Estrategias metodológicas para mantener la atención de los estudiantes durante las clases de inglés
Bibliographic record
Abstract
El objetivo del presente trabajo fue identificar las principales causas de la falta de atención de los estudiantes de la Carrera de Mecánica Industrial de la Escuela Superior Politécnica de Chimborazo durante las clases de inglés como Lengua Extranjera y a la vez proponer estrategias metodológicas que contribuyan a resolver este problema. Se trató de una investigación de tipo cualitativo, el proceso de indagación fue inductivo y los instrumentos de recolección de datos fueron la encuesta, la cual fue dirigida a toda la población de esta investigación y la revisión bibliográfica. La población estuvo compuesta por 59 estudiantes de Nivel 1 de inglés de los paralelos 1 y 2. Se identifican tres causas fundamentales por las cuales el docente no logra mantener la atención de los estudiantes, estas son: clases monótonas, falta de motivación y falta de concentración; a lo que se sugieren siete estrategias metodológicas. Adicionalmente, se analizan tres estudios previos sobre el tema, mismos que respaldan el presente estudio, enfatizan la importancia del problema y aportan con estrategias y actividades que pueden ser implementadas dentro del aula de inglés en el proceso enseñanza aprendizaje. Se recomienda que se brinde la atención necesaria no solamente a las necesidades de los estudiantes, sino también de los docentes, a fin de que se puedan alcanzar los objetivos de aprendizaje planteados.
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 | 0.025 | 0.038 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".