Programa basado en técnica de estudio de caso para mejorar la empatía en estudiantes de una universidad privada de Lima, 2021
Notice bibliographique
Résumé
La investigación tuvo como objetivo Implementar, talleres de método de estudio de caso para mejorar la empatía en estudiantes universitarios de una universidad privada de Lima 2021, con una muestra de 40 alumnos divididos en dos grupos GC y GE, el diseño de la investigación es cuantitativo, cuasi experimental de tipo transversal. Se utilizó el cuestionario de Empatía de Toronto, adaptado por Carranza y Huamani (2020) dividida por dos dimensiones resonancia y distancia empática; conformado por 16 ítems con escala de tipo Likert. Los resultados evidenciaron que en un primer momento con el pretest el GC y elGE demuestran niveles bajo 50%, medio 0% y alto 0%, en un segundo momento después de la aplicación del postest, el GC muestra su desarrollo en el nivel medio con un puntaje de 65% seguidamente del nivel Bajo en un 35% y 0% en nivel alto, por otro lado en el GE se evidencia que incremento en el nivel medio ya que obtiene un 85% en el nivel bajo un 10% y en el nivel alto un 5% , evidenciando que luego de la aplicación del taller Pensando en Ti los niveles de empatía del estudiante se incrementaron y mejoraron.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».