Estudiante: Lino Alfonso Arrieta Morales
Código: 1103499906
Asignatura: Diseño Experimental (Código 201636)
Actividad: N.º 2 – Principios fundamentales del diseño experimental
Fecha del manuscrito: 22/08/2026
Nivel alcanzado: Satisfactorio (4.0 / 5.0)
Análisis: El estudiante define los tres principios fundamentales (repetición, aleatorización y control local/bloqueo). Explica que la repetición ayuda a estimar el error y aumentar la precisión, la aleatorización previene el sesgo, y el bloqueo controla la heterogeneidad del terreno. Sin embargo, la justificación estadística formal (relación directa con la independencia de errores, supuestos del ANOVA y modelo lineal aditivo) es muy superficial.
Aspectos a mejorar: Profundizar en la fundamentación matemática de cada principio. Debe explicar explícitamente cómo la aleatorización garantiza la independencia de los errores \(N(0, \sigma^2)\) y cómo el bloqueo descompone la variabilidad del terreno para reducir la Suma de Cuadrados del Error en la tabla ANOVA.
Nivel alcanzado: Básico (3.0 / 5.0)
Análisis: Para las explicaciones individuales de los tres principios, el estudiante empleó ejemplos idénticos a los formulados en el enunciado del prompt facilitado en la guía (maíz bajo riego, dosis de nitrógeno en arroz y yuca en pendiente). La guía exigía explícitamente proponer ejemplos propios e inéditos.
Aspectos a mejorar: Formular ejemplos propios y originales contextualizados en el departamento de Sucre o la región Caribe (ej. fertilización en ñame espino, riego en patilla o manejo de malezas en ají topito). En cada uno debe detallar el factor, los niveles, la unidad experimental especificada (m² o parcelas) y la variable respuesta con sus unidades de medida formal.
Nivel alcanzado: Excelente (5.0 / 5.0)
Análisis: El estudiante planteó un esquema completo e integrado utilizando un Diseño de Bloques Completos al Azar (DBCA) con 4 dosis de nitrógeno (0, 60, 120, 180 kg N/ha) y 5 bloques (20 parcelas en total). Definió la variable respuesta (rendimiento de arroz en kg/ha) y construyó la tabla/croquis demostrando la aleatorización independiente de los tratamientos en cada uno de los 5 bloques.
Aspectos a mejorar: El esquema es muy claro y correcto. Como complemento gráfico en futuros trabajos, se sugiere señalar explícitamente la orientación del gradiente de variabilidad en el terreno (ej. dirección de la pendiente o fertilidad) respecto a la disposición de los bloques.
Nivel alcanzado: Insuficiente / No presentado (1.0 / 5.0)
Análisis: La sección de contraste crítico entre la respuesta del agente de IA y los textos guía de la asignatura (Gutiérrez & De la Vara, Montgomery) fue omitida por completo en el documento escaneado.
Aspectos a mejorar: Realizar la lectura crítica comparativa obligatoria, contrastando el texto generado por la IA con la bibliografía de referencia e identificando al menos 2 aciertos y 2 correcciones con su cita exacta (Autor, Capítulo y Página).
Nivel alcanzado: Satisfactorio (4.0 / 5.0)
Análisis: Presenta un documento manuscrito de 3 páginas ordenado y completamente legible. Cuenta con el encabezado reglamentario y un escaneo en PDF bien orientado. Se observan pequeñas imprecisiones ortográficas y de acentuación.
Aspectos a mejorar: Revisar la ortografía técnica antes de escanear, asegurando la acentuación correcta en términos como aleatorización, repetición, rendimiento y análisis.
Nivel alcanzado: Insuficiente / Incompleto (1.0 / 5.0)
Análisis: Aunque el estudiante redactó un párrafo final a modo de conclusión personal, omitió la Bitácora de IA con los metadatos exigidos (agente utilizado, fecha, hora, prompt exacto y reflexión sobre limitaciones del modelo).
Aspectos a mejorar: Incluir siempre el anexo de Bitácora de IA para garantizar la trazabilidad ética del uso de herramientas sintéticas según el protocolo de la asignatura.
Nivel alcanzado: Insuficiente / No presentado (1.0 / 5.0)
Análisis: No se incluyeron las respuestas a las 5 preguntas de autoevaluación planteadas en la actividad.
Aspectos a mejorar: Desarrollar de manera explícita las respuestas a las 5 preguntas de autoevaluación fundamentando cada respuesta en la teoría estadística revisada.
| Criterio de Evaluación | Peso | Nivel de Desempeño | Calificación (1.0 - 5.0) | Nota Ponderada |
|---|---|---|---|---|
| C1. Comprensión conceptual |
25% | Satisfactorio |
| 4.0
| 1.00 | | C2. Ejemplos contextualizados
| 20% |
Básico
| 3.0
| 0.60 | | C3. Esquema integrado
| 15% |
Excelente
| 5.0
| 0.75 | | C4. Contraste IA vs. bibliografía
|
15% | Insuficiente (No incluyó)
| 1.0
| 0.15 | | C5. Calidad manuscrita y presentación
| 10% | Satisfactorio
| 4.0
| 0.40 | | C6. Bitácora de IA y ética
| 10% |
Insuficiente (Incompleto)
| 1.0
| 0.10 | | C7. Autoevaluación
| 5% |
Insuficiente (No incluyó)
| 1.0
| 0.05 | | CALIFICACIÓN DEFINITIVA | 100% | | | 3.05 / 5.0 |
Apropiación de las secciones metodológicas: El estudiante demostró un buen entendimiento práctico al diseñar el esquema integrado del experimento (C3), pero perdió un porcentaje considerable de la nota al omitir componentes obligatorios como el contraste bibliográfico (C4), la bitácora de IA (C6) y las preguntas de autoevaluación (C7).
Originalidad en los ejemplos: Se debe hacer énfasis en no repetir los ejemplos entregados en el prompt de la guía para demostrar verdadera reserva cognitiva y aplicación del concepto a situaciones locales inéditas.
Estudiante: María Sofía Montiel Oviedo
Código: 1102-119277
Asignatura: Diseño Experimental (Código 201636)
Actividad: N.º 2 – Principios fundamentales del diseño experimental
Fecha del manuscrito: 12/08/2026
Nivel alcanzado: Excelente (5.0 / 5.0)
Análisis: La estudiante demuestra una comprensión teórica sobresaliente. Define con claridad la repetición, la aleatorización y el control local/bloqueo, e integra de forma acertada el fundamento estadístico descomponiendo la Suma de Cuadrados (\(SC_{Total} = SC_{Tratamiento} + SC_{Bloque} + SC_{Error}\)) y explicando el rol del ANOVA en la comparación del error experimental con la variabilidad de tratamientos.
Aspectos a mejorar: Mantener este nivel de rigor teórico e incorporar explícitamente en futuros análisis el supuesto de normalidad e independencia de los errores \(N(0, \sigma^2)\).
Nivel alcanzado: Satisfactorio (3.8 / 5.0)
Análisis: Para la explicación individual de los tres principios, la estudiante empleó los mismos ejemplos propuestos en el prompt de la guía (maíz, arroz y yuca). No obstante, demostró gran capacidad de apropiación regional al desarrollar un ejemplo propio e inédito en el esquema integrado (cultivo de patilla en el departamento de Sucre).
Aspectos a mejorar: Procurar que los ejemplos individuales de cada principio sean 100% inéditos y propios desde el inicio, evitando reutilizar los cultivos del prompt de la IA.
Nivel alcanzado: Excelente (5.0 / 5.0)
Análisis: Planteó un experimento hipotético impecable sobre la frecuencia de riego en el cultivo de patilla en una finca del departamento de Sucre (T1: cada 2 días, T2: cada 4 días, T3: cada 6 días). Definió un DBCA con 4 bloques (12 parcelas en total), la variable respuesta en kg/ha y presentó un croquis claro con la distribución aleatorizada de tratamientos dentro de cada bloque.
Aspectos a mejorar: El esquema está completo y muy bien estructurado. Como detalle complementario en el croquis, se sugiere indicar visualmente la dirección del gradiente del terreno (ej. dirección del gradiente de humedad o tipo de suelo).
Nivel alcanzado: Satisfactorio (4.2 / 5.0)
Análisis: Realizó un ejercicio de contraste crítico argumentado utilizando la literatura de Montgomery y Gutiérrez Pulido & De la Vara. Identifica aciertos y realiza una corrección relevante: señala que la aleatorización no es únicamente para “evitar sesgos” como dijo la IA, sino que es indispensable para dar validez a la inferencia estadística y garantizar la independencia de los errores.
Aspectos a mejorar: Agregar la cita bibliográfica precisa indicando el número de capítulo y la página exacta de los libros consultados para alcanzar el 100% del criterio.
Nivel alcanzado: Excelente (5.0 / 5.0)
Análisis: Presentación pulcra, caligrafía clara y de fácil lectura, excelente estructuración con encabezados, márgenes ordenados y escaneo de alta calidad mediante CamScanner.
Aspectos a mejorar: Mantener la disciplina de presentación y orden visual demostrada en esta entrega.
Nivel alcanzado: Excelente (5.0 / 5.0)
Análisis: Registró de manera transparente la bitácora de interacción (ChatGPT, fechas 12 y 13/08/2026, horas 6:00 PM y 8:00 AM, prompt utilizado), adicionando la nota sobre las limitaciones de la IA y una conclusión personal sobre la toma de decisiones responsable respecto al agua y fertilizantes.
Aspectos a mejorar: Continuar con el hábito de registrar la trazabilidad de consulta y la reflexión crítica sobre las herramientas de IA.
Nivel alcanzado: Básico (2.0 / 5.0)
Análisis: La estudiante respondió detalladamente las 4 preguntas guía de lectura y verificación del documento (Verificar, Completar, Corregir, Contextualizar), pero omitió transcribir y responder las 5 preguntas de autoevaluación que genera la IA al final del prompt.
Aspectos a mejorar: Asegurarse de resolver explícitamente las 5 preguntas de autoevaluación generadas por el modelo sintético para verificar la apropiación del tema.
| Criterio de Evaluación | Peso | Nivel de Desempeño | Calificación (1.0 - 5.0) | Nota Ponderada |
|---|---|---|---|---|
| C1. Comprensión conceptual |
25% | Excelente |
| 5.0
| 1.25 | | C2. Ejemplos contextualizados
| 20% |
Satisfactorio
| 3.8
| 0.76 | | C3. Esquema integrado
| 15% |
Excelente
| 5.0
| 0.75 | | C4. Contraste IA vs. bibliografía
|
15% | Satisfactorio
| 4.2
| 0.63 | | C5. Calidad manuscrita y presentación
| 10% | Excelente
| 5.0
| 0.50 | | C6. Bitácora de IA y ética
| 10% |
Excelente
| 5.0
| 0.50 | | C7. Autoevaluación
| 5% | Básico
| 2.0
| 0.10 | | CALIFICACIÓN DEFINITIVA | 100% | | | 4.49 / 5.0 (Aprox. 4.5) |
Desempeño destacado: Trabajo sobresaliente en la fundamentación estadística, la presentación manuscrita y el diseño integrado del experimento en patilla para la región de Sucre.
Atención a detalles de la guía: Para obtener la máxima nota en futuras entregas, debe asegurarse de incluir las respuestas a las 5 preguntas de autoevaluación que genera la IA e indicar el capítulo y página exacta en las citas bibliográficas de contraste.
Estudiante: Carlos Daniel Vega Dominguez
Código: 1100248137
Asignatura: Diseño Experimental (Código 201636)
Actividad: N.º 2 – Principios fundamentales del diseño experimental
Fecha del manuscrito: 12 de Agosto de 2026
Nivel alcanzado: Excelente (5.0 / 5.0)
Análisis: El estudiante demuestra un rigor estadístico y matemático excepcional. Explica la repetición mediante la estimación de la varianza del error (\(\sigma^2\)) y los grados de libertad necesarios para calcular el estadístico \(F\) del ANOVA; la aleatorización fundamentando la independencia de los errores (\(\epsilon_{ij} \sim NID(0, \sigma^2)\)) y la eliminación de autocorrelación espacial; y el control local detallando la reducción del \(SS_{Error}\) y \(CM_{Error}\) para incrementar la potencia de la prueba.
Aspectos a mejorar: Mantener y fortalecer la solvencia conceptual y el lenguaje matemático avanzado demostrado en esta entrega.
Nivel alcanzado: Excelente (5.0 / 5.0)
Análisis: Formula ejemplos totalmente inéditos, propios y perfectamente situados en el trópico y la subregión del Caribe colombiano: evalúa frecuencias de riego en ñame espino en San Juan Nepomuceno; densidades de siembra de sorgo forrajero en San Marcos (Sucre) utilizando aleatorización por software para evitar sesgos por micro-depresiones del terreno; y control de hormiga arriera en cultivo de teca en Tolú Viejo bloqueando por gradiente de pendiente y profundidad del suelo.
Aspectos a mejorar: Ninguno en este criterio. La propuesta de ejemplos es sobresaliente en pertidencia y rigor de campo.
Nivel alcanzado: Excelente (5.0 / 5.0)
Análisis: Desarrolla un esquema impecable sobre compactación de suelos en el cultivo de algodón en el Valle del Sinú. Especifica el factor labranza (T1: Cero, T2: Discos, T3: Subsolado), el gradiente de variación edáfica (transición de textura franco-arcillosa al Oeste a arcillosa pesada al Este), la estructura de bloques y la aleatorización interna de tratamientos por parcela.
Aspectos a mejorar: Continuar aplicando esta metodología de croquis con mapas de variabilidad del terreno para el diseño de experimentos en campo.
Nivel alcanzado: Insuficiente / No presentado (1.0 / 5.0)
Análisis: El estudiante omitió completamente la sección de contraste crítico comparativo entre la respuesta generada por el agente de IA y la bibliografía obligatoria (Gutiérrez & De la Vara, Montgomery).
Aspectos a mejorar: Incluir obligatoriamente la sección de auditoría a la IA, identificando aciertos y correcciones conceptuales respaldadas con citas formales de los libros texto (autor, capítulo y página).
Nivel alcanzado: Excelente (5.0 / 5.0)
Análisis: Documento manuscrito de alta calidad visual, caligrafía ordenada, excelente organización por secciones con títulos resaltados en color, encabezados claros y escaneo PDF impecable mediante CamScanner.
Aspectos a mejorar: Mantener la pulcritud y la estructura estética observadas en este trabajo.
Nivel alcanzado: Insuficiente / No presentado (1.0 / 5.0)
Análisis: Omitió el anexo de la Bitácora de IA donde debía registrar el agente utilizado, la fecha/hora de la consulta, el prompt empleado y la reflexión ética sobre los límites del modelo.
Aspectos a mejorar: Adjuntar siempre la Bitácora de IA para dar cumplimiento a los requerimientos de transparencia y ciencia reproducible de la asignatura.
Nivel alcanzado: Excelente (5.0 / 5.0)
Análisis: Responde las 5 preguntas de autoevaluación con argumentos propios de gran nivel estadístico: explica la fórmula del error estándar (\(S/\sqrt{n}\)), la pérdida de grados de libertad en DBCA \((A-1)(B-1)\) en terrenos homogéneos, la orientación perpendicular de bloques a la pendiente en maquinaria, y diferencia la Unidad Experimental de la Unidad de Muestreo en cultivo de pimentón (30 m² de parcela vs. 10 plantas centrales).
Aspectos a mejorar: Ninguno en este criterio. Respuestas breves, directas y conceptualmente impecables.
| Criterio de Evaluación | Peso | Nivel de Desempeño | Calificación (1.0 - 5.0) | Nota Ponderada |
|---|---|---|---|---|
| C1. Comprensión conceptual |
25% | Excelente |
| 5.0
| 1.25 | | C2. Ejemplos contextualizados
| 20% |
Excelente
| 5.0
| 1.00 | | C3. Esquema integrado
| 15% |
Excelente
| 5.0
| 0.75 | | C4. Contraste IA vs. bibliografía
|
15% | Insuficiente (No incluyó)
| 1.0
| 0.15 | | C5. Calidad manuscrita y presentación
| 10% | Excelente
| 5.0
| 0.50 | | C6. Bitácora de IA y ética
| 10% |
Insuficiente (No incluyó)
| 1.0
| 0.10 | | C7. Autoevaluación
| 5% |
Excelente
| 5.0
| 0.25 | | CALIFICACIÓN DEFINITIVA | 100% | | | 4.00 / 5.0 |
Abono técnico destacado: El estudiante demuestra un dominio conceptual, de formulación de modelos experimentales y de teoría estadística muy por encima del promedio del grupo (C1, C2, C3 y C7).
Atención a componentes formales de la guía: A pesar de la brillantez técnica en los contenidos presentados, la calificación definitiva se vio reducida a 4.0 debido a la omisión total del contraste bibliográfico (C4) y de la bitácora de IA (C6). Es indispensable revisar la guía punto por punto antes de la entrega para no restar puntaje en secciones administrativas/metodológicas.