Investigation of Membrane-Based Total Heat Exchangers with Different Structures and Materials
Bibliographic record
Abstract
El examen de Estado de calidad de la Educación Superior Saber Pro constituye un instrumento fundamental para valorar las competencias adquiridas por los estudiantes de programas de pregrado en Colombia, siendo un referente para la evaluación de la calidad educativa y un insumo para la mejora curricular. Esta investigación tuvo como objetivo determinar el grado de correspondencia entre los contenidos y resultados de aprendizaje definidos en las asignaturas “Residuos Sólidos” (Universidad del Magdalena) y “Tratamiento de Residuos Sólidos” (Universidad Popular del Cesar - Seccional Aguachica), y las competencias específicas evaluadas en el módulo de diseño de sistemas de manejo de impacto ambiental de la prueba Saber Pro. Se adoptó un enfoque cuantitativo con alcance correlacional y un diseño cuasiexperimental. El instrumento aplicado fue un cuadernillo oficial del ICFES, empleado con fines académicos, centrado en diez preguntas del módulo mencionado. La muestra estuvo compuesta por 64 estudiantes de ambas universidades. Los análisis, incluidos los coeficientes de correlación, evidenciaron disparidades significativas en el nivel de dominio de las competencias, lo cual sugiere una desarticulación entre lo enseñado y lo evaluado. Estos hallazgos resaltan la necesidad urgente de realizar ajustes en los microcurrículos de ambas instituciones, orientados a fortalecer competencias clave como el razonamiento cuantitativo, la comprensión lectora y la capacidad de análisis crítico. Se concluye que la alineación entre los planes de asignatura y las competencias evaluadas por pruebas estandarizadas nacionales es esencial para mejorar la calidad de la formación en ingeniería ambiental y la preparación de los futuros profesionales del país.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".