Resumen

En Septiembre de 1998, la Universidad de Los Andes inició un experimento de Educación Interactiva a Distancia por intermedio de su Postgrado en Computación. 20 años después, con más de un centenar de MSc egresados y egresadas de toda la geografía nacional y de los países vecinos, y en medio de una muy difícil situación económica, nos disponemos a evaluar ese experimento, revisando las estadísticas de las calificaciones de estudiantes presenciales y a distancia en uno de sus cursos: Lógica Computacional. los resultados que se muestran, con significación estadística solo posible luego de acumular un número suficiente de datos durante dos décadas, ofrecen una respuesta poco sorpresiva pero también halagadora: Es posible cumplir con los objetivos de aprendizaje de un curso de postgrado prescindiendo total o parcialmente de la presencia en el aula tradicional.

Palabras Claves: Educación interactiva a distancia.

Introducción

En Septiembre de 1998, la Universidad de Los Andes inició un experimento de Educación Interactiva a Distancia por intermedio de su Postgrado en Computación[1]. El objetivo de ese experimento era explorar el alcance y efecto de las tecnologías de la información en la práctica educativa y en las circunstancias de esta universidad, con una pequeña ciudad por dentro, en medio de la cordillera andina con su escarpado relieve y difícil acceso y lejos de los centros industriales y políticos tradicionales del país. El proyecto había sido evaluado y considerado por diversas instancias e inclusive criticado por su orientación a las empresas[2].

20 años después, con más de un centenar de MSc egresados y egresadas de toda la geografía nacional y de los países vecinos, y en medio de una muy difícil situación económica, nos disponemos a evaluar ese experimento[3] y todas las experiencias asociadas a la generación y difusión del conocimiento en esta Escuela de Computación. Para ello, apelaremos al diseño original del experimento[4] que pretendió “validar los mecanismos y plataformas instruccionales en nuestras circunstancias”, los cuáles implicaban en forma crucial “Una metodología instruccional que permita al estudiante aprovechar la información que recibe y cumplir con los objetivos de aprendizaje de cada asignatura”. Pero, además, queremos invocar los criterios pedagógicos, tecnológicos y de la nueva educación que se han discutido en los años posteriores al lanzamiento del experimento. En particular, los criterios de pertinencia y relevancia territorial para la educación a distancia y la nueva conciencia sobre la educación abierta que aun pugna por surgir.

Aquella metodología, adaptada a su cátedra por cada profesor o profesora participante en el experimento, incluyó un diseño estratégico que conduciría a resultados objetivables, algunos de los cuáles ya han venido siendo presentados[5]. Por ejemplo, el curso de lógica computacional[6] fue diseñado y realizado de forma tal que:

1.- Los grupos presenciales se convirtieron en grupos de control del experimento interactivo a distancia.

2.- La evaluación ha sido siempre presencial y la misma para ambos grupos.

3.- Las clases presenciales han sido grabadas y todos los videos[7] se ofrece a todos los participantes oportunamente.

4.- Una bitácora[8] de cada clase resume los contenidos tratados en cada semana a propósito de las clases presenciales y marcando el ritmo para los distantes.

5.- Un compromiso de interacción frecuente (una semana máximo para que el facilitador responda cualquier mensaje) se dispuso y se ha cumplido estrictamente. Compromiso verificable en buena medida, gracias a los registros de las interacciones que permiten los medios informáticos.

6.- Un compromiso de versatilidad en la interacción también fue dispuesto y cumplido a cabalidad con A) Presencia web permanente de todos los contenidos instruccionales a ser usados en el curso; B) Correo electrónico activo permanentemente; C) Atención telefónico garantizada en horarios regulares; D) Acceso via fax o correo electrónico para manuscritos capturados por scanner; E) Software de apoyo totalmente libre y perfectamente adecuado al curso.

Al evaluar sistemáticamente la efectividad de tal metodología, los resultados que se muestran, con posible significación estadística solo posible luego de acumular un número suficiente de datos durante dos décadas, ofrecen una respuesta poco sorpresiva pero también halagadora: Es posible cumplir con los objetivos de aprendizaje de un curso prescindiendo total o parcialmente de la presencia en el aula tradicional.

Esa es la primer interpretación de los estudios estadísticos que se presentan a continuación, con los datos actualizados hasta el 2017. Se completaron hasta entonces, 23 realizaciones del curso, para un total de 168 estudiantes participantes, 79 presenciales y 89 interactuando a distancia. Los cursos fueron también ofrecidos a estudiantes de otros postgrados, pero se reseñan exclusivamente los estudiantes del postgrado en computación con un perfil profesional y habilidades básicas frente al computador similares.

Procesamiento de datos y Resultados

Para facilitar la evaluación, mostramos el procesamiento realizado a los datos y los resultados generados por la suite estadística R.

Primero, leemos los datos y examinamos brevemente su contenido:

datos = read.csv("datalogicaMod2.csv")
summary(datos)
##        ID            Semestre      Curso             A     
##  Min.   :  1.00   B2004  :22   Min.   : 1.00   2004   :22  
##  1st Qu.: 42.75   B2005  :14   1st Qu.: 8.00   2005   :14  
##  Median : 84.50   A1999  :13   Median :12.00   1999   :13  
##  Mean   : 84.50   A2007  :13   Mean   :12.01   2007   :13  
##  3rd Qu.:126.25   B2009  :13   3rd Qu.:17.00   2009   :13  
##  Max.   :168.00   B2015  :11   Max.   :23.00   2015   :11  
##                   (Other):82                   (Other):82  
##       Nota            Modalidad 
##  Min.   : 0.00   Distancia :89  
##  1st Qu.:10.75   Presencial:79  
##  Median :13.00                  
##  Mean   :12.47                  
##  3rd Qu.:15.00                  
##  Max.   :20.00                  
##

Ahora separemos los datos en los dos grupos y veamos como difieren sus estadísticos básicos:

distancia = datos$Nota[datos$Modalidad=="Distancia"]
presencial = datos$Nota[datos$Modalidad=="Presencial"]
dist.sum=c(summary(distancia),Sdev=sd(distancia))
pres.sum=c(summary(presencial),Sdev=sd(presencial))
resumen=rbind(dist.sum,pres.sum)
rownames(resumen)=c("distancia","presencial")
#print(xtable::xtable(resumen),type="html",html.table.attributes = "border=0")
stargazer::stargazer(resumen, type = "html")

Min.

1st Qu.

Median

Mean

3rd Qu.

Max.

Sdev

distancia

0

10

13

11.843

14

20

4.332

presencial

0

11

14

13.177

15

19

3.675

Parece que la mediana y la media de los datos presenciales es un poco superior a la de distancia, pero la variabilidad de las notas a distancia también es mayor. El simple gráfico de caja ilustra estas diferencias de la mejor manera:

boxplot(Nota~Modalidad,datos,main="Notas de Lógica")

Más bonito:

library(ggplot2)
library(plyr)
# The above adds a redundant legend. With the legend removed:
ggplot(datos, aes(x=Modalidad, y=Nota, fill=Modalidad)) + geom_boxplot() +
  guides(fill=FALSE)

Podemos hacer una prueba estadística para verificar si la diferencia de medias o medianas es o no 0. La hipótesis nula es que la diferencia es 0. La alternativa que la diferencia es diferente de 0.

t.test(distancia,presencial)
## 
##  Welch Two Sample t-test
## 
## data:  distancia and presencial
## t = -2.1596, df = 165.67, p-value = 0.03225
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -2.5546095 -0.1144277
## sample estimates:
## mean of x mean of y 
##  11.84270  13.17722

El valor p es de 0.03225 indica que las diferencias entre las dos modalidades son estadisticamente significativas pero no mucho. Si se escoge \(\alpha\) como 0.05 (95% confianza), el nivel de significancia usual en estadística, se rechaza la hipótesis nula, es decir, hay evidencia de que las dos medias difieren. Sin embargo, si se escoge \(\alpha\) = 0.01 (99% de confianza), H0 no se puede rechazar y se concluye que la diferencia entre las medias no es significativa estadísticamente.

No hay ninguna diferencia en esta conclusion si usamos una prueba no paramétrica:

wilcox.test(distancia,presencial)
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  distancia and presencial
## W = 2850.5, p-value = 0.03379
## alternative hypothesis: true location shift is not equal to 0

Otras formas de visualizar las diferencias pueden ser útiles. Por ejemplo, veamos los histogramas solapados de los datos con la media:

cdat <- ddply(datos, "Modalidad", summarise, Nota.mean=mean(Nota))
ggplot(datos, aes(x=Nota, fill=Modalidad)) +
  geom_histogram(binwidth=.5, alpha=.5, position="dodge") +
  geom_vline(data=cdat, aes(xintercept=Nota.mean,  colour=Modalidad),
             linetype="dashed", size=1)

Histogramas separados por cada modalidad:

# With mean lines, using cdat from above
ggplot(datos, aes(x=Nota)) + geom_histogram(binwidth=.5, colour="black", fill="white") + 
  facet_grid(Modalidad ~ .) +
  geom_vline(data=cdat, aes(xintercept=Nota.mean),
             linetype="dashed", size=1, colour="red")

Además de la diferencia en promedios, algo que se evidencia de estos gráficos es que hay un poco más de aplazados en la modalidad a distancia que en la presencial. ¿Cuál es el porcentaje de estudiantes aplazados de cada modalidad?

reprobados=datos[datos$Nota < 10,]
#(length(reprobados$Nota)/length(datos$Nota))*100
repro.presencial = reprobados$Nota[reprobados$Modalidad=="Presencial"]
#repro.presencial
por.presencial=(length(repro.presencial)/length(datos$Nota))*100
#por.presencial
repro.distancia =reprobados$Nota[reprobados$Modalidad=="Distancia"]
#repro.distancia
por.distancia=(length(repro.distancia)/length(datos$Nota))*100
#por.distancia
aplazados=rbind(por.distancia,por.presencial)
#names(aplazados)
rownames(aplazados)=c("distancia","presencial")
colnames(aplazados)=c("porcentaje")
stargazer::stargazer(aplazados,type="html")

porcentaje

distancia

8.333

presencial

4.167

Aunque los números son pequeños, el porcentaje de aplazados en la modalidad distancia duplica el número de aplazados en la modalidad presencial. Veamos que pasa con las estadísticas básicas si se excluyen los aplazados del análisis anterior:

aprobados10=datos[datos$Nota >= 10,]
presencial10 = aprobados10$Nota[aprobados10$Modalidad=="Presencial"]
#summary(presencial10)
#sd(presencial10)
distancia10 = aprobados10$Nota[aprobados10$Modalidad=="Distancia"]
#summary(distancia10)
#sd(distancia10)
dist10.sum=c(summary(distancia10),Sdev=sd(distancia10))
pres10.sum=c(summary(presencial10),Sdev=sd(presencial10))
resumen10=rbind(dist10.sum,pres10.sum)
rownames(resumen10)=c("distancia","presencial")
stargazer::stargazer(resumen10,type="html")

Min.

1st Qu.

Median

Mean

3rd Qu.

Max.

Sdev

distancia

10

11.500

13

13.333

15

20

2.457

presencial

10

12

14

13.986

16

19

2.565

El resultado es interesante. Cuando se omiten los estudiantes aplazados, las diferencias entre los dos grupos se hacen menores. De hecho, ahora no hay evidencia estadísticamente significativa de que el promedio de notas de las dos modalidades sea diferente:

t.test(distancia10,presencial10)
## 
##  Welch Two Sample t-test
## 
## data:  distancia10 and presencial10
## t = -1.5748, df = 143.98, p-value = 0.1175
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -1.4721194  0.1665638
## sample estimates:
## mean of x mean of y 
##  13.33333  13.98611

Graficamos de nuevo omitiendo los estudiantes aplazados. De nuevo pero graficando solo los aprobados:

# The above adds a redundant legend. With the legend removed:
ggplot(aprobados10, aes(x=Modalidad, y=Nota, fill=Modalidad)) + geom_boxplot() +
  guides(fill=FALSE)

cdat <- ddply(aprobados10, "Modalidad", summarise, Nota.mean=mean(Nota))
ggplot(aprobados10, aes(x=Nota, fill=Modalidad)) +
  geom_histogram(binwidth=.5, alpha=.5, position="dodge") +
  geom_vline(data=cdat, aes(xintercept=Nota.mean,  colour=Modalidad),
             linetype="dashed", size=1)

ggplot(aprobados10, aes(x=Nota)) + geom_histogram(binwidth=.5, colour="black", fill="white") + 
  facet_grid(Modalidad ~ .) +
  geom_vline(data=cdat, aes(xintercept=Nota.mean),
             linetype="dashed", size=1, colour="red")

En efecto, ahora las distribuciones de las dos modalidades son mucho más parecidas.

Análisis estadístico

Conclusiones

La conclusión fundamental es que es posible alcanzar el mismo nivel de aprendizaje en tecnologías de la información, TI, con la educación interactiva a distancia que el que se obtiene con la educación tradicional (de cuarto nivel). Es, desde luego, una conclusión que puede reclamar validez en un contexto y con una condiciones particulares. Sin embargo, las condiciones de funcionamiento de la educación a distancia desde una institución pública en la provincia venezolana alejada de la capital y de otros grandes centros urbanos o industriales, sugieren que esta experiencia bien puede servir de referencia. Hay, desde luego, otros aspectos a estudiar como el papel de los docentes y la influencia de nuevas tecnologías todavía más intrusivas. Pero el trabajo hasta este punto ofrece razones históricas (y estadísticas) para confiar en las nuevas modalidades de gestión curricular con cierto nivel de compromiso de interacción a distancia.

Referencias

[1]http://www.pgcomp.ula.ve/ Postgrado en Computación de la Universidad de Los Andes

[2]http://infolac2.ucol.mx/boletin/11_4.pdf Empresarios cursan postgrados con programa virtual

de la Universidad de Los Andes (ULA). Venezuela. INFOLAC, Vol. 11, Nº 4, 1998, pg 36-37

[3]http://tatuytv.org/index.php/analisis-y-opinion/memoria-libre/3492-memoria-libre-educacion-interactiva-a-distancia Educación Interactiva a Distancia.

[4]http://webdelprofesor.ula.ve/ingenieria/jacinto/publica/1999/3ra_conf_latinoamerica_barquisimeto_1999-jacinto-davila.pdf Postgrado virtual y con orientación a productos. Memorias de la 3Era Conferencia Latinoamericana de Facultades y Escuelas de Ingeniería de Sistemas y Ciencias de las Computación. Barquisimeto, Venezuela. Abril, 1999.

[5]https://www.youtube.com/watch?v=OsAlhH5Voh0&feature=youtu.be Un Experimento de Educación a Distancia en Computación. II Encuentro de Experiencias e Investigación en Educación Universitaria a Distancia de la UPTM "Kléber Ramírez" Mérida – Julio 2015

[6]http://webdelprofesor.ula.ve/ingenieria/jacinto/logica/agentes-y-logica-computacional.html Curso de Agentes y Lógica Computacional.

[7]https://www.youtube.com/playlist?list=PLcL8RDzOxvIof5PJ-OSYnlopLeeYB35F- B2016:Lógica para Computación

[8]http://jacinto-davila.blogspot.com/ Bitácoras de Cursos de Lógica, Matemática y Computación.