Cashflow como objeto virtual de aprendizaje de la Administración Financiera. Caso: Instituto Luis A. Martínez de Ambato
Bibliographic record
Abstract
Introducción. La educación financiera representa un eje fundamental en la vida diaria de las personas; la administración efectiva de los recursos económicos conlleva a considerarse la creación de una sociedad más productiva y desarrollada; es por tal razón que los docentes de esta área están llamados a intervenir y aplicar nuevos paradigmas de enseñanza – aprendizaje de tal manera contrarrestar las ineficaces metodologías tradicionales. Objetivo. Demostrar que la utilización de Objetos Virtuales de Aprendizaje (OVAs) con escenarios semejantes a la realidad inciden positivamente en los educandos y facilitan las actividades de los docentes en el Instituto Tecnológico Luis A. Martínez. Metodología. Un enfoque cuantitativo, con la comprobación de hipótesis; la información se recolectó en dos instancias la primera con la aplicación del test de diagnóstico financiero, el test de inteligencias múltiples a una muestra de 106 estudiantes del establecimiento, concluyéndose con una entrevista semiestructurada realizada a cada docente de la especialidad; posteriormente se ejecuta un programático de entrenamiento de la OVA (CASHFLOW) y se finaliza con test post- diagnósticos. Resultados. Entre los más significativos fue encontrar una diferencia del 40% entre el diagnóstico inicial y el post – diagnóstico; con la aplicación del test financiero se evidenció que en principio tanto en conocimientos, actitudes y comportamiento el 60% presentaron resultados desfavorables en el área; en el test de inteligencias múltiples lo significativo de los sujetos analizados fue que demostraron tres tipos de inteligencias predominantes: intrapersonal, interpersonal y rítmica. Luego de la aplicación del programático, los resultados son significativamente favorables y todos los tipos de inteligencias múltiples analizadas presentan valores medianos. Conclusión. Se concluyó que la aplicación del objeto virtual de aprendizaje (CASFLOW) contribuye a mejorar las puntuaciones en el rendimiento académico y personal del estudiante; además estimula al docente a replantearse los métodos de enseñanza y evaluación que aplica en la actualidad.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 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) | 0.014 | 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".