregunta experimental;
• el diseño seleccionado;
• los tratamientos;
• el tamaño de muestra;
• el modelo estadístico;
• la interpretación agronómica.

------------------------------------------------------------
CÓDIGO
------------------------------------------------------------

Todo el código debe:

• estar completamente comentado;
• seguir buenas prácticas;
• producir resultados reproducibles;
• generar gráficos claros;
• permitir verificar supuestos.

------------------------------------------------------------
VALIDACIÓN
------------------------------------------------------------

Todo análisis debe verificarse mediante:

• inspección gráfica;
• residuos;
• normalidad;
• homogeneidad;
• independencia;
• comparación con cálculos manuales cuando sea posible;
• interpretación agronómica.

No afirmes que un análisis es correcto únicamente porque el software produjo una tabla ANOVA.

------------------------------------------------------------
OBJETIVO PEDAGÓGICO
------------------------------------------------------------

La prioridad NO es aprender R o Python.

La prioridad es aprender a pensar como investigador en Ingeniería Agrícola.

El estudiante debe ser capaz de:

• formular una pregunta experimental;
• identificar factores;
• definir niveles;
• establecer tratamientos;
• reconocer la unidad experimental;
• justificar el diseño;
• interpretar resultados;
• reconocer limitaciones;
• comunicar conclusiones;
• utilizar responsablemente la inteligencia artificial.

------------------------------------------------------------
FORMA DE TRABAJO
------------------------------------------------------------

Trabajaremos una sola semana por vez.

No avances a la siguiente semana hasta que yo lo solicite.

Cada nueva semana debe mantener continuidad con las anteriores.

Conserva coherencia en:

• ejemplos;
• experimentos;
• datasets;
• proyectos;
• estilo de enseñanza;
• nivel de dificultad.

------------------------------------------------------------
PRIMERA SEMANA
------------------------------------------------------------

La primera sesión será:

Ética en la investigación,
Inteligencia Artificial,
Reserva Cognitiva,
Escritura Manual,
Integridad Científica,
Reproducibilidad
y pensamiento experimental aplicado a la Ingeniería Agrícola.

Para esta primera semana prepara únicamente:

1. Planeación de la sesión.
2. Situación de interés.
3. Resumen teórico para el docente.
4. Presentación (12–15 diapositivas).
5. Actividad manuscrita.
6. Ejemplo guiado.
7. Actividad independiente.
8. Dos preguntas socráticas.
9. Resumen manuscrito.
10. Tarea.

Una recomendación adicional

Creo que este curso puede diferenciarse claramente de muchos cursos tradicionales de Diseño Experimental si mantiene una estructura permanente durante todo el semestre:

Pregunta científica → Diseño del experimento → Recolección de datos → Análisis en R → Verificación en Python → Interpretación agronómica → Decisión técnica.

Esta secuencia tiene varias ventajas:

  • El estudiante entiende que el software no reemplaza el diseño experimental.
  • Aprende a formular primero la pregunta científica y después seleccionar el diseño adecuado.
  • Desarrolla la capacidad de verificar los resultados en dos entornos computacionales (R y Python), fortaleciendo la reproducibilidad.
  • Integra naturalmente el uso responsable de la inteligencia artificial como una herramienta de apoyo, sin desplazar el razonamiento científico.

En conjunto con los otros cursos, se forma una progresión muy coherente:

  • Programación de Computadores: aprender a resolver problemas mediante algoritmos y software.
  • Estadística Aplicada: aprender a analizar e interpretar datos para responder preguntas técnicas.
  • Diseño Experimental: aprender a generar datos confiables mediante experimentos bien diseñados y extraer conclusiones científicas útiles para la Ingeniería Agrícola.

Esta integración convierte las tres asignaturas en un núcleo formativo coherente para el desarrollo del pensamiento computacional, estadístico y científico del futuro ingeniero.