Herramientas TIC en la enseñanza online de competencias complementarias de redes y telecomunicaciones en los Institutos Superiores Tecnológicos de la provincia de Tungurahua.
Bibliographic record
Abstract
El presente proyecto de investigación es esencialmente un breve análisis del uso y ventajas de las Tecnologías de la Información y Comunicación - TIC en los Institutos Superiores Tecnológicos de Ambato provincia de Tungurahua, por ello el artículo está enfocado en estudiar el caso de la Carrera de Tecnología Superior en Redes y Telecomunicaciones del Instituto Superior Tecnológico “Luis A. Martínez”; para ello se planificó y ejecutó un diagnóstico preliminar sobre las competencias que poseen los estudiantes en las TIC, luego se destaca las más versátiles , sencillas y eficientes herramientas informáticas que se pueden utilizar estratégicamente en la enseñanza y aprendizaje de competencias complementarias de la carrera. Se trabajó fundamentalmente bajo un enfoque mixto, y una consecuente metodología empírica y mixta, misma que al principio fue netamente documental y al final se aplicó una fase cuasi experimental con una muestra significativa y representativa de 108 estudiantes escogidos aleatoriamente, con ello se logró comparar los efectos y aceptación de herramientas Tic en las asignaturas básicas y en asignaturas de especialidad mediante cuestionarios aplicados a estudiantes activos en el período 2019-II , es decir desde noviembre 2019 hasta abril 2020, y finalmente con la información recopilada se elabora un resumen que sugiere algunos sitios web y simuladores al alcance de todos los miembros de la comunidad educativa del instituto.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".