Estrategias para fomentar el aprendizaje activo en el aula de pedagogía Universitaria
Bibliographic record
Abstract
El aprendizaje activo en la pedagogía universitaria ha cobrado relevancia actual, por tal razón, se ha consolidado como una herramienta que fomenta la participación y el aprendizaje activo de los estudiantes en el aula de clases. Esta metodología tiene un enfoque en que la transmisión de conocimientos implique al estudiante de manera activa en su propio desarrollo del conocimiento y en el proceso de aprendizaje. Son diversas las estrategias que conforman este paradigma por lo que la presente investigación se plantea el análisis de estas estrategias en el aprendizaje activo en el aula de pedagogía universitaria. La búsqueda de la literatura en las diferentes bases de datos como son Dialnet, Scielo, Google académico, Scielo, entre otros, destacó estrategias como el constructivismo, que pone énfasis en la construcción del conocimiento mediante la interacción del estudiante con el entorno; el aprendizaje experiencial, propicia un aprendizaje a partir de la experiencia directa; el aprendizaje cooperativo, promueve la colaboración entre estudiantes; el aprendizaje basado en problemas (ABP), permite desarrollar habilidades de resolución de problemas; el aprendizaje basado en proyectos (ABPr) con la inclusión de los estudiantes en la creación y desarrollo de proyectos concretos; el aprendizaje situado, contextualiza el aprendizaje en entornos relevantes y el aprendizaje contemporáneo, integra herramientas actuales en el proceso educativo. Estas metodologías de enseñanza se combinan y adaptan a las necesidades especificas de cada contexto educativo, implementando tecnologías actuales con el objetivo de potenciar el desarrollo integral de los estudiantes, se debe evaluar cada una de ellas antes de su implementación.
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 | 0.024 | 0.034 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.010 | 0.016 |
| Scholarly communication | 0.019 | 0.013 |
| Open science | 0.003 | 0.015 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".