MATERIALES DIDACTICOS INNOVATIVOS PARA EL APRENDIZAJE DE LAS MATEMATICAS SUPERIORES
Bibliographic record
Abstract
El proyecto consiste en: * La creación de un Centro de Recursos para el Aprendizaje de las Matemáticas Superiores (CRAMS) que contendrá material didáctico para la enseñanza de los Fundamentos Matemáticos para Ingeniería y Ciencias (FMIC), Probabilidades y Estadística, a distintos niveles, incluido el nivel de Enseñanza Media. * La creación de cursos a distancia y talleres de perfeccionamiento para profesores de matemáticas de Enseñanza Media. Los objetivos perseguidos son: * Elevar el rendimiento del proceso enseñanza aprendizaje en matemáticas a nivel de Enseñanza Media y primeros años de carreras universitarias de carácter científico - tecnológico. Aumentar la calidad de los estudiantes y la cantidad que permanece en ellas. * Aumentar la integración y colaboración en docencia entre la Educación Superior y Media. Facilitar a los estudiantes la transición entre éstos dos niveles educacionales. * Transferir, adaptar y desarrollar tecnología educativa especializada (enseñanza de matemáticas y educación no presencial). El impacto económico social e institucional de los resultados esperados de este proyecto, se aprecia a la luz de la Reforma Educacional y del diagnóstico de la situación actual que la origina. El equipo de trabajo, es un grupo multidisciplinario, de gran experiencia en el ámbito de la enseñanza de matemáticas en carreras de Ingeniería y en las aplicaciones industriales de esta ciencia. Este equipo ha tenido, en los últimos 25 años, responsabilidades en el diseño, seguimiento y evaluación periódica de planes y programas para la formación de ingenieros de diversas especialidades. Dos de los participantes han diseñado, implementado y tienen a su cargo un Laboratorio Computacional de apoyo a la enseñanza de las matemáticas en el Plan Común de Ingeniería Civil de la Universidad de Chile. Uno de los participantes ha sido Investigador Invitado del Departamento de Sicología Cognitiva de la Universidad de Carnegie Mellon y ha desarrollado una extensa experiencia en docencia a nivel universitario y secundario, así como en perfeccionamiento de profesores. El Departamento de Educación de la Universidad de Chile diseñará los instrumentos de validación de los productos de este proyecto. El Colegio de Profesores y diversos establecimientos de Enseñanza Media y Universitaria aseguran la posibilidad de seguimiento y validación de resultados. La participación empresarial es significativa en monto, prestigio y pertinencia a los fines e instrumentos del proyecto. Las instituciones de investigación extranjeras que han comprometido su participación son líderes reconocidos en el tema de este proyecto (IREM de las Universidades de Paris, CECM de la Universidad Simon Fraser de Vancouver, Universidad de Saint Etienne, Universitat Oberta de Catalunya) La transferencia de los productos y servicios resultantes de este proyecto están avalados por la interacción con las redes REUNA y ENLACES, el programa MECESUP y el proyecto Universidad Virtual; el interés manifestado por el Mercurio, el apoyo del Colegio de Profesores y el Instituto de Ingenieros, ACHICE, SINIE; la disposición de los Liceos, Dirección Provincial de Educación (San Felipe) y Universidades comprometidas, además de un plan de trabajo que articula estos factores con ese fin.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.035 | 0.006 |
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".