Propuesta de Tesis

Propuesta de Tesis PowerPoint PPT Presentation


  • 503 Views
  • Uploaded on
  • Presentation posted in: General

Tesistas. RIVERA CEVERINO, GLORIA MAR

Download Presentation

Propuesta de Tesis

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


1. Propuesta de Tesis Rivera Ceverino, Gloria Camarena Meza, José

2. Tesistas RIVERA CEVERINO, GLORIA MARÍA Ingeniería de Sistemas Universidad Nacional de Ingeniería Octavo ciclo [email protected] CAMARENA MEZA, JOSÉ AMÉRICO Ingeniería de Sistemas Universidad Nacional de Ingeniería Décimo ciclo [email protected]

3. PROPUESTA

4. Título IDENTIFICACIÓN DE PATRONES DE INTELIGENCIA MÚLTIPLE UTILIZANDOMINERÍA DE DATOS EN ALUMNOS DE EDUCACIÓN SECUNDARIA

5. Justificación del Problema Este proyecto de tesis, de implementarse, y dado a sus resultados, será el iniciador de una nueva metodología de enseñanza la cual tendrá un importante impacto en el sistema educativo escolar peruano ya que la enseñanza estaría siendo enfocada a las capacidades previamente identificadas en los alumnos. Al no realizarse no se podrá iniciar con un proyecto que busca encontrar características similares en los estudiantes de forma que se le pueda brindar una educación donde éste se identifique y pueda desarrollar sus capacidades distintivas, despertando así el interés del alumno y probablemente su buen desempeño, siendo la enseñanza más dinámica, disminuyendo así la dificultad de aprendizaje, con miras a, en muchos casos, seguir estudios superiores.

6. Ámbito de la investigación Se enmarca en el sector educativo.

7. El Problema El no haber encontrado publicación de patrones de la inteligencia múltiple, por el contrario haber encontrado información acerca que estas inteligencias son diferenciadas, según el autor de las Inteligencias Múltiples hace que el problema principal sea identificar patrones en los tipos de inteligencias múltiples que permitan agruparlas de forma que podamos establecer criterio para agrupar o formar secciones de alumnos en los centros educativos, lo que podría sugerir una nueva metodología de enseñanza.

8. Objetivo El objetivo de la presente investigación es reconocer patrones comunes de las diversas inteligencias, que permita agrupar a los alumnos con características afines en el proceso de su formación y ala vez permita sugerir un cambio de enfoque en la enseñanza a los estudiantes, esto es una enseñanza personalizada basada en las características comunes y tipos de inteligencia que poseen.

9. Antecedentes Luis Alberto Arroyo Coronado. Inteligencias Múltiples y Propuesta de un Modelo de Tutoría y Orientación Universitaria para la Universidad Señor de Sipán.

10. METODOLOGIA DE LA INVESTIGACION

11. Tipo de Investigación Tipo de Investigación El presente proyecto de tesis tiene por objetivo determinar la existencia de agrupamiento o asociación entre las inteligencias múltiples, mediante algoritmo de agrupamiento, por ello el nivel de investigación es del tipo correlacional. Tipo de Diseño La investigación en el proyecto es de tipo No Experimental, debido a que no hay manipulación intencional. El objeto de estudio ya contiene una información y en este hecho el investigador no tiene injerencia.

12. DISEÑO DEL EXPERIMENTO

13. Diseño de Experimento

14. Objeto de la Investigación El objeto de la investigación es el resultado registrado (REGISTRO) del test de Inteligencia Múltiple aplicado a los estudiantes de nivel secundaria del Centro Educativo en estudio.

15. Población La población está representada por los estudiantes del nivel de educación secundaria del Centro Educativo Mariano Melgar 6019 ubicado en el distrito de Villa María del Triunfo.

16. Muestra Se utilizará el muestreo de población finita, la muestra preliminar es de 242 alumnos. Asimismo para mitigar el riesgo de contar con encuestas que no cumplan con los requerimientos mínimos de calidad (como preguntas sin responder o marcas dobles), aplicamos un 5 por ciento adicional para el tamaño de nuestra muestra final, la que es de 255 encuestas.

17. Variables

18. MODELO DE SOLUCION

19. Modelo de Solución

20. ANÁLISIS DE FACTIBILIDAD

21. Datos y Experimentos Prueba psicológica de Inteligencias Múltiples, con las siguientes características previas: Revisión de la prueba, la cual deberá contar con autorización y baremo con el medio peruano. Revisión del formato del cuestionario y hoja de respuesta. Revisión de las instrucciones del cuestionario para facilitar la rápida comprensión. Determinación del numero de sesiones que se empleara para la aplicación de la prueba. Luego: Efectuar una previa motivación a los alumnos. Orientar correctamente a los alumnos acerca del llenado de sus datos personales en el test de respuestas. Calificación de la prueba: Validación de los datos, aquellos en los que no hubiera datos, o las marcas fueran dobles a una misma pregunta o si sean defectuosos o ambiguas. Seguidamente se calificará la prueba, se obtendrán los puntajes totales.

22. Recursos Se requiere: Ambiente de capacidad mínima de 30 alumnos en el centro educativo. Autorización para utilizar el test de MINDS - Inteligencias Múltiples. Licencia par el uso de Matlab. Personal digitador/encuestador.

23. Plan de Trabajo

24. EDT

25. PERT

26. PERT

27. Costos

28. MARCO TEORICO

29. Conceptual Inteligencia Lógica - matemática: La que utilizamos para resolver problemas de lógica y matemáticas. Es la inteligencia que tienen los científicos. Se corresponde con el modo de pensamiento del hemisferio lógico y con lo que nuestra cultura ha considerado siempre como la única inteligencia. Inteligencia Lingüística: La que tienen los escritores, los poetas los buenos redactores. Utiliza ambos hemisferios. Inteligencia Espacial: Consiste en formar un modelo mental del mundo en tres dimensiones, es la inteligencia que tienen los marineros los ingenieros, los cirujanos, los escultores, los arquitectos o los decoradores. Inteligencia Musical: Es naturalmente la de los cantantes compositores, músicos, bailarines. Inteligencia Corporal - kinestésica: Capacidad de utilizar el propio cuerpo para realizar actividades o resolver problemas. Es la inteligencia de los deportistas, los artesanos, los cirujanos y los bailarines. Inteligencia Intrapersonal: Es la que nos permite entendernos a nosotros mismos. No está asociada a ninguna actividad concreta. Inteligencia Interpersonal: La que nos permite entender a los demás y la solemos encontrar en los buenos vendedores, políticos, profesores o terapeutas. Inteligencia Naturalista: La que utilizamos cuando observamos y estudiamos la naturaleza. Es la que demuestran los biólogos o los herbolarios

30. CONCEPTUAL

31. Instrumental Ficha Técnica Escala de MINDS-Inteligencia Múltiple Nombre de la prueba: Escala de MINDS de Inteligencias Múltiples. Autor: Cesar Ruiz Alva / Psicólogo Educacional. UNIVERSIDAD CESAR VALLEJO - TRUJILLO, PERÚ, 2004. Standarización Peruana, Edición revisada. César Ruiz Alva, Lima. Trujillo - 2004. Administración: Individual / Colectiva. Significación: Evalúa las 8 inteligencias múltiples según la teoría de Gardner.

32. Instrumental Las principales técnicas de minería de datos se suelen clasificar en: Agrupación o clustering. Clasificación. Asociación. Agrupación o clustering consiste en agrupar un conjunto de datos basándose en la similitud de los valores de sus atributos. El clustering identifica regiones densamente pobladas, denominadas clusters, de acuerdo a alguna medida de distancia establecida [Chenet al., 1996]. De esta manera se busca maximizar la similitud de lasinstancias en cada cluster y minimizar la similitud entre clusters[Han y Kamber, 2001].

33. Instrumental K-means, es un método iterativo que busca formar k clusters, con k predeterminado antes del inicio del proceso. K-means comienza particionando los datos en k subconjuntos no vacíos, calcula el centroide de cada partición como el punto medio del cluster y asigna cada dato al cluster cuyo centroide sea el más próximo. Luego vuelve a particionar los datos iterativamente, hasta que no haya más datos que cambien de cluster de una iteración a la otra.

34. CONCLUSIONES

35. Conclusiones El presente proyecto es considerado viable, dado que el tiempo de su desarrollo está dentro de la programación académica, los costos serán autofinanciados sin problemas y toda la operatividad será realizada por los tesistas La justificación de este tema pasa por formar parte de un escalón previo dentro de las estrategias de educación, ya que además de ser innovador da pie al desarrollo de una nueva metodología de enseñanza en base a características del estudiante Dentro del diseño experimental, un factor clave a controlar esta relacionado con la ejecución del test y el logro del involucramiento de los encuestados con este proceso.

  • Login