Mostrando entradas con la etiqueta Innovación docente. Mostrar todas las entradas
Mostrando entradas con la etiqueta Innovación docente. Mostrar todas las entradas

miércoles, 8 de septiembre de 2010

Revistas relacionadas con Producción de Materias Primas

Este año he empezado a impartir una asignatura nueva en el nuevo grado de Ciencia y Tecnología de los Alimentos titulada Producción de Materias Primas. Como este es un tema relativamente nuevo para mi, estoy investigando qué revistas científicas publican cosas interesantes en el área de agricultura y alimentación. He aquí un primer listado (se agradecerán nuevas aportaciones) de revistas que pueden ser de interés en la materia:
También es muy interesante el Food Reviews, publicado por el Economic Research Service del Departamento de Agricultura de los Estados Unidos.

miércoles, 13 de mayo de 2009

Curso de análisis de datos en R - Sesión 5

Técnicas de análisis de datos multivariantes

En esta clase aprenderemos a manejar distintas técnicas multivariantes en R, como análisis de componentes principales (PCA), análisis de ordenación o análisis de la varianza multivariante (solamente los árboles de regresión y clasificación no serían considerados como una técnica multivariante). El listado completo de técnicas está enumerado a continuación:
  1. Análisis de componentes principales
  2. Análisis de la varianza multivariado (MANOVA)
  3. Escalamiento multidimensional no métrico (NMDS)
  4. Análisis de correspondencias canónico (CCA)
  5. Árboles de regresión y clasificación (CART)
La clase se dividirá en grupos. Cada grupo deberá elegir una técnica determinada, leer la documentación sobre lo que esa técnica hace e imaginar situaciones en sus respectivos campos de investigación en las que el uso de esta técnica podría ser de utilidad. Toda esta información está disponible en una wiki. Una wiki es una herramienta que nos permite trabajar de forma colaborativa on-line.

Una vez leída la documentación, cada grupo deberá aplicar dicha técnica a la resolución de un caso de estudio. Para ello, tendrá que escribir el código necesario que permitirá implementar esa función en R con los datos provistos en el ejemplo. Esto llevará aproximadamente la primera mitad de la clase. En la segunda mitad de la clase, cada grupo explicará a sus compañeros los fundamentos básicos de esa técnica y mostrará su implementación en R.

lunes, 11 de mayo de 2009

Curso de análisis de datos en R - Sesión 4

Modelos Lineales Generalizados (GLM)

Los modelos lineales (regresión, ANOVA, ANCOVA) se basan en los siguientes supuestos:
  • los errores se distribuyen normalmente;
  • la varianza es constante; y
  • la variable respuesta se relaciona linealmente con la(s) variable(s) independiente(s).
En muchas ocasiones, sin embargo, nos encontramos con que uno o varios de estos supuestos no se cumplen. Por ejemplo, es muy común en ecología que a medida que aumenta la media de la muestra, aumente también su varianza. Estos problemas se pueden llegar a solucionar mediante la transformación de la variable respuesta (por ejemplo tomando logaritmos). Sin embargo estas transformaciones no siempre consiguen corregir la falta de normalidad, la heterocedasticidad (varianza no constante) o la no linealidad de nuestros datos. Además resulta muchas veces difícil interpretar los resultados obtenidos. Si decimos que la abundancia de pino silvestre es función de la elevación tenemos una idea más o menos clara de lo que esto puede significar. Si la relación es positiva, un aumento de la elevación aumentaría la abundancia de esta especie. Pero ¿qué quiere decir que el logaritmo de la abundancia de pino silvestre es función de la elevación? Esto ya no es tan intuitivo. La cosa se complica aún más cuando utilizamos otro tipo de transformaciones, como las exponenciales, las potencias, etc. Una alternativa a la transformación de la variable respuesta y a la falta de normalidad es el uso de los modelos lineales generalizados.

Los modelos lineales generalizados (GLM de las siglas en inglés de Generalized Linear Models) son una extensión de los modelos lineales que permiten utilizar distribuciones no normales de los errores (binomiales, Poisson, gamma, etc.) y varianzas no constantes.
Ciertos tipos de variables respuesta sufren invariablemente la violación de estos dos supuestos de los modelos normales y los GLM ofrecen una buena alternativa para tratarlos. Específicamente, podemos considerar utilizar GLM cuando la variable respuesta es:
  • un conteo de casos (p.e. abundancia de una planta);
  • un conteo de casos expresados como proporciones (p.e. porcentaje de plántulas muertas en un experimento de vivero);
  • una respuesta binaria (p.e. vivo o muerto, hombre o mujer).

lunes, 4 de mayo de 2009

Curso de análisis de datos en R - Sesión 3

Modelos lineales en R: Regresión, ANOVA y ANCOVA

¿Qué es una regresión? ¿Y un ANOVA? ¿Cuál es la principal diferencia entre ambos? ¿Qué supuestos estadísticos debemos asumir cuando llevemos a cabo este tipo de análisis? Estas y otras preguntas son críticas en la aplicación de modelos lineales a la resolución de problemas estadísticos.

En esta sesión se analizan distintos casos de estudio mediante el uso de modelos lineales y se explica cómo evaluar los supuestos de dichos modelos, cómo solucionar problemas de colinealidad y cómo estandarizar las variables para poder comparar los coeficientes del modelo resultante.

Los pasos a seguir para ajustar un modelo lineal (y prácticamente casi cualquier otro modelo estadístico paramétrico) se resumen en la siguiente figura.


En esta sesión se verán los siguientes contenidos:
  1. Conceptos estadísticos básicos: ANOVA y regresión
  2. Cosas importantes antes de empezar
  3. Cómo ajustar un modelo lineal en R
    1. Un ejemplo de regresión
    2. Un ejemplo de ANOVA
    3. Un ejemplo de ANCOVA
    4. Interacción entre factores o factores y co-variables
  4. Evaluación de los supuestos del modelo: Exploración de los residuos
  5. Problemas de colinealidad: Reducción de variables
  6. Estandarización de coeficientes

viernes, 1 de mayo de 2009

Curso de análisis de datos en R - Sesión 2

Gráficos en R

R ofrece una increíble variedad de gráficos. Para tener una idea, escribe el comando demo(graphics). Cada función gráfica en R tiene un enorme número de opciones permitiendo una gran flexibilidad en la producción de gráficos y el uso de cualquier otro paquete gráfico palidece en comparación. Al contrario que con funciones estadísticas, el resultado de una función gráfica no puede ser asignado a un objeto sino que es enviado a un dispositivo gráfico. Un dispositivo gráfico es una ventana gráfica o un archivo.

Existen dos tipos fundamentales de funciones gráficas: las funciones gráficas de alto nivel que crean una nueva gráfica y las funciones gráficas de bajo nivel que agregan elementos a una gráfica ya existente. Las gráficas se producen con respecto a parámetros gráficos que están definidos por defecto y pueden ser modificados con la función par().

A lo largo de esta sesión el alumno aprenderá a manejar gráficos y dispositivos gráficos en R. También se verá en detalle algunas funciones gráficas y sus parámetros, ejemplos prácticos del uso de estas funciones en la producción de gráficos y la descripción de los distintos paquetes que las contienen. Los contenidos concretos se detallan a continuación:
  1. Conceptos básicos
  2. La organización de R
    1. Tipos de sistemas gráficos
    2. Formato de gráficos
  3. Gráficos tradicionales
    1. El paquete graphics
    2. Funciones de alto nivel: representación de una o dos variables
    3. Funciones de alto nivel: representación de múltiples variables
    4. Funciones de bajo nivel
    5. Cómo personalizar un gráfico
  4. Los paquetes grid y lattice

domingo, 26 de abril de 2009

Curso de análisis de datos en R - Sesión 1

Una introducción a R

R es un lenguaje orientado a objetos. Aunque existen algunas interfaces gráficas para R como Rcommander, es muy recomendable aprender R como un lenguaje en vez de tratarlo como un programa estadístico convencional. Como ambiente de trabajo, R ofrece una serie de ventajas:
  • Sus posibilidades gráficas son excelentes
  • Es muy flexible. Los procedimientos estadísticos estándar se pueden aplicar con sólo utilizar el comando apropiado. Además, existen multitud de librerías (a los que llamaremos paquetes de ahora en adelante) programadas por los usuarios de todo el mundo para llevar a cabo procedimientos específicos.
  • Es libre. Libre no quiere decir gratuito (aunque R también lo es). Libre significa que podemos acceder al código escrito por otros usuarios y modificarlo libremente. A pesar de que R viene sin garantía alguna (al iniciar la sesión de R saldrá la siguiente advertencia “R is free software and comes with ABSOLUTELY NO WARRANTY”), la mayor parte del código de R, o por lo menos, el código más comúnmente utilizado por los usuarios, ha sido meticulosamente supervisado por estadísticos y académicos de mucho prestigio de todo el mundo (el llamado “R Core team”).
  • Podemos además programar nuestras propios procedimientos y aplicaciones
  • En la misma página desde la que se puede bajar el programa, existe abundante documentación sobre cómo utilizarlo
  • Es gratuito.

Esta documentación forma parte del Curso de Doctorado de Análisis de Datos Ecológicos en R, que se impartirá entre el 5 y el 13 de mayo de 2009 en el Departamento de Ecología de la Universidad de Alcalá. La primera sesión constituye una introducción somera a R, en dónde el alumno podrá explorar los conceptos más básicos del manejo de esta herramienta, desde la instalación del software a la manipulación de datos y la programación de funciones sencillas. La documentación para esta primera sesión se puede descargar aquí. El índice de contenidos se detalla a continuación:
  1. ¿ Qué es R?
  2. ¿Cómo instalar R?
  3. CRAN y paquetes
  4. Tipos de objetos en R y la función str()
  5. Funciones y argumentos
  6. El menú de ayuda: Aprendiendo a ser autosuficientes
  7. Como leer datos en R
  8. Recomendaciones para organizar una sesión de trabajo
  9. Funciones básicas para la manipulación de datos
  10. Como repetir un procedimiento con el comando for()
  11. Citando R en los trabajos científicos
  12. Referencias

viernes, 14 de marzo de 2008

Wikis y Blogs... ¿Nuevas tecnologías al servicio de la docencia?

Sentado enfrente de mi ordenador intento escribir algo sobre Wikis y Blogs… ¿qué puedo decir? Wikis, Blogs, Podcasts, Flickrs, Facebooks y un sinfín de herramientas accesibles en la red acaban por abrumar al humilde usuario de la amplia oferta tecnológica que inunda nuestra bien llamada sociedad del conocimiento. He de reconocer que, en principio, tenía una actitud escéptica ante la validez de este tipo de herramientas como facilitadores del proceso de enseñanza-aprendizaje. Sin embargo, según me voy familiarizando con ellas, empiezo a ver el potencial que pueden tener como recurso docente.

Buscando documentación en la red encontré
este video, producido por Michael Wesch de la Universidad de Kansas, que muestra la visión de doscientos estudiantes sobre la educación actual: cómo aprenden, qué necesitan aprender, sus expectativas, esperanzas y sueños, lo qué esperan de la vida..
. Es realmente interesante descubrir el verdadero papel qué juega la tecnología en la vida de los estudiantes, y demuestra cómo ésta puede llegar a ser un canalizador de recursos docentes en potencia.

Es importante, sin embargo, que no perdamos el norte. Los cambios que se deben experimentar en las aulas y, en particular, los cambios referidos al proceso de enseñanza-aprendizaje, no pueden ni deben estar condicionados por la tecnología. Es muchas veces tentador realizar un cambio en las formas de enseñar, sin pararnos muchas veces a reflexionar qué cambios subyacentes se están experimentando, si es que alguno, en nuestra manera de enseñar. En este sentido y habiendo reflexionado previamente sobre qué cambios "de fondo" queremos llevar a cabo en nuestra práctica docente, las Wikis y los Blogs pueden ser una vía a explorar para facilitar este proceso. Pero ¿de qué manera pueden facilitarlo?

En primer lugar, las Wikis permiten una construcción del aprendizaje colectiva y secuencial. El que sea secuencial permite además que los docentes podamos evaluar todo el proceso de construcción del aprendizaje de principio a fin. Las Wikis no sólo pueden ser utilizadas en enseñanza, sino también en investigación para trabajar de manera colaborativa construyendo un aprendizaje conjunto. El ejemplo de Wiki posiblemente más conocido es la Wikipedia, una enciclopedia de contenido libre que todo el mundo puede editar. Para trabajar en nuestro grupo de innovación docente también hemos creado una Wiki (Wiki Euler), en donde ya estamos editando contenidos y trabajando de manera conjunta en la edición de documentos sin necesidad de tener que reunirnos o utilizar tediosas listas de distribución de correo.

Los Blogs, por su parte, pueden servir para construir un aprendizaje reflexivo individual. La ventaja de publicar este pensamiento en un "diario on-line" es que se puede dinamizar y re-construir el aprendizaje mediante la crítica constructiva de los contenidos que se coloquen en el Blog. Al obligarnos a reflexionar de cara al público, nos estamos obligando también a dotar nuestras opiniones de una estructura formal más sólida y, sobretodo, más meditada. Es una herramienta con gran potencial que ofrece algo a lo que no estamos acostumbrados en la vorágine de nuestro día a día: la reflexión.

Wikis y Blogs pueden por tanto colocarse al servicio de la docencia. Sin embargo, en el contexto de nuestras aulas es posible que el uso de estas tecnologías se encuentre con algunos obstáculos. En primer lugar, es fácil que con la estructura actual sobrecargada de los planes de estudio los alumnos no lleguen a centrarse o identificarse con una materia en concreto y, por tanto, no lleguen a involucrarse demasiado con este tipo de actividades de desarrollo autónomo. En segundo lugar, sería beneficioso un cambio social y cultural mucho más profundo, que conduzca a un sistema en el que disponer de un título universitario no sea una condición imprescindible para obtener un trabajo. La consecuencia de esto sería obvia: alumnos más motivados con las ideas claras, lo que ofrecería una mayor participación del alumnado y una mejor interacción entre los estudiantes y los docentes. Pero hasta que estos obstáculos se hayan superado, Wikis, Blogs y otras muchas herramientas pueden realmente ofrecer un canal de facilitación del proceso de aprendizaje que los docentes no debemos descartar.

Buscar entradas