Redatam

"Redatam es el acrónimo de REcuperación de DATos para Áreas pequeñas por Microcomputador. Redatam+SP (abreviado R+SP), la última versión en homenaje a su creador Serge Poulard y originalmente lanzado como Redatam+G4 (R+G4), es la cuarta generación del software, que puede ser usada en español, inglés o portugués, con Microsoft Windows 9x, NT4, 2000 y superiores, en cualquier microcomputador compatible con IBM (winR+ v.1.2 es la versión previa, que opera también con Windows 3.1)..."

Enlace de información: http://www.cepal.org/cgi-bin/getProd.asp?xml=/redatam/noticias/paginas/3/7343/P7343.xml&xsl=/redatam/tpl/p18f.xsl&base=/redatam/tpl/top-bottom.xslt

Página oficial: www.redatam.org

Descarga de instaladores: http://celade.cepal.org/cdr/setup/

Instalación de la versión 7

Archivo de instalación

Seleccionar los componentes

• Módulo Red7 Admin: Exportación de sub-bases
• Módulo Red7 Create: Pasar desde el ambiente de desarrollo (oracle, spss, stata, etc.) a formato redatam.
• Módulo Red7 Process: Procesador estadístico
• Módulo New Miranda: Última versión - demo de procesamiento

Usando redatam process

Al ejecutar el programa tenemos

Para cambiar la configuración de idioma, nos vamos a preferencias y ejecutamos los siguiente

Tipos de archivos:
.ptr: viene de puntero, conexión que existe en un nivel de salida y otra. La entidad
.rbf: archivos binarios de datos en formato de data
.dic: se pone las definiciones entre las relación de entidades y punteros, codificación de variables con el significado.

Estilos de aprendizaje y el ABP-MOOC: Diseño de proyectos educativos innovadores con TIC

El entorno de la enseñanza y el aprendizaje están totalmente relacionados, por lo tanto, se debe considerar los diferentes estilos de aprendizaje para que la estrategia de enseñanza sea aprovechada por los estudiantes.

Entre los diferentes estilos de aprendizaje encontramos los siguientes modelos:

1)     Cuadrantes cerebrales de Herrmann, se representa cuatro formas distintas de operar, pensar, crear y aprender. En cada cuadrante se localiza el experto (cortical izquierdo), el organizador (límbico izquierdo), el comunicador (límbico derecho), el estratega (cortical derecho).

2)     Felder y Silverman, se clasifican a partir de cinco dimensiones: sensitivos-intuitivos, visuales-verbales, inductivos-deductivos, secuenciales-globales y activos-reflexivos.

3)     Programación Neurolingüística de Bandler y Grinder, conocido también como visual-auditivo-kinestésico (VAK), de donde se desprenden tres sistemas: aprende lo que ve (visual), aprende lo que hace (kinestésico) y aprende lo que oye (auditivo).

4)     Hemisferios Cerebrales, donde cada hemisferio cumple tareas determinadas, siendo en el hemisferio izquierdo donde se maneja símbolos de cualquier tipo: lenguaje, álgebra, símbolos químicos, etc.; y el hemisferio derecho es más efectivo en la percepción del espacio (imaginativo y emocional).

5)     Inteligencias Múltiples de Gardner, donde se determina una amplia variedad de habilidades, agrupadas en la inteligencia: lingüística, lógico matemática, naturalista, corporal-cinestésica, espacial, musical, interpersonal, intrapersonal.

6)     Kolb, se trabaja la información en cuatro fases: actuar (estilo activo), reflexionar (estilo reflexivo), teorizar (estilo teórico) y experimentar (estilo pragmático).

Entre tanto, el Aprendizaje Basado en Proyectos (ABP) es una herramienta que permite al estudiante ser el protagonista del proceso de aprendizaje de habilidades y contenidos. Existen dos enfoques desarrollados:

1)     Aprendizaje basado en proyectos colaborativos (ABPC), permiten el desarrollo de habilidades individuales y grupales, mediante la interacción  y comunicación, siendo cada uno responsable de su propio aprendizaje.

2)     Aprendizaje basado en proyectos telecolaborativos o telemáticos, usan las telecomunicaciones para su desarrollo, aprovechando las nuevas tecnologías, clasificados en principio en categorías, como: proyectos centrados en los intercambios personales,  proyectos centrados en la recopilación de información y proyectos centrados en la resolución colaborativa de problemas.

Referencias

[1] Universidad Tecnológica Nacional, Instituto Nacional Superior de Profesorado Técnico y Miriadax. (2016). Los estilos de aprendizaje y la motivación. MOOC “DISEÑO DE PROYECTOS EDUCATIVOS INNOVADORES CON TIC”.   Disponible en: https://miriadax.net/documents/21774570/73143701/Los+estilos+de+aprendizaje+y+la+motivaci%C3%B3n.pdf

[1] Universidad Tecnológica Nacional, Instituto Nacional Superior de Profesorado Técnico y Miriadax. (2016). El Aprendizaje basado en Proyectos. MOOC “DISEÑO DE PROYECTOS EDUCATIVOS INNOVADORES CON TIC”.   Disponible en: https://miriadax.net/documents/21774570/73147691/El+ABP.pdf

Bienvenida y presentación-MOOC: Diseño de proyectos educativos innovadores con TIC

Adquirir conocimiento y compartir el aprendizaje, se vuelve más común; en ese sentido, la continua actualización en temáticas de innovación son una de mis prioridades.

Mi nombre es Lilia Quituisaca-Samaniego, Ingeniera Informática, Universidad Central del Ecuador. Actualmente me desempeño en el sector público como Especialista de Análisis y Estadística Educativa en el Ministerio de Educación, mientras que en el sector privado participo como Gerente de Innovación y Desarrollo de Numérica II+D. Áreas de investigación: Análisis de datos, Data Mining, Big Data, simulación numérica, TIC's, OpenSource. Además, me apasiona escribir, declamar poesía; pues el arte perfecciona los sentidos.

Blogspot: http://noticias-tics.blogspot.com/

Facebook: http://www.facebook.com/liliaquituisacasamaniego

Twitter: http://twitter.com/LiliaQuituisaca

Linkedin: http://ec.linkedin.com/in/liliaquituisacasamaniego/

Numérica II+D: http://www.numericaiid.com/

Un saludo a todos...!!!

Machine learning vs. Statistics

Conceptos básicos

Máquina de aprendizaje: algoritmo que puede aprender de los datos sin depender de la programación basado en reglas.

Modelización estadística: formalización de las relaciones entre las variables en forma de ecuaciones matemáticas.

Diferencias

Tabla 1. Listado de algunos métodos

Estadísticos (Statistics)	Máquinas de aprendizaje (Machine learning)
Prueba de hipótesis	Máquinas de Vectores de Soporte
Diseño experimental	Redes neuronales
Método ANOVA	Árboles de decisión
Regresión lineal y logística	Reglas de inducción
Modelos lineales generalizados	Métodos de agrupación
Análisis de componentes principales	Reglas de asociación
Análisis factorial	Algoritmos genéticos
Análisis discriminante, etc.	Selección de características, etc.

Criterio de expertos

Brendan O'Connor: I know that I’m interested in quantitative information science, including statistics and data analysis. Machine learning has many strengths, but it is definitely an odd way to go about analysis. But there’s a good case that statistics, as traditionally defined, is only going to have a smaller role in the future. “Data mining” sounds more relevant, but does it even exist as a coherent subject?

Simon Blomberg: From R's fortunes package: To paraphrase provocatively, 'machine learning is statistics minus any checking of models and assumptions'.

Andrew Gelman: In that case, maybe we should get rid of checking of models and assumptions more often. Then maybe we'd be able to solve some of the problems that the machine learning people can solve but we can't!

Referencias

[1] Srivastava, Tavish. (2015). Difference between Machine Learning & Statistical Modeling. Analytics Vidhya. Disponible en:

http://www.analyticsvidhya.com/blog/2015/07/difference-machine-learning-statistical-modeling/

[2] O'Connor, Brendan. (2009). Statistics vs. Machine Learning, fight! AI and Social Science. Disponible en: http://brenocon.com/blog/2008/12/statistics-vs-machine-learning-fight/

Business Intelligence - Ciclo de vida de la información

Apuntes tomados del curso MOOC "Introducción al Business Intelligence": https://www.miriadax.net/documents/18726438/18726463/Gesti%C3%B3n+de+proyectos+de+BI.pdf

Los datos registran o reflejan eventos ligados a una transacción (un asiento contable, una venta en un comercio, un cliente, una visita nuestra web, etc.). Por sí solos no permiten tomar decisiones, requieren alguna clase de manipulación, agregación, correlación o análisis para convertirlos en información. Ahí es cuando el conocimiento refleja la experiencia, el aprendizaje, la comprensión y el juicio experto elaborados a partir de la información y que nos permiten intervenir en el futuro.

La información convertida en conocimiento compartido nos permite:

• obtener mejor información de los clientes, proveedores, socios e interesados,
• "empoderar" a los mandos intermedios y empleados, para que puedan tomar decisiones con autonomía y de forma descentralizada, y
•  realizar continuamente y en tiempo real experimentos de producto, precio, canal de venta o segmentación de clientes.

Los usos de la información que proponen Davenport y Harris  (modificada y ampliada), permiten:

• medir y comparar,
• reportar internamente y a terceros, y
• predecir y avisar o establecer alarmas si hay desviaciones.

Actualmente, los nuevos sistemas de inteligencia de negocio, hacen que desaparezca las barreras entre información de gestión ejecutiva, informes para los cuadros intermedios e información para los empleados. Los sistemas de inteligencia de negocio permiten realizar consultas y extracciones de las bases de datos corporativas según un sistema establecido de permisos.

La alta dirección y los cuadros intermedios usan informes y cuadros de mando para tomar decisiones.

Las capas principales de un sistema de inteligencia de negocio:

1. Las aplicaciones de extracción, transformación y carga de los datos contenidos en las bases de datos operativos de la empresa.
2. Los repositorios de metadatos, que permiten identificar el sentido de negocio de un indicador y relacionarlo física y lógicamente con los datos en bruto, dónde están ubicados, qué quieren decir y cómo se calculan.
3. Las aplicaciones que utilizan los usuarios de diferentes niveles para realizar consultas, informes o análisis multidimensionales.

Business Intelligence - Niveles de madurez analítica

Apuntes tomados del curso MOOC "Introducción al Business Intelligence": https://www.miriadax.net/documents/18726438/18726463/Gesti%C3%B3n+de+proyectos+de+BI.pdf

Los niveles de madurez analítica está ligado al talento analítico en grandes cantidades, y no sólo es una moda.

El BI es la primera fuente de inversión a nivel mundial (según "Gartner , Encuenta CIOs, 2014", está: BI/ analytics, Infraestuctura and data center, mobile, ERP, Cloud, etc).

La mayor fuente de demanda de profesionales, para el año 2018 proyectada es de medio millón de personas sólo en Estados Unidos (según "McKinsey Global Institute").

Además, el volumen de venta de compañías que se están dedicando al BI alcazará 30 il millones de dólares, repartidos entre grandes jugadores como: IBM, HP, Dell, etc.

El futuro del ciclo de adopción de una tecnología es una curva de expectativas que coincide con el aparecimiento de bigdata, minería de textos, etc.

El ciclo de adopción ha clasificado a las empresas en:

• impedidos: empresas que no tienen BI
• analiticos: cada departamento tiene información de sistemas  transaccionales
• aspiraciones analíticas: construir información en común para el uso de los departamentos
• compañía analíticas: capa o repositorio inteligente de datos
• companias analíticas competitivas: usan la BI para obtener ventajas con relación a los competidores.

Las empresas usan los datos para:

1. describir "el qué" de manera postmorten (información: financiera, de ventas, de clientes, etc )
2. el "por qué" establece la relación causa - efecto (diagnóstico)  
3. simulación de situaciones, y luego el mundo que mediante datos puedes: predecir, prescripbir, prevenir

El ciclo de madurez entre los criterios de adopción tecnológica y criterios  de uso funcional (BMMI) de las empresas tiene diferentes fases:

1. No existe BI: datos brutos de sistemas transaccionales y las decisiones se basan en experiencia más no en datos consistentes
2. Datos accesibles: se basan en reportes rudimentarios (hojas de excel autónomas)
3. Decisiones basadas en datos: se establece cultura primitiva de gestión y control de datos y se compartan en los diferentes departamentos
4. Datawarehouse: repositorio de datos inteligente en términos comprensibles y con búsqueda de informes
5. Reporting formalizado: cruzar información de las diferentes unidades de negocio, dato único de uso común para todos.
6. OLAP: aparece análisis multidimensional - analista o cientifico de datos
7. BI desarrollado de predicción y prescripción: Miner{ia de datos y cuadros de mandos BSC, democratiza el BI, grandes volumenes de datos de diferentes tipos, análisis predictivo, bigdata

La madurez representa un cambio en la cultura de la empresa (directivos y cuadros intermedios).

LaTeX - incluir fecha

Los siguientes comandos nos permiten manejar fechas en LaTeX:

• \today: Para incluir la fecha actual 
• \date{}: Para incluir cualquier fecha. Ej.: \date{11 de mayo de 2001}

El formato de presentación de la fecha estará de acuerdo al idioma declarado en el encabezado del documento, en este caso en la declaración de los paquetes.

Por ejemplo, si usamos:

• \usepackage[spanish]{babel}:     Tenemos 29 de abril de 2014
• \usepackage[USenglish]{babel}: Tenemos April 29, 2014

Habilidades digitales necesarias en la educación

Actividad 4. Habilidades digitales

Estamos en la semana 4 de Tecnologías de información y comunicación en la educación, nos toca hablar de "Habilidades digitales necesarias en la educación". A continuación una corta introducción al tema.

Si el uso de la tecnología fuera global en el desarrollo de habilidades tecnológicas de alumnos y profesores se obtendría mejores conocimientos y se impulsaría la investigación en el país. Pero, en Ecuador la brecha digital disminuye muy lentamente. Sin embargo, algunas instituciones han logrado implementar tecnologías que han permitido la coordinación, incorporación y evolución de sus herramientas de aprendizaje, en el caso de estudio de la Universidad Central, podemos citar lo siguiente:

CAMPUS VIRTUAL (Moodle)

Algunas facultades o sedes ofrecen alternativas de estudio, que sirven de soporte en el aprendizaje, podemos ver instrucciones de uso en videos alojados en Youtube

SAU virtual (Plataforma eLearningUniversidad Central del Ecuador - SAKAI)

La Dirección de Tecnologías de la Información y Telecomunicaciones se encarga de mantener el portal académicocon funcionalidades de e-learning, que sirve de enlace entre docentes y estudiantes de la Universidad Central del Ecuador, particularizando según las necesidades de cada curso (grupos, foros, correo, chat, etc.). Además, le permite crear/subir carpetas, ficheros, ejercicios, tareas, prácticas o exámenes de evaluación para los estudiantes. 

SUFICIENCIA EN INFORMÁTICA BÁSICA

Exámenes de suficiencia en informática básica. Material de preparación.

__________

Como nota adicional se puede mencionar que la comunidad académica ha contribuido parcialmente en el campo de la investigación científica, por falta de apoyo económico, tecnológico, etc. Lo que ha desencadenado en la búsqueda o patrocinio de instituciones gubernamentales(que muy poco/mucho pretenden comprender lo que implica realizar este tipo de investigaciones -visión política-) para la publicación de estudios.