Este dataset fue generado sintéticamente en R
(generar_dataset.R, semilla fija
set.seed(2026) para reproducibilidad) exclusivamente con
fines didácticos. No proviene de ninguna investigación real ni debe
citarse como tal. Su único propósito es servir de respaldo para el
proyecto integrador (40% de la evaluación) del curso, para los
estudiantes que aún no tengan datos propios de su proyecto de tesis en
el momento de la Sesión 6.
Estudio cuasiexperimental comparando 3 metodologías de enseñanza de álgebra en un grupo de bachillerato: Tradicional (control), Aula Invertida y Aprendizaje Basado en Problemas (ABP). n = 90 estudiantes (30 por grupo). Se midió antes de la intervención (pretest), inmediatamente después (postest) y 4 semanas después (seguimiento, para medir retención).
El diseño y las variables se inspiraron en el patrón que se repite en la literatura que trajiste de NotebookLM (diseño pretest-postest, comparación de metodologías activas vs. tradicional, medición de actitud, tamaño del efecto), pero los valores numéricos son inventados y ajustados a propósito para que cada prueba del temario tenga un caso claro donde aplicarse.
| Variable | Tipo | Descripción | Pensada para |
|---|---|---|---|
id_estudiante |
texto | Identificador anónimo (EST001…EST090) | — |
grupo |
categórica (3 niveles) | Tradicional / Aula_Invertida / ABP | Factor de agrupación para ANOVA, Kruskal-Wallis, chi-cuadrada |
sexo |
categórica (2 niveles) | F / M | Variable de control opcional |
pretest |
continua (0-10) | Calificación antes de la intervención | Línea base; verificar equivalencia entre grupos (Sesión 1) |
postest |
continua (0-10) | Calificación inmediatamente después | t pareada, t independientes, ANOVA de un factor, d de Cohen |
seguimiento |
continua (0-10) | Calificación 4 semanas después (retención) | ANOVA de medidas repetidas / Friedman (junto con pretest y postest) |
aprobado_pretest |
categórica (Sí/No) | pretest ≥ 6 | McNemar (junto con aprobado_postest) |
aprobado_postest |
categórica (Sí/No) | postest ≥ 6 | McNemar |
actitud_pre |
continua (0-100) | Escala de actitud hacia las matemáticas, antes | Comparaciones de medias adicionales |
actitud_post |
continua (0-100) | Escala de actitud, después | Comparaciones de medias adicionales |
tiempo_resolucion_min |
continua (minutos) | Tiempo en resolver un problema tipo — distribución sesgada a propósito (log-normal) | Kruskal-Wallis + post-hoc de Dunn (Bloque IV) |
errores_pre |
conteo | Errores conceptuales en examen diagnóstico, antes — Poisson, no normal a propósito | Wilcoxon de rangos con signo (junto con errores_post) |
errores_post |
conteo | Errores conceptuales, después | Wilcoxon de rangos con signo |
participa_actividad_extra |
categórica (Sí/No) | Participación en una actividad optativa | Chi-cuadrada de independencia (con grupo) |
horas_estudio_semana |
continua | Horas de estudio autónomo por semana (independiente del grupo) | Correlación y regresión lineal simple (Sesión 6), prediciendo la ganancia (postest − pretest) |
Pasan Shapiro-Wilk (p > .05) — candidatas a pruebas
paramétricas: pretest, postest,
seguimiento, actitud_pre,
actitud_post.
Fallan Shapiro-Wilk (p < .05) — candidatas a pruebas no
paramétricas: tiempo_resolucion_min,
errores_pre, errores_post.
Nota sobre Levene: la prueba de homogeneidad de
varianzas para postest ~ grupo da p ≈ .04 (varianzas NO
homogéneas entre los 3 grupos). Esto quedó así a propósito de forma
natural (no lo forcé) — es una buena oportunidad para discutir en clase
qué hacer cuando este supuesto falla (por ejemplo, ANOVA de Welch como
alternativa), en vez de ignorar el resultado y aplicar ANOVA clásico sin
más.
Todos estos números salen de ejecutar generar_dataset.R
con la semilla fija — si alguien vuelve a correr el script obtiene
exactamente el mismo dataset y los mismos resultados.
generar_dataset.R — script que genera el dataset desde
cero (reproducible, documentado)dataset_metodologias_algebra.csv — el dataset ya
generado (90 filas x 15 columnas)codebook_dataset_respaldo.md — este documento