Publicación:
Uso de etiquetas lingüísticas en la evaluación de desempeño de los programas académicos en el examen de estado Saber Pro.

Vista sencilla de ítem
dc.audience
dc.contributor.advisorCogollo Flórez, Myladis
dc.contributor.authorGarcía Montes, María José
dc.contributor.juryArteaga, Monica
dc.contributor.juryMorales, Víctor
dc.contributor.other
dc.date.accessioned2024-04-15T15:05:39Z
dc.date.available2025-04-11
dc.date.available2024-04-15T15:05:39Z
dc.date.issued2024-04-15
dc.description.abstractEl Ministerio de Educación Nacional de Colombia (Plan Sectorial 2006–2010) señala que uno de los indicadores más importantes del nivel de calidad de la educación en el país es, sin lugar a dudas, el desempeño de los estudiantes en pruebas que miden el nivel de desarrollo de competencias (Garizabalo Dávila, 2012) dentro de las cuales se encuentra la prueba Saber Pro el cual es un examen que el Estado realiza con el fin de evaluar las competencias básicas que deberían manejar todos los estudiantes que están por finalizar los niveles de educación superior, independientemente de su carrera profesional. Los resultados obtenidos en esta prueba pueden estar asociados a incertidumbre, y es posible que un número concreto no represente totalmente el desempeño de un estudiante debido a que no considera la subjetividad asociada a dicha prueba. Para apoyar el análisis tradicional de los resultados se requiere de una herramienta que permita evaluar el resultado obtenido en cada competencia genérica de la prueba de Estado Saber Pro, considerando el hecho de que el desempeño puede pertenecer a más de una categoría, con diferentes niveles de pertenencia. En este trabajo, se propone y aplica una metodología basada en el desarrollo de un modelo lingüístico difuso para la evaluación del desempeño en las pruebas Saber Pro de los programas académicos de la Facultad de Ciencias Básicas de la Universidad de Córdoba, que considera la incertidumbre de los resultados obtenidos por los estudiantes de cada programa. Se demuestra que el uso de las etiquetas lingüísticas proporciona una alternativa de solución a esta problemática, y además, facilita la valoración de las competencias genéricas de la prueba Saber Pro. Se muestra que algunos programas pueden pertenecer a dos etiquetas lingüísticas, y además se identifica el impacto que tiene un buen puntaje en la competencia inglés sobre el resultado global.
dc.description.abstractThe Ministry of National Education of Colombia (Sector Plan 2006–2010) points out that one of the most important indicators of the level of quality of education in the country is, without a doubt, the performance of students in tests that measure the level of skills development (Garizabalo Dávila, 2012) among which is the Saber Pro test which is an exam that the State carries out in order to evaluate the basic skills that all students who are about to finish higher education levels should have, regardless of their professional career. The results obtained in this test may be associated with uncertainty, and a particular number may not fully represent a student’s performance because it does not consider the subjectivity associated with that test. To support the traditional analysis of the results, a tool is required that allows evaluating the result obtained in each generic competence of the Saber Pro State test, considering the fact that the performance may belong to more than one category, with different levels of belonging. In this work, a methodology is proposed and applied based on the development of a fuzzy linguistic model for the evaluation of performance in the Saber Pro tests of the academic programs of the Faculty of Basic Sciences of the University of Córdoba, which III considers uncertainty. to the results obtained by the students of each program. It is shown that the use of linguistic labels provides an alternative solution to this problem, and also facilitates the assessment of the generic competencies of the Saber Pro test. It is shown that some programs can belong to two linguistic labels, and it is also identified the impact that a good score in English proficiency has on the overall result.eng
dc.description.degreelevelPregrado
dc.description.degreenameEstadístico(a)
dc.description.modalityTrabajos de Investigación y/o Extensión
dc.description.tableofcontentsResumen Ispa
dc.description.tableofcontentsAgradecimientos Vspa
dc.description.tableofcontentsIntroducción............. 1spa
dc.description.tableofcontents1. Marco Teórico............. 5spa
dc.description.tableofcontents1.1. Fundamentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5spa
dc.description.tableofcontents1.1.1. Análisis de correspondencia múltiple (ACM) . . . . . . . . . . . . . . 5spa
dc.description.tableofcontents1.1.2. Lógica difusa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6spa
dc.description.tableofcontents1.1.3. Conjuntos clásicos y difusos . . . . . . . . . . . . . . . . . . . . . . . 7spa
dc.description.tableofcontents1.1.3.1. α- Cortes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8spa
dc.description.tableofcontents1.1.4. Números difusos tradicionales . . . . . . . . . . . . . . . . . . . . . . 8spa
dc.description.tableofcontents1.2. Aproximación lingüística difusa . . . . . . . . . . . . . . . . . . . . . . . . . 11spa
dc.description.tableofcontents1.2.1. Variables Lingüísticas . . . . . . . . . . . . . . . . . . . . . . . . . . . 11spa
dc.description.tableofcontents1.2.2. Inferencia Difusa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12spa
dc.description.tableofcontents1.2.2.1. Modelo Mamdani . . . . . . . . . . . . . . . . . . . . . . . . 13spa
dc.description.tableofcontents1.2.2.2. Inferencia TSK . . . . . . . . . . . . . . . . . . . . . . . . . . 13spa
dc.description.tableofcontents1.3. Modelo lingüístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13spa
dc.description.tableofcontents1.3.1. Modelo de Computación Lingüística Clásica . . . . . . . . . . . . . . 14spa
dc.description.tableofcontents1.3.1.1. Modelo de computación lingüística basado en funciones de membresía . . . . . . . . . . . . . . . . . . . . . . . . . . 14spa
dc.description.tableofcontents1.3.1.2. Modelo de computación lingüística simbólica . . . . . . . . 15spa
dc.description.tableofcontents1.3.2. Modelo lingüístico de 2 tuplas . . . . . . . . . . . . . . . . . . . . . . 15spa
dc.description.tableofcontents1.4. Distancia de Hamming . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15spa
dc.description.tableofcontents1.5. Prueba Saber PRO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16spa
dc.description.tableofcontents1.5.1. Puntaje por módulo y puntaje global . . . . . . . . . . . . . . . . . . . 17spa
dc.description.tableofcontents1.5.2. Percentil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17spa
dc.description.tableofcontents1.5.3. Nivel de desempeño . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18spa
dc.description.tableofcontents2. Antecedentes............................................................. 20spa
dc.description.tableofcontents3. Metodología........................................................................ 22spa
dc.description.tableofcontents3.1. Etapa 1: Datos de entrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23spa
dc.description.tableofcontents3.2. Etapa 2: Fusificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24spa
dc.description.tableofcontents3.3. Etapa 3: Inferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27spa
dc.description.tableofcontents3.4. Etapa 4: Defusificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31spa
dc.description.tableofcontents3.5. Etapa 5: Datos de salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31spa
dc.description.tableofcontents4. Resultados ..........................................................................................32spa
dc.description.tableofcontents4.1. Etapa 1: Datos de entrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32spa
dc.description.tableofcontents4.1.1. Biología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32spa
dc.description.tableofcontents4.1.2. Estadística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35spa
dc.description.tableofcontents4.1.3. Física . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37spa
dc.description.tableofcontents4.1.4. Geografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39spa
dc.description.tableofcontents4.1.5. Matemáticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41spa
dc.description.tableofcontents4.1.6. Química . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43spa
dc.description.tableofcontents4.1.7. Análisis estadístico global . . . . . . . . . . . . . . . . . . . . . . . . . 45spa
dc.description.tableofcontents4.2. Etapa 2: Fusificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47spa
dc.description.tableofcontents4.3. Etapa 3: Inferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52spa
dc.description.tableofcontents4.4. Etapa 4: Desuficación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57spa
dc.description.tableofcontents4.5. Etapa 5: Datos de Salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58spa
dc.description.tableofcontents4.6. Comparaciones entre modelo tradicional y el modelo lingüístico difuso. . . 60spa
dc.description.tableofcontentsConclusiones y Trabajo Futuro............................... 66spa
dc.description.tableofcontentsBibliografía............................................................ 69spa
dc.description.tableofcontentsApéndice.................................................... 72spa
dc.description.tableofcontentsA.1. Reglas Difusas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72spa
dc.description.tableofcontentsA.1.1. Figuras de superficies . . . . . . . . . . . . . . . . . . . . . . . . . . . 83spa
dc.description.tableofcontentsB.2. Código R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86spa
dc.description.tableofcontentsC.3. Código en MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89spa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad de Córdoba
dc.identifier.reponameRepositorio universidad de Córdoba
dc.identifier.repourlhttps://repositorio.unicordoba.edu.co
dc.identifier.urihttps://repositorio.unicordoba.edu.co/handle/ucordoba/8278
dc.language.isospa
dc.publisherUniversidad de Córdoba
dc.publisher.facultyFacultad de Ciencias Básicas
dc.publisher.placeMontería, Córdoba Colombia
dc.publisher.programEstadística
dc.relation.referencesArroyo, B. (2015). La lógica difusa como herramienta de evaluación en el sector universi tario. Alteridad, 10(1), 132–145
dc.relation.referencesChen, C.-T., y Chiu, Y.-T. (2021). A study of dynamic fuzzy cognitive map model with group consensus based on linguistic variables. Technological Forecasting and Social Chan ge, 171, 120948.
dc.relation.referencesEscamilla, P. (s.f.). Nuevo método para realizar el proceso de defuzzificación en controla dores difusos
dc.relation.referencesGarcía Villegas, A. (2022). Números triangulares difusos como herramienta para la esti mación de costos asociados a insumos médicos.
dc.relation.referencesGarizabalo Dávila, C. M. (2012). Estilos de aprendizaje en estudiantes de enfermería y su relación con el desempeño en las pruebas saber pro.
dc.relation.referencesGonzález, C. (2015). Lógica difusa una introducción práctica, técnicas de soft computing.
dc.relation.referencesHenriquez, L. (2014). Probabilidad y estadística desde una perspectiva difusa (Inf. Téc.). Uni versidad central de Venezuela, Maracay.
dc.relation.referencesHuapaya, C. R., Lizarralde, F. A., y Arona, G. M. (2012, 00). Modelo basado en LÃDifusa para el DiagnÃCognitivo del Estudiante. FormaciÃuniversitaria, 5, 13 - 20.
dc.relation.referencesICFES. (2015). Guía para la interpretación del reporte de resultados en saber pro.
dc.relation.referencesICFES. (2016). Nuevos reportes saber pro y saber t y t.
dc.relation.referencesJeffrey, S. (2009). Distancias de hamming para conjugados. Matemáticas Discretas, 309, 4197–4189.
dc.relation.referencesKacprzyk, L. A., Janusz y Zadeh. (1999). Computación con palabras en sistemas de informa ción/inteligentes (Physica-Verlag, Ed.)
dc.relation.referencesLlorente Espitia, D. E. (2022). Uso de los índices de capacidad fuzzy como estrategia para evaluar los resultados de la prueba saber pro de los programas de pregrado de la facultad de ciencias básicas de la universidad de córdoba (Inf. Téc.). Universidad de Cordoba.
dc.relation.referencesMullisaca Choque, C., Figueroa Soliz, A., y cols. (2008). Lógica difusa aplicada al proceso de evaluación del aprendizaje relacionado al rendimiento académico de los estudiantes del primer curso de la carrera de informática (umsa) (Tesis Doctoral no publicada).
dc.relation.referencesOlivares, J. E. P. (1996). Modelo de análisis de correspondencias múltiples. Revista de ciencias sociales, 2(2), 183–196.
dc.relation.referencesOrlem, L., Santiago, S., Taboada, R., Follmann, N., y Moya Rodríguez, J. (2015, 11). Appli cations of fuzzy logic for determining the internal logistics index of a firm. aplicaciones de la lógica difusa para determinar el Índice de logística interna de una empresa..
dc.relation.referencesPattanaik, S., y Harichandan, S. (2017). Sociological foundation of education. sociology and education.
dc.relation.referencesPérez Cantó, J. C. (2007). Un algoritmo fuzzy para la selección de personal basado en agregación de competencias.
dc.relation.referencesPérez, I., y Melero, R. (2006). Evaluación de aspirantes a docentes en la facultad de inge niería de la universidad del valle del momboy mediante un modelo difuso de soporte de decisiones. Telos, 8(3), 454–474.
dc.relation.referencesRodríguez, R. M., Álvaro Labella, y Martínez, L. (2016). An overview on fuzzy modelling of complex linguistic preferences in decision making. International Journal of Compu tational Intelligence Systems, 9(sup1), 81-94
dc.rightsCopyright Universidad de Córdoba, 2024
dc.rights.accessrightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_f1cf
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.keywordsFuzzy logic
dc.subject.keywordsSaber Pro tests
dc.subject.keywordsLinguistic labels
dc.subject.keywordsLinguistic model
dc.subject.keywordsGeneric Competencies
dc.subject.proposalLógica difusa
dc.subject.proposalPruebas Saber Pro
dc.subject.proposalEtiquetas lingüísticas
dc.subject.proposalModelo lingüístico
dc.subject.proposalCompetencias Genéricas
dc.titleUso de etiquetas lingüísticas en la evaluación de desempeño de los programas académicos en el examen de estado Saber Pro.spa
dc.typeTrabajo de grado - Pregrado
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 2 de 2
No hay miniatura disponible
Nombre:
GARCÍA MONTES MARÍA JOSÉ.pdf
Tamaño:
942.18 KB
Formato:
Adobe Portable Document Format
Descargar
No hay miniatura disponible
Nombre:
Formato_Autorización.pdf
Tamaño:
958.9 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
15.18 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
B.D.A. Trabajos de Investigación y/o Extensión