Herramientas Colaborativas Multiplataforma en la Enseñanza de la Ingeniería de Software. 2da. Etapa
Permanent URI for this collection
Browse
Recent Submissions
1 - 5 of 15
-
ItemHerramientas Colaborativas Multiplataforma para el Aprendizaje Basado en Competencias en la Ingeniería de Software(UNNOBA, 2023-4)Las instituciones educativas han adoptado la educación híbrida y la educación a distancia, por este motivo, han tenido que enfrentar diversos desafíos tales como reinventar sus modelos pedagógicos para que el proceso de enseñanza aprendizaje continue de manera ininterrumpida y capacitar su cuerpo docente. Todo esto no hubiese sido posible sin los cambios constantes de las TIC que nos hicieron reflexionar sobre la efectividad del método tradicional de enseñanza: los graduados deben ser competentes, deben conocer los saberes de un área de conocimiento y aplicarlos en futuros contextos profesionales. Surge entonces un doble desafío: diseñar una infraestructura para poder brindar servicios de educación mediada por la tecnología y que los estudiantes puedan aprender en forma colaborativa para acreditar sus competencias. En esta línea, el aprendizaje basado en competencias debe verse reflejado en los entornos colaborativos de aprendizaje en todas sus actividades, en el marco del alineamiento constructivo. El proyecto propone la integración de plataformas tecnológicas para el aprendizaje colaborativo y evaluación basada en competencias, en cursos vinculados con la ingeniería de Software.
-
ItemUAIRubric: una herramienta colaborativa para el diseño de rúbricas analíticas(Universidad Nacional de Hurlingham (UNAHUR), 2023)El estudio presenta una herramienta innovadora: las rúbricas digitales. Centrándose en el mejoramiento del aprendizaje a través de una aplicación web, proporciona una solución versátil para la evaluación educativa. La aplicación permite la creación, modificación y asignación de rúbricas a los trabajos de los estudiantes, y la generación de informes detallados que reflejan los resultados de las evaluaciones. La característica principal de este proceso son las rúbricas analíticas, que se distinguen por sus descriptores claros y comentarios útiles para los estudiantes. La tecnología que impulsa esta innovación, a pesar de ser sofisticada y flexible, mantiene un equilibrio de simplicidad y accesibilidad, permitiendo su implementación rápida y segura.
-
ItemLa matriz de competencias como herramienta para orientar la escritura de resultados de aprendizaje(Universidad Nacional de Hurlingham (UNAHUR), 2023)El proceso de acreditación de carreras de grado en Argentina ha evolucionado hacia la inclusión del modelo basado en competencias como una opción válida para el proceso pedagógico. Esta nueva perspectiva ha impulsado a las universidades a capacitar a los docentes en el nuevo enfoque. El modelo basado en competencias y centrado en el estudiante identifica a los resultados de aprendizaje como un componente clave que direcciona el proceso de enseñanza y aprendizaje. Para facilitar la comprensión de los resultados de aprendizaje tanto por la comunidad académica como por la externa y unificar criterios en su estructura, es necesario desarrollar lineamientos generales para estandarizar su escritura. En este trabajo se utiliza la matriz de competencias para identificar las competencias y capacidades vinculadas con cada asignatura y los niveles de dominio asociados para determinar los verbos apropiados según la taxonomía de Bloom. Para asegurar la coherencia y la claridad en la descripción de los resultados de aprendizaje, se proporcionan lineamientos generales para definir todos sus componentes en un proceso de escritura iterativo e incremental.
-
ItemEvaluación de GPT-4 como Herramienta Auxiliar en la Elaboración de Criterios para Rúbricas Analíticas(edUTecNe, 2023-11)Este estudio explora la aplicabilidad del modelo GPT-4 de OpenAl en la construcción de rúbricas esenciales en la evaluación académica de competencias. Iniciamos delineando los fundamentos de las rúbricas analíticas y procedemos a describir el entrenamiento personalizado que GPT-4 recibió para tal fin. GPT-4 demostró ser eficaz en la definición de criterios y descriptores con la precisión y flexibilidad requerida al momento de asistir en el desarrollo de rúbricas. Los resultados en el uso de esta herramienta son evaluados, mostrando prometedores beneficios la práctica educativa. Adicionalmente, se introduce una propuesta basada en React, que se interconecta con la API de CharGPT, optimizando la interacción con GPT-4 durante la construcción de rübricas.
-
ItemEvaluando la calidad de las aplicaciones Low-Code: Un mapeo sistemático de la literatura(Instituto Tecnológico Universitario Rumiñahui, 2024-1-15)Las plataformas de desarrollo Low-Code buscan democratizar la creación de software al permitir que personas sin conocimientos técnicos profundos puedan construir aplicaciones. Esto ha reducido las solicitudes a los equipos de TI, permitiéndoles enfocarse en proyectos más complejos. Estas plataformas son altamente personalizables para satisfacer necesidades específicas, lo cual explica su creciente popularidad entre empresas que buscan optimizar sus procesos de desarrollo y mantenerse competitivas digitalmente. Sin embargo, la falta de calidad en las aplicaciones desarrolladas a través de estas plataformas es un desafío importante. En este contexto, para abordar la falta de calidad en las aplicaciones desarrolladas mediante plataformas Low-Code se realizó un mapeo sistemático de la literatura para conocer el estado actual sobre modelos, metodologías, guías y estándares de calidad, que permitan garantizar que estas aplicaciones cumplan con los requisitos y necesidades de los usuarios finales. Se identificaron 13 artículos y los resultados presentan que existen problemas basados en la falta de experiencia en desarrollo de software, limitaciones de las plataformas Low-Code, falta de pruebas exhaustivas, y dependencia de componentes,y se han realizado pruebas exhaustivas,utilizando contenedores; aprovechamiento de tecnologías como Blockchain y plataformas para el desarrollo de aplicaciones virtuales, y además técnicas de Deep Learning y Machine Learning como estrategias para garantizar la calidad. Sin embargo, es necesario la implementacion de algunas normas, estándares y directrices de desarrollo para garantizar la consistencia y la calidad en todas las aplicaciones desarrolladasa través de plataformas Low-Code.