Cogollo Flórez, MyladisGarcía Montes, María José2024-04-152025-04-112024-04-152024-04-15https://repositorio.unicordoba.edu.co/handle/ucordoba/8278El 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.The 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.Resumen IAgradecimientos VIntroducción............. 11. Marco Teórico............. 51.1. Fundamentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51.1.1. Análisis de correspondencia múltiple (ACM) . . . . . . . . . . . . . . 51.1.2. Lógica difusa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61.1.3. Conjuntos clásicos y difusos . . . . . . . . . . . . . . . . . . . . . . . 71.1.3.1. α- Cortes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81.1.4. Números difusos tradicionales . . . . . . . . . . . . . . . . . . . . . . 81.2. Aproximación lingüística difusa . . . . . . . . . . . . . . . . . . . . . . . . . 111.2.1. Variables Lingüísticas . . . . . . . . . . . . . . . . . . . . . . . . . . . 111.2.2. Inferencia Difusa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121.2.2.1. Modelo Mamdani . . . . . . . . . . . . . . . . . . . . . . . . 131.2.2.2. Inferencia TSK . . . . . . . . . . . . . . . . . . . . . . . . . . 131.3. Modelo lingüístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131.3.1. Modelo de Computación Lingüística Clásica . . . . . . . . . . . . . . 141.3.1.1. Modelo de computación lingüística basado en funciones de membresía . . . . . . . . . . . . . . . . . . . . . . . . . . 141.3.1.2. Modelo de computación lingüística simbólica . . . . . . . . 151.3.2. Modelo lingüístico de 2 tuplas . . . . . . . . . . . . . . . . . . . . . . 151.4. Distancia de Hamming . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151.5. Prueba Saber PRO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161.5.1. Puntaje por módulo y puntaje global . . . . . . . . . . . . . . . . . . . 171.5.2. Percentil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171.5.3. Nivel de desempeño . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182. Antecedentes............................................................. 203. Metodología........................................................................ 223.1. Etapa 1: Datos de entrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233.2. Etapa 2: Fusificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243.3. Etapa 3: Inferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273.4. Etapa 4: Defusificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313.5. Etapa 5: Datos de salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314. Resultados ..........................................................................................324.1. Etapa 1: Datos de entrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324.1.1. Biología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324.1.2. Estadística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354.1.3. Física . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374.1.4. Geografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 394.1.5. Matemáticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414.1.6. Química . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 434.1.7. Análisis estadístico global . . . . . . . . . . . . . . . . . . . . . . . . . 454.2. Etapa 2: Fusificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 474.3. Etapa 3: Inferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524.4. Etapa 4: Desuficación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 574.5. Etapa 5: Datos de Salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 584.6. Comparaciones entre modelo tradicional y el modelo lingüístico difuso. . . 60Conclusiones y Trabajo Futuro............................... 66Bibliografía............................................................ 69Apéndice.................................................... 72A.1. Reglas Difusas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72A.1.1. Figuras de superficies . . . . . . . . . . . . . . . . . . . . . . . . . . . 83B.2. Código R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86C.3. Código en MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89application/pdfspaCopyright Universidad de Córdoba, 2024Trabajo de grado - PregradoAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/embargoedAccessLógica difusaPruebas Saber ProEtiquetas lingüísticasModelo lingüísticoCompetencias GenéricasFuzzy logicSaber Pro testsLinguistic labelsLinguistic modelGeneric CompetenciesUniversidad de CórdobaRepositorio universidad de Córdobahttps://repositorio.unicordoba.edu.cohttp://purl.org/coar/access_right/c_f1cf