nº vol. 1(2) 2008 en sÍntesis - citrevistas.cl los fu/todo fu completos... · que se hace de los...

Centro de Información Tecnológica (CIT) Calle Monseñor Subercaseaux 667

http://www.citrevistas.cl La Serena - Chile

Nº VOL. 1(2) 2008 Pág.

EN SÍNTESIS

1. Los Doctores Candidatos, a veces un Engaño 1

ARTÍCULOS

2. Aprendizaje Basado en Resolución de Problemas en Ingeniería Informática. Pablo D. Sáez y César E. Monsalve (Chile)

3

3. Propuesta para la Enseñanza de la Ingeniería: Un Espacio Curricular Creado desde la Investigación-Acción. María del C. Castells, Alicia N. Arese, Enrique D. Albizzati y Germán H. Rossetti (Argentina)

9

4. La Medición de la Eficiencia Universitaria: Una Aplicación del Análisis Envolvente de Datos. Raquel Martín (España)

17

5. Oferta Académica Flexible bajo el Concepto del Justo a Tiempo. Adalberto G. Díaz (Colombia)

27

6. Metodología para la Evaluación de la Calidad de Estrategias Didácticas de Cursos a Distancia (MACCAD). Myriam G. Llarena (Argentina)

37

doi: 10.4067/S0718-50062008000200001

Formación Universitaria - Vol. 1 Nº 2 - 2008 1

EN SÍNTESIS Los Doctores Candidatos, a veces un Engaño Hace unos años reflexioné en una revista sobre este tema de los "candidatos" a magíster o doctorado, que se abrevian como Dr(c) o M.Sc.(c). El tema sigue vigente hoy en día y al parecer se ha agravado, principalmente por la presión de los procesos de acreditación y por el mal tan difundido de querer aparentar lo que no se es. La proliferación de grados académicos produce justificadas situaciones de incredulidad en la comunidad académica. En Chile, por ejemplo, debe haber actualmente unos 300 programas de "magíster" de todos los tipos y colores. Los MBA, los MA, los MS, los MAM, y muchos otros con otras siglas similares se publicitan en los diarios al igual que las ofertas de las grandes tiendas. Sobre este tema, hay dos aspectos importantes sobre lo que me parece pertinente comentar y relacionar con la investigación y la difusión de los resultados de una investigación o de reflexión documentada en revistas internacionales como la nuestra: i) la percepción que se tiene de estos grados en la comunidad académica y ii) el mal uso que se hace de los grados académicos esperados, antes de estar en posesión de ellos.

Hay universidades que califican los grados de sus académicos dependiendo de dónde y cómo se obtuvo el grado. Esto se hace con el objeto de distinguir entre grados "estándares", que otorgan reconocidas universidades de los países desarrollados, con grados "livianos", que son los que abundan hoy en día. En los programas tradicionales y serios, los candidatos son sometidos a un trabajo constante e intenso durante un período de tiempo que es de alrededor de dos años para un "magíster" y de cuatro años para un "doctorado". Adicionalmente el candidato trabaja y aprende del maestro, que es su tutor del trabajo de Tesis. En algunos programas livianos se exige realizar unos pocos cursos llamados "intensivos" y luego un trabajo de Tesis, si es que el programa la incluye, y que los tesistas pueden incluso hacer a la distancia, en sus universidades de origen, donde trabajan. Estas universidades de origen, poseen usualmente escasa literatura y no tienen un ambiente académico de nivel que permita al candidato aprender de los "maestros" e impregnarse de investigación de punta que sólo se logra con el contacto permanente, largo y personal, con los actores de primera línea.

En paralelo a la proliferación de los "magíster en cualquier tema" han proliferado los "candidatos" a cualquiera de estos grados. Estos candidatos son usualmente profesionales de empresas y docentes universitarios que en cuanto se inscriben en programas de posgrado, le agregan a su nombre una letra "c" entre paréntesis, M.Sc.(c) o Dr(c). Este nuevo "título honorífico" irá en sus tarjetas de presentación, en la placa de la puerta de sus oficinas, y en todas las cartas y documentos importantes. Creo que mientras el profesional no obtenga el grado académico se debe evitar mencionar lo del "candidato", cuestión que en general va en directo beneficio del futuro Magíster o Doctor y de la institución que lo alberga. Colocar una (c) al nombre y publicitarlo por todos los medios posibles es un engaño a la persona que lo hace, a la institución a la que pertenece y a la comunidad científica y académica. La deserción en los programas de posgrado, al igual que en las carreras de pregrado, es bastante alta, aunque las razones de la deserción son usualmente diferentes. Se de varios casos de investigadores que llevan siendo "candidatos" hace varios años y lo más probable es que jubilen como tales. En nuestro trabajo editorial hay una autor que publica desde hace más de diez años y que desde entonces firma sus documentos como M.Sc.(c). Si un autor o autora conduce a engaño con un grado que no posee, ¿ no lo hará también con los resultados de la investigación que presenta en el artículo que pretende publicar en la revista ?. Le haría bien al ambiente académico y a la comunidad científica Iberoamericana no fomentar estos vicios, que a la larga van en perjuicio de la institución y de los programas de posgrado tradicionales y serios que existen en muchos países.

El Editor Formación Universitaria

Aprendizaje Basado en Resolución de Problemas en Ingeniería Informática Sáez

Formación Universitaria – Vol. 1 Nº 2 - 2008 3

Aprendizaje Basado en Resolución de Problemas en Ingeniería Informática Pablo D. Sáez1 y César E. Monsalve2 (1) Calle Nueva 3, Población Versalles, San Pedro de la Paz, Concepción-Chile (e-mail: [email protected]) (2) Universidad de Concepción, Departamento de Ingeniería Informática, Casilla 160-C, Correo 3, Concepción-Chile (e-mail: [email protected]) Resumen Se analiza y aplica el sistema de aprendizaje basado en resolución de problemas, que es la base de los programas de estudio de varias universidades en distintos países. La idea es enfrentar al alumno a problemas concretos en una asignatura, en formato de “proyecto”, dejando la “asimilación de información” a cargo del propio alumno con uso de libros. Se comentan algunas posibilidades de implementar este sistema sin pasar por un esquema tan radical como el planteado en la propuesta original, que podría fallar en las culturas latinoamericanas. Como ejemplo de la aplicación de estas ideas se presenta el desarrollo de un solucionador de Sudoku para estudiar los conceptos relacionados con la teoría de la NP-completitud en la ciencia de la computación. Se concluye que el proceso de enseñanza-aprendizaje es más eficiente en este tipo de enfoques que usando sistemas más tradicionales. Palabras clave: solución de problemas, enseñanza-aprendizaje, NP-completitud, ciencias de la computación

Problem-Solving Based Learning in Computer Science Engineering Abstract The pedagogical method known as Problem-solving Based Learning (PBL), which is the basis for the curricula of a number of universities in other countries, is analyzed and applied to a particular situation. The idea is to face the student to a set of well defined problems during a course, on a project-based basis, letting the task of “information assimilation” to the student by means of books. Some guidelines that may help in the implementation of these pedagogical methods without the need of going through such a radical system as that originally proposed, and that could fail in Latin-American cultures, are outlined. An example of the application of these ideas the development of an automated Sudoku-solver to study the NP-completeness theory in computer science is presented. It is concluded that the teaching-learning process is more efficient using these new approaches than the traditional ones. Keywords: problem-solving, teaching-learning, NP-completeness, computer science

Formación Universitaria Vol. 1(2), 3-8 (2008) doi: 10.4067/S0718-50062008000200002



INTRODUCCION Se expone en este artículo brevemente el método de aprendizaje basado en resolución de problemas (Mills y Treagust, 2003; Prince y Felder, 2006), que consiste esencialmente en que el alumno se ve enfrentado a problemas concretos, prácticos, en el transcurso de las asignaturas, asumiendo el profesor un rol de asesor, o de guía más que el de “transmisor de información”. La idea es un poco la del proverbio chino que dice “lo que escucho, lo olvido; lo que veo, lo recuerdo; pero lo que hago, lo aprendo”. La solución en su forma comúnmente adoptada puede resultar un tanto radical, dado que el alumno debe por cuenta propia leerse los contenidos en los libros correspondientes, consultando al profesor las dudas. Este enfoque en culturas como las nuestras puede tender a desvirtuarse, en la medida en que se presupone que el alumno va a, disciplinadamente, ocupar las tardes que tiene asignadas para estudiar en eso (estudiar). Se propone en este artículo buscar un enfoque intermedio, que combine las ventajas de enfrentar al alumno a problemas concretos en el transcurso de la asignatura, sin que necesariamente disponga de una total libertad en el uso del tiempo. Mostramos un ejemplo concreto de estas ideas: la construcción por parte de los alumnos de un resolvedor automático de sudokus como ejemplo práctico en el estudio de los temas de complejidad computacional y NP completitud (Papadimitriou, 1994) en la ciencia de la computación. Para una aproximación ya no didáctica sino técnica de este problema se puede consultar en Lambert et al., (2006). La teoría de la NP-completitud forma parte en la actualidad de los currículums de la carrera de ingeniería informática en muchas universidades. Tiene su origen en el trabajo de Cook (1971) y los aportes posteriores de Karp (1972) y otros autores (Adleman y Manders 1977; Levin, 1973). El estudio de las reducciones de Karp planteado en forma estrictamente teórica resulta normalmente árido y difícil de entender para los estudiantes. Por lo tanto una forma de lograr que ellos trabajen en forma práctica en estos temas consiste en interesarlos en el problema de satisfacibilidad de fórmulas proposicionales (Cook, 1971), más aun considerando la existencia de herramientas computacionales ad-hoc, los llamados SAT-solvers (Bordeaux et al., 2006), que han sido extensamente estudiadas (Bordeaux et al., 2006; Moskewicz et al., 2001; Simon et al., 2005). APRENDIZAJE BASADO EN RESOLUCION DE PROBLEMAS Se sabe en el área de la biología que algunas especies de hormigas usan una técnica conocida como “andar en tándem” para mostrarle a otra hormiga cómo ir desde el nido a una fuente de comida (Franks y Richardson, 2006). La hormiga “profesora” guía a la “alumna”, llevándola y corrigiéndole el rumbo. En contraste, es conocido el comportamiento de la abeja, que cuando sabe de la ubicación de algún alimento llega a la colmena y realiza una danza a la cual “asisten” las otras abejas, pasivamente. Hay en este caso tan sólo una “transmisión de información”. Y la pregunta que surge entonces para el docente es: ¿estoy siendo “abeja” u “hormiga”?, es decir: se limita el docente a realizar una “danza” adelante, en el pizarrón, pretendiendo “transmitir información” a los alumnos, o está realmente involucrado en su proceso de aprendizaje y trata de guiarlos en su actuar, corrigiéndolos y orientándolos? No es difícil darse cuenta de que en la academia la gran mayoría de los profesores somos “abejas”, sumergidos en un afán por “transmitir conocimiento”, considerado éste como un cúmulo de datos. Sin embargo al momento de enseñar ciencia, o ingeniería, lo que debería propiciarse es más bien el razonamiento autónomo en los alumnos, la habilidad de reflexionar en forma crítica y el autoaprendizaje; pero la pregunta evidente es: ¿cómo? Existen distintos modelos educacionales: aquellos basados en escuchar y repetir, aquellos basados en observar y reproducir, y aquellos basados en percibir y comprender. El modelo que se muestra en este artículo, brevemente, por las limitaciones del espacio, es el modelo PBL (Mills y Treagust, 2003; Prince y Felder, 2006), por su sigla en inglés: Problem-solving Based Learning (aprendizaje basado en resolución de problemas), en donde la idea central es enfrentar a los



alumnos a problemas concretos, prácticos, en el transcurso de un ramo. El ramo pasa a ser una especie de proyecto durante el cual el profesor hace de guía para el equipo de trabajo, ayudándolos u orientándolos. Desde luego hay un proceso de estudio, de “asimilación de contenidos”, pero de esta parte del proceso de aprendizaje es responsable el propio alumno, quien debe leerse los capítulos correspondientes del libro correspondiente en el transcurso del ramo, estando el profesor evidentemente encargado de aclarar las dudas que se le presentan al alumno en su lectura del texto; pero ya no encargado de “danzar” en el pizarrón, transmitiendo información. Porque no es difícil darse cuenta de que si el alumno pierde el hilo de esta “transmisión de información” van a ser vanos los esfuerzos por pretender “transmitirle más información” a un receptor que ya no está “procesando”. En contraste con esta situación, reuniones de trabajo o conversaciones grupales siempre son más eficientes al momento de entender conceptos o relacionarlos. En general se pueden clasificar los distintos estilos de enseñanza en cuatro categorías:

1) Sólo exposición, sin ejercitación (estilo “decimonónico”). 2) Exposición de contenidos como hilo conductor de la asignatura, con ejercitación (este

estilo es el que podríamos considerar usual). 3) Ejercicios o proyectos como hilo conductor de la asignatura, con exposición de contenidos

(esto correspondería a PBL). 4) Sólo ejercicios o proyectos (éste sería el caso del aprendizaje en un taller por ejemplo).

Desde luego los modelos de aprendizaje tipo PBL no son bienvenidos por todos los alumnos. Estadísticamente un 25% de los alumnos aproximadamente prefiere en realidad el sistema tradicional, de “entrega de información”. Un 25% prefiere PBL y un 50% dice que puede aprender indistintamente con uno u otro método (Mauffette, 2007). Hay por lo tanto un grado de resistencia al cambio al momento de introducir este tipo de metodologías, lo cual es natural por lo demás, esperable. La distribución semanal de las actividades por ejemplo es muy distinta a la usual. El trabajo en proyectos, que es lo que finalmente hace el alumno, es muy demandante. Y se le asigna bastante tiempo libre al alumno, de modo que disponga del tiempo necesario para leerse los capítulos de los libros que corresponde. Típicamente un alumno cursa solamente dos ramos al mismo tiempo, los ramos son de duración variable etc. El modelo PBL se ha aplicado con éxito en distintos lugares del mundo, incluyendo Canadá, Australia, Dinamarca, México etc. Algunas desventajas del modelo PBL en su forma usual son que un alumno puede tener por ejemplo un día a la semana entero más tres tardes enteras libres, de modo tal de disponer del tiempo necesario para estudiar en la biblioteca. Es decir que se presupone un cierto grado de disciplina y responsabilidad del alumnado que en nuestra cultura tiende a faltar. Se propone por lo tanto en este artículo un enfoque intermedio, mixto: es decir que sin necesidad de cambiar completamente los métodos de enseñanza, las mallas curriculares y el sistema en general, el docente puede encauzar el desarrollo de las asignaturas por caminos de corte más práctico, interactuar con los alumnos, planteándoles problemas a resolver, corriendo el riesgo de “perder” una o dos horas de clase completas con los alumnos estudiando algún problema a veces sencillo, manteniéndose en un papel de asesor del equipo de trabajo. Y una ventaja extra de este tipo de actividades es que el docente se entera de si los alumnos están captando algo de lo que se está viendo en clases. De lo contrario, al “actuar como abeja”, es probable que la hora o el par de horas hayan sido de todos modos tiempo perdido. Por lo tanto el profesor pasa de tener un papel de científico a asumir además el de líder, en cierto modo. Entonces aquellos docentes que tengan un carácter demasiado tímido pueden en realidad preferir seguir usando esquemas tradicionales de enseñanza; pero el otro extremo tampoco es favorable a PBL: el profesor demasiado dominante también va a ser un líder deficiente. Y por el lado del alumnado el sistema también puede fallar, sobre todo en la cultura actual de la televisión, que tiende a producir jóvenes pasivos. Por lo tanto como regla general se puede decir que el docente puede hacer un esfuerzo razonable por interesar a los alumnos en actividades de



carácter práctico, pero si a pesar de los esfuerzos el sistema no da los frutos esperados siempre es posible volver a esquemas docentes de “transmisión de información”, y en este sentido se plantea en este artículo una propuesta no tan radical como en el modelo PBL en su forma usual, que sí exige la modalidad de proyecto siempre. Ahora, ciertamente que el alumno siempre resuelve problemas de carácter práctico en los distintos ramos, por ejemplo al momento de rendir certámenes o tests, pero el sentimiento tiende a ser más bien negativo, es decir “me fue más o menos mal (o más o menos bien), hice lo que pude en tal o cual problema”. En la clasificación presentada más arriba, el enfoque propuesto sería una suerte de “enfoque 2.5”. Se expone entonces brevemente a continuación un ejemplo de actividad práctica por parte de alumnos: la construcción de un resolvedor automático de sudokus como ejemplo en el estudio de la teoría de la NP-completitud en ciencia de la computación. METODOLOGÍA Sin entrar en detalles técnicos excesivos, el problema de Satisfacibilidad de Fórmulas Proposicionales Booleanas (SAT) fue el primer problema identificado como perteneciente a la clase de complejidad NP-completo (Cook, 1971), es decir que hay una clase importante de problemas (la clase NP) que puede ser “eficientemente traducida” a una instancia de SAT, es decir a una fórmula proposicional que resuelve el problema original si es que se puede encontrar un conjunto de valores de verdad para las proposiciones que haga verdadera a la fórmula (Karp, 1972). Ver por ejemplo (Papadimitriou, 1994) para una exposición general del tema. Se podría decir que los programas que resuelven SAT constituyen una tecnología de razonamiento automático, que ha encontrado muchas aplicaciones a nivel industrial en las últimas décadas en variadas áreas tales como verificación de diseño de circuitos digitales, optimización e inteligencia artificial por nombrar algunos. Los problemas SAT son resueltos por un algoritmo comúnmente llamado solver, el cual automáticamente busca la solución al problema planteado (Bordeaux et al., 2006). El sistema de resolución de un SAT-solver se podría ver como una caja negra, en la cual no se necesita una mayor interacción entre el usuario y el solver (Bordeaux et al., 2006; Moskewicz et al., 2001; Simon et al., 2005). La entrada al solver, o input, es una fórmula proposicional booleana expresada en Forma Normal Conjuntiva (CNF), la cual es una conjunción (Y lógico (∧)) de una o más cláusulas. Una cláusula

es una disyunción (O lógico (∨)) de uno o más literales. Por su parte, un literal es una instancia positiva o negativa de una letra proposicional. Por ejemplo, las siguientes formulas están en CNF: A ∧ B ¬A ∧ (B ∨ C) (A ∨ B) ∧ (¬B ∨ C ∨ ¬D) ∧ (D ∨ ¬E) (1) Como output el solver responde sí o no, dependiendo de la satisfacibilidad de la formula. Si la instancia es satisfacible, algunos SAT-solver pueden entregar una valuación que hace que la fórmula ingresada como input sea verdadera. Para modelar el problema, el principal desafío es expresar todas las restricciones del problema original en fórmulas proposicionales booleanas en CNF. El problema a ser resuelto por los alumnos mediante SAT-solvers fue el del conocido Sudoku, que es un juego de ingenio en el cual se da una grilla de 9X9 celdas con algunos números entre el 1 y el 9 ya puestos, y de lo que se trata es de completar la grilla con enteros del 1 al 9 de modo que no se repitan ni en las filas ni en las columnas ni al interior de los nueve sub-cuadrados de 3X3 que hay en la grilla. Los alumnos modelaron este problema, llegando a una forma normal conjuntiva que expresa todas las características del juego de Sudoku. RESULTADOS Y DISCUSIÓN Para codificar Sudoku como un problema de satisfacibilidad, los alumnos llegaron al siguiente modelo: para cada celda de la grilla S de 9x9, se asocian 9 posibles valores, así tenemos 9x9x9 = 729 variables proposicionales. Se asume la notación Sxyz para referirse a estas variables, en



donde x representa una fila de S, y representa una columna de S y z representa el valor de la celda. Por ejemplo, S254 significa que la celda de la fila 2 y columna 5 tiene el valor 4, es decir, S[2, 5] = 4. La forma de plantear la notación y las reglas del Sudoku como CNF es la siguiente: Hay al menos un número en cada celda:

∧x=1..9 ∧y=1..9 ∨z=1..9 Sxyz (2)

Cada número aparece a lo más una vez en cada fila:

∧y=1..9 ∧z=1..9 ∧x=1..8 ∨i=x+1..9 (¬Sxyz∨ ¬Siyz) (3)

Cada número aparece a lo más una vez en cada columna:

∧x=1..9 ∧z=1..9 ∧y=1..8 ∨i=y+1..9 (¬Sxyz∨ ¬Sxiz) (4)

Cada número aparece a lo más una vez en cada sub-grilla de 3x3:

∧z=1..9 ∧i=0..2 ∧j=0..2 ∧x=1..3 ∧y=1..3 ∧k=y+1..3 (¬S(3i+x) (3j+y) z∨ ¬S(3i+x) (3j+k) z) (5)

∧z=1..9 ∧i=0..2 ∧j=0..2 ∧x=1..3 ∧y=1..3 ∧k=x+1..3 ∧m=1..3 (¬S(3i+x) (3j+y) z∨ ¬S(3i+k) (3j+m) z)

Esta codificación consta de una formula CNF de 8.829 cláusulas, de las cuales 81 son nueve-arias (restricción 1) y 8.748 son binarias (restricciones 2 a 4). Como resultado de esta implementación se obtiene un archivo que contiene todas estas restricciones. El formato de ese archivo es el siguiente: p cnf 729 8.829 111 112 113 114 115 116 117 118 119 0 -111 -112 0 -111 -113 0 -111 -114 0 Esta notación significa que la codificación está en CNF, consta de 729 variables y 8.829 cláusulas. La primera cláusula dice que S111 y S112 no pueden se verdaderas al mismo tiempo, es decir que la casilla (1,1) no puede tener al mismo tiempo los valores 1 y 2, etc. Una vez ingresado a un SAT-solver, en este caso MiniSAT, la respuesta obtenida es: SAT -1 -2 ... -99 -100 ... -541 542 -543 ... 999 0 En estos dos archivos los números que están negados significan que Sxyz es falso. Para el archivo de salida los valores positivos son los valores que se consideran como respuesta para completar el tablero. Además, la primera línea del archivo de salida con la palabra SAT significa que el problema es satisfacible y se entrega la valuación que lo hace verdadero. Sino se obtendría solamente UNSAT. Sin entrar a dar detalles técnicos extra, o a abordar temas teóricos relacionados con la teoría de la NP-completitud en ciencia de la computación, lo que se destaca aquí es el hecho de que los estudiantes, al desarrollar un ejemplo práctico en el cual efectivamente un problema de carácter computacional es llevado a una forma normal conjuntiva que entrega (cuando es satisfacible) una solución al problema original, pueden captar la idea de la reducción de problemas a SAT en forma más vívida que si meramente se expusieran los conceptos en la pizarra o en las transparencias



(un poco la idea del proverbio chino). El alumno efectivamente desarrolla una transformación concreta de un problema a otro, reflexiona sobre el tema, es decir que no solamente lo lee, y por lo tanto el proceso de aprendizaje resulta más eficiente. Nos comentan los alumnos involucrados que este proceso de reflexión los hace en algunos casos tratar de visualizar otros problemas de otros tipos como un problema a ser planteado mediante una forma normal conjuntiva. CONCLUSIONES En este artículo se dio una reseña del método de aprendizaje basado en resolución de problemas y se sugirieron formas de aplicación práctica de este método que parecen más adaptadas a la realidad latinoamericana que la propuesta original del método. Los alumnos responden, se sienten motivados en general, y quedan con un sentimiento positivo de logro. El proceso tiende a ser más eficiente en general, y en la terminología de la metáfora inicial, se trata para los docentes de ser más “hormigas” y menos “abejas”. La tarea de introducir cambios en los métodos de enseñanza en la línea de las ideas presentadas en este artículo puede resultar ardua, sobre todo si se adopta el sistema PBL en su forma original. Posturas intermedias tales como las que se presentan en este artículo pueden ayudar a hacer más eficientes los procesos de enseñanza-aprendizaje. REFERENCIAS Adleman, L. y K. Manders; Reducibility, Randomness and Intractability. Proceedings of the 9th ACM Symposium on the Theory of Computing, pp. 151-163 (1977). Bordeaux, L., Y. Hamadi y L. Zhang; Propositional Satisfiability and Constraint Programming: A comparative Survey. ACM Computing Surveys, ISSN:0360-0300 (en línea), 38(4), 2006. http://portal.acm.org/citation.cfm?id=1177354 Cook, S.; The Complexity of Theorem-Proving Procedures. Proceedings of the 3rd IEEE Symposium on the Foundations of Computer Science, pp. 151-158 (1971). Franks, N. y T. Richardson; Teaching in tandem-running ants. Nature: 439(7073), 153 (2006). Karp, R.; Reducibility among Combinatorial Problems. En Complexity of Computer Computations, J. W. Thatcher y R. E. Miller, editores, pp. 85-103. Plenum Press, New York (1972). Lambert, T., E. Monfroy, y F. Saubion; A Generic Framework for Local Search: Application to the Sudoku Problem. Proceedings of the International Conference on Computation Science ICCS’2006 pp. 641-648 (2006). Lecture Notes in Computer Science 3991, Springer Verlag. Levin, L.; Universal Sorting Problems. Problems of Information Transmission 9, pp. 265-266 (1973). Mauffette, Y.; Comunicación personal (2007). Moskewicz, M. y otros cuatro autores; Chaff: Engineering an Efficient SAT-solver. Proceedings of ICCAD 2001 pp. 530-535 (2001). Mills, J. y D. Treagust; Engineering Education - Is Problem-Based or Project-Based Learning the Answer? Australasian Journal of Engineering Education, ISSN 1324-5821 (en línea), 2003-04. http://www.aaee.com.au/journal/2003/mills_treagust03.pdf Papadimitriou, C., Computational Complexity. Addison Wesley (1994). Prince, M. J. y R. Felder; Inductive Teaching and Learning Methods: Definitions, Comparisons and Research Bases. Journal of Engineering Education 95(2) (2006). Simon, L., D. Le Berre y E. Hirsch; The SAT 2002 competition. Annals of Mathematics and Artificial Intelligence: 43(1), 308-342 (2005).

Propuesta para la Enseñanza de la Ingeniería: Un Espacio Curricular Creado Castells


Propuesta para la Enseñanza de la Ingeniería: Un Espacio Curricular Creado desde la Investigación-Acción María del C. Castells, Alicia N. Arese, Enrique D. Albizzati y Germán H. Rossetti Universidad Nacional del Litoral, Facultad de Ingeniería Química, Santiago del Estero 2829, (3000) Santa Fe-Argentina (e-mail: [email protected], [email protected], [email protected], [email protected]) Resumen Se expone el proceso de construcción de una materia optativa para la enseñanza de Ingeniería Química, basada en la investigación-acción. En este contexto, desde una perspectiva interpretativa, los docentes investigadores modificaron el enfoque metodológico de sus clases y crearon estrategias pertinentes para distintas situaciones de enseñanza en el Área de las Operaciones Unitarias. Dichas estrategias convergieron en un espacio curricular integrador de conocimientos de la Ingeniería. Como ejemplo de aplicación de la estrategia propuesta, se desarrolló un caso en el tema de la energía solar. La experiencia de investigación-acción confirmó ser un espacio válido para la transformación y creación de estrategias flexibles, que articulen en la enseñanza de las ciencias y de las tecnologías, cuestiones sociales, frecuentemente soslayadas en Carreras de Ingeniería. Palabras clave: investigación-acción, enseñanza de la ingeniería, estrategias de enseñanza, energía solar

Proposal for the Teaching of Engineering: A Curricular Space Created from Research-Action Abstract The design of an optional course in chemical engineering based on the concept of research-action is shown here. In this context, from an interpretative point of view, instructor-researchers produced changes in the methodological approach of their teaching and created relevant strategies for different teaching situations in the area of Unit Operations. These strategies converged into an integrating curricular programme of expertise in the area of Engineering. As an example of the method proposed, a study case in the area of solar energy was developed. The research-action experience has proved to be a valid space for the transformation and creation of flexible strategies that articulate, in the teaching of sciences and technologies, social matters usually not considered in the Engineering Careers. Keywords: research-action, engineering teaching, teaching strategies, solar energy




INTRODUCCIÓN Es frecuente que los docentes dedicados a la enseñanza de la Ingeniería, por su formación, instrumenten técnicas de enseñanza sin analizar los principios de procedimiento que las recorren (Arese et al., 2001). Al mismo tiempo, por una larga tradición epistemológica de corte positivista en el campo, es habitual encontrar planes de estudio con estructuras disciplinares rígidas que poseen escasas relaciones multidisciplinares, así como incipientes articulaciones con problemáticas sociopolíticas y ambientales (Castells et al., 2005). En todo caso, lo que es dable observar son yuxtaposiciones de materias que, con el afán de actualizar los planes de estudio, se agregan a estructuras tradicionales. Ante esta problemática, un grupo Ingenieros Químicos, docentes e investigadores del Área de Operaciones Unitarias, junto a una magíster en educación, en la Facultad de Ingeniería Química de la Universidad Nacional del Litoral de la ciudad de Santa Fe, Argentina, decidieron implicarse en un proyecto de investigación – acción (Stenhouse, 1991; Elliot, 1993) a los fines de transformar criterios prácticos y con ello, generar nuevas estrategias de enseñanza. En ese sentido, se recuperaron experiencias de investigación acción llevadas adelante en diversos ámbitos educacionales (Maciel de Olivera, 2003), reconociendo la pertinencia de esta perspectiva para pensar y concretar la enseñanza. Tomada la noción de estrategia como concepto básico, se revisaron diferentes concepciones de la misma. Una línea de investigación con fuerte influencia de la psicología educativa constructivista (Monereo, 1998; Pozo y Monereo, 2002), remite a una definición de estrategias de enseñar y de aprender como procesos situados, conscientes e intencionales, consistentes en tomar decisiones en pos del logro de objetivos de aprendizaje o de enseñanza. Se analizó que lo que subyace a esta concepción es considerar estrategias y prácticas escolares en tanto voluntarias y deliberativas en orden a fines establecidos racionalmente. Sin embargo, desde otras influencias disciplinares, tales como la sociología y la filosofía, la noción de estrategia, situada en el marco de las prácticas sociales amplias, ha sido definida por los habitus (Bourdieu, 1991) o principios estructurantes de las prácticas que no son, según Pierre Bourdieu, ni totalmente conscientes ni totalmente inconscientes; su conformación depende de una relación práctica con el contexto y con experiencias sociales (en el caso de la enseñanza, con las experiencias de haber sido alumno, haber pertenecido o pertenecer a determinados planes de estudio etc., realizar determinadas prácticas docentes, interactuar con diferentes prácticas de investigación o de trabajo profesional en industrias). A pesar de ello, estas acciones no son errantes, poseen la orientación sensata que le da el estar, el entender o el pertenecer a una especie de campo de juego, jugando un juego que adhiere a principios prácticos -para actuar-, sin necesariamente cumplir racionalmente con reglamentos. Las prácticas, prevén el juego, se adelantan, generan estrategias para el juego y su sensatez proviene, no de una adhesión consciente a reglas, sino de un vínculo inteligible con las propias condiciones y posibilidades de su realización. Así, las prácticas muchas veces son inciertas, vagas, indeterminadas y, a pesar de ello tienen su propia coherencia, nunca posible de representarse desde una práctica y una lógica teóricas que no aspiren a ser conscientes de sus propias características y condiciones de producción. Enmarcando teóricamente el proyecto en esta última perspectiva, en el desarrollo de la investigación- acción, la mayor tarea estuvo concentrada en interpretar para poder transformar los modos en que los principios de procedimientos se hacían presentes en las prácticas de los ingenieros dedicados a la enseñanza. En este sentido, se revisaron los conceptos tácitos de las estrategias vigentes y se reformularon, para arribar a la elaboración y ensayo de nuevas estrategias para enseñar. Fue en este proceso donde el equipo puso en cuestión sus significaciones de conocimiento, de ciencia, de enseñanza, de aprendizaje, las representaciones del oficio docente y del oficio alumno, la relación tiempo-contenidos, la relación teoría experimentación. Las sucesivas estrategias que se implementaron estuvieron guiadas por criterios que intentaron romper con racionalidades lineales (Najmanovich, 2005), proponer otros “usos” de



las teorías, otras relaciones entre ésta, la experimentación y los problemas. Ello promovió nuevas posiciones de los sujetos en el proceso de enseñanza y de aprendizaje. En la etapa final de proyecto de investigación se capitalizaron experiencias del equipo que se volcaron en una propuesta de enseñanza que excede el marco de las asignaturas existentes. Conscientes de que en determinadas prácticas de enseñanza de la ingeniería, permanecen aún espacios de simplificación y de disyunción del conocimiento (Morin, 1988), se plantearon algunos criterios que inciden en la estructuración final de una materia optativa integrada (Saraiva y otros, 2007; Brennecke y Stadtherr, 2002). De esta manera, se conformó un espacio de convergencia abierto y articulador de criterios epistemológicos, sociales, políticos y profesionales, que incluya temáticas referidas a innovaciones tecnológicas que, desarrolladas a término, revisen en forma constante su pertinencia cultural y su legitimidad epistemológica (Chevallard, 1997). Así, se ha considerado de relevancia la incorporación de las prácticas de investigadores, de profesionales del área productiva, de diferentes actores sociales, de científicos sociales, junto con los docentes-investigadores del área. METODOLOGÍA El proceso de diseño de nuevas estrategias de enseñanza en el área de Operaciones Unitarias, hasta llegar a la construcción del nuevo espacio curricular, se realizó en el marco metodológico de la investigación- acción, asumiéndose un enfoque eminentemente interpretativo (Elliot, 1993). Con lo cual, las conclusiones del proyecto lejos de considerarse generalizables, se concibieron como la producción de un conocimiento sustantivo, es decir, pertinente para la situación indagada. El camino trazado, a partir del problema de la investigación y de su conceptualización temática, fue el propuesto por esta metodología elegida: identificación del problema, plan de acción, implementación, revisión de la implementación, nueva identificación del problema, nuevo plan de acción, revisión (Elliot, 1993). El grupo de investigación, con una observadora participante, construyó diversos instrumentos de recogida de la información, tales como registros, observaciones de clases, entrevistas en profundidad, todos, tendientes a hacer emerger los principios tácitos de las estrategias de enseñanza y los significados anudados a ellos, vigentes en ese momento, para que, a posteriori de sus análisis y confrontación con nuevos conocimientos, pudieran implementarse otros principios que dieran lugar a otras estrategias. Luego de la discusión de los significados de los conceptos mencionados en el apartado anterior, se diseñaron estrategias que se denominaron: “Trabajo Práctico Especial” (Albizzati et al. 1998) y “Resolución de problemas teórico-prácticos” (Arese et al., 2000), que se evaluaron y se rediseñaron a la luz de los resultados obtenidos. Para cada uno de los momentos se implementó un proceso de evaluación que, en este proyecto de investigación no tuvieron una intencionalidad confirmatoria de los cambios acontecidos y de la efectividad de las estrategias implementadas. Tuvieron, sobre todo, una intencionalidad creativa, en el sentido de promover la apertura de nuevos problemas y de nuevas propuestas. En este sentido, se hace necesario mencionar que los debates en torno a los paradigmas contemporáneos de la Ingeniería Química estuvieron presentes en los intercambios entre los miembros del equipo. En efecto, desde finales del siglo XX, varios autores sostuvieron que la industria de los procesos químicos se enfrentaba a grandes retos. Entre ellos, Tapias García (1999), señalaba: “el desarrollo de procesos más aceptables socialmente...; el desarrollo de procesos que utilicen nuevas materias primas y de más baja calidad...; el diseño de plantas con tamaños económicos mínimos más pequeños, costes de construcción más bajos, equipos estándares y modulares y plantas flexibles multiproducto; el desarrollo de nuevos procesos con innovaciones tecnológicas como las que se vienen dando con la hibridación de procesos y operaciones unitarias...". Por otra parte, a principios del tercer milenio, se mencionaron como desafíos con los cuales se confrontarían las industrias químicas en el marco de un mercado y una competitividad globalizada, la creación de procesos innovativos no contaminantes, libres de defectos y perfectamente seguros para la producción de commodities y productos intermedios, así como el desplazamiento desde la



química tradicional hacia nuevas especialidades donde la relevancia esté puesta en la síntesis de productos requeridos por el consumidor, con determinadas propiedades de uso que resulten confiables y no alteren demasiado el ambiente. Además, se vaticinaba para la disciplina la necesidad de contar con una visión global sobre el desarrollo y diseño de productos (Charpentier, 2002). En la última década cobró fuerza dentro de la Ingeniería Química el concepto de “ingeniería de los productos químicos”. Según Costa et al. (2006), dicho concepto designa el marco de conocimientos, enfoques, metodologías y herramientas empleadas para analizar, desarrollar y producir un amplio rango de productos químicos con propiedades de uso final consideradas valiosas por el consumidor. Así, por estos días las modernas industrias de procesos químicos demandan el desarrollo de nuevos conceptos y un cambio en la forma de utilización de las herramientas de la Ingeniería Química, perfilándose el 3er. Paradigma de la disciplina alrededor del concepto de “ingeniería de los productos químicos” (Costa et al., 2006). Estos cambios tan radicales en los modos de concebir la ingeniería química implicó al equipo de investigación en la búsqueda de transformaciones de su propuesta de enseñanza. De este modo, como parte del proyecto se generó una instancia de formación de los miembros del equipo que abrió límites disciplinarios y ubicó los contenidos específicos de las Operaciones Unitarias en un marco de debates vinculados a las problemáticas contemporáneas del conocimiento (Morin, 1998; Najmanovich, 2005), del trabajo (Castells, 2000; Bauman, 2007) y del desarrollo sustentable (Osorio, 2004; Pereira, 1999). Los desafíos de la sociedad, de la tecnología y de la industria contemporáneas contribuyeron al convencimiento de que es necesario optar, desde la formación universitaria de grado, por una perspectiva de conocimiento cuyos principios permitan abordajes diferentes a los establecidos por los paradigmas clásicos, aproximando la enseñanza de la ingeniería química al 3er. paradigma (Wintermantel, 1999; Charpentier, 2002; Costa et., 2006). RESULTADOS Y DISCUSIÓN El espacio curricular optativo se ha pensado en un diseño cíclico (Camilloni etal., 2002), recursivo y abierto a su relación con el entorno (Morin, 1998; Najmanovich, 2005). Por ello, si bien se recuperaron los ejes que hacen a la estructura sintáctica y semántica del área de los Fenómenos de Transporte y las Operaciones Unitarias, los mismos se vinculan con diferentes problemáticas y temas de relevancia epistemológica y cultural, a partir de lo cual, la estructura disciplinar cobra diversas especificidades y obliga a reformulaciones continuas. Se piensa que esta materia sea un ámbito flexible donde se desprendan y se especifiquen temas puntuales que convoquen miradas y prácticas multidisciplinares, pertinentes con la formación actual del profesional de la ingeniería, teniendo en cuenta que su actividad no se circunscribe solamente a la esfera técnica, sino que transita desde lo técnico a lo social. (Costa et al., 2006; Gutiérrez Martin, 2007; Saraiva et al., 2007). Desde aportes multidisciplinares, en la materia optativa, los estudiantes podrán integrar las ecuaciones de balance de materia, energía y movimiento, que en el desarrollo de las asignaturas del área se analizan en forma separada por razones didácticas. La metodología de enseñanza seleccionada para la materia optativa es la de seminario –proyecto y tiene la intención de promover la participación activa y permanente de los alumnos, sostenida por el debate argumentado. Se pretende que al finalizar el cursado de la materia los estudiantes hayan elaborado un proyecto que genere potencialmente un desarrollo social a partir de la innovación tecnológica. Para su realización será necesario tomar contacto con el estado del arte de la temática elegida así como con situaciones sociales concretas, con las especificaciones industriales y las comerciales, los requisitos legales y éticos para la producción e implementación de lo propuesto. Se hará hincapié, aunque no en una relación de determinación, en el desarrollo tecnológico y su vínculo con las necesidades sociales y características culturales.



Durante el devenir del proyecto se recorrerán alternativamente algunas de las siguientes etapas: planteo de la problemática social y tecnológico-científica, análisis teórico, diseño y eventualmente construcción del equipo, modelado y simulación, obtención de datos experimentales, mejora de detalles constructivos y de técnicas de medición, análisis de datos, interpretación de resultados, elaboración de conclusiones, presentación oral y escrita, debate. Cabe aclarar que cada uno de los momentos de la elaboración del proyecto por parte de los alumnos serán instancias para evaluar y reformular la enseñanza y los aprendizajes, así como para proponer nuevas temáticas que reorienten y actualicen este espacio curricular. Se presenta aquí, desde este marco del desarrollo del proceso de investigación acción, la estructura de dicha materia, sus justificaciones teórico-metodológicas, en torno a un ejemplo desarrollado sobre un caso temático puntual tal como es la energía solar. Energía solar: a modo de ejemplo. Análisis de un caso particular para la materia optativa Es comúnmente aceptado que la energía es un recurso que debe contribuir al desarrollo humano, brindando opciones y oportunidades a los hombres y mujeres de nuestro planeta. Sin embargo, debe considerarse también que la generación y uso de la energía está acompañada de efectos ambientales a nivel local, regional y mundial, que a su vez amenazan el bienestar humano: el empleo intensivo de combustibles fósiles (carbón, petróleo) en los países industrializados, y la consiguiente emisión de gases de efecto invernadero, está provocando el denominado Cambio Climático Global (aumento en la temperatura media de la superficie terrestre). Resulta entonces un desafío introducir tecnologías energéticas que respondan a las pautas establecidas para las energías, en el marco de un desarrollo sustentable. Debe hacerse notar que durante el Foro Solar Milenio 2000, organizado por la Sociedad Internacional de Energía Solar en la ciudad de México, los científicos y técnicos participantes coincidieron en que “no existen obstáculos tecnológicos importantes para la aplicación las energías renovables, y en cambio las principales barreras son políticas, sociales económicas y culturales”. Entre las energías renovables y no contaminantes, la energía solar y las tecnologías aplicables para su transformación, son algunos de los recursos más importantes con que se cuenta hoy para modificar el sistema energético establecido a nivel mundial. Actualmente se emplea la energía solar principalmente como energía térmica a bajas y medias temperaturas y en la obtención de electricidad mediante celdas fotovoltaicas. Además se avanza hacia la aplicación de la energía solar en altas temperaturas, para generar calor en procesos industriales y para la generación de electricidad en ciclos térmicos. Otro campo en el cual la radiación solar tiende a lograr una importante participación en el futuro, es en la degradación de sustancias tóxicas presentes en efluentes industriales o desechos de consumo humano mediante procesos fotoquímicos y fotocatalíticos, convirtiéndolas en productos que no dañen el ambiente. Por estos motivos enunciados, resulta muy importante la inclusión en las Carreras de Ingeniería de temas relacionados con energías sustentables, y entre ellas la energía solar, donde los estudiantes adquieran los conocimientos básicos relacionados con estas fuentes y puedan realizar trabajos prácticos para estudiar la dinámica y los fenómenos que se presentan en los equipos de uso más extendido (Albizzati, 2000; Albizzati y Rosseti, 2002), así como avanzar en propuestas novedosas acerca del aprovechamiento de esta fuente energética renovable. En la figura la Figura 1, se presenta un abanico de posibles relaciones en torno al eje seleccionado, como un modo de ejemplificar la estructura básica que tendrá la asignatura optativa.

Durante el desarrollo de la misma y en el marco del seminario se deben introducir los conceptos necesarios para la comprensión de los fenómenos relacionados con la energía solar. Ellos son: el comportamiento de los diversos materiales frente a la radiación solar, especialmente la variación de sus propiedades ópticas a lo largo del espectro, la formulación de ecuaciones de balance térmico, y el análisis de los mecanismos de Conducción, Convección y Radiación en los dispositivos de conversión de energía solar en energía térmica.



Fig. 1: Estructura básica de la asignatura optativa propuesta

También, y tal como se especificó en la sección anterior en alusión a la estructura cíclica que se propone para la materia optativa, en ella se recuperan los ejes temáticos que atraviesan toda el área de Fenómenos de Transporte y Operaciones, que se especifican en la temática puntual. Los ejes y contenidos de esta asignatura serían móviles en función de los intereses sociales, de los aportes que los docentes investigadores puedan hacer desde su campo de indagación (como un modo de aproximar las tareas de investigación y docencia), de las interpelaciones de los alumnos. En la Figura 2 se sintetizan los ejes, principios, conceptos y metodología del área, que se retoman en la asignatura propuesta.

Cálculo, Diseño y Simulación de equipos

Fig. 2: Ejes, principios, conceptos y metodología del área de Operaciones Unitarias.

Aplicaciones Térmicas y Químicas de la Energía Solar

Química Física Matemática

Operaciones Unitarias

Comunicación oral y escrita

Economía Gestión Ambiental

Antropología, Sociología y Ética Higiene y Seguridad Laboral

Reacciones QuímicasFenómenos de Transporte

Mecánica del continuo

Balance de materia Balance de energía Balance de movimiento

Ecuación constitutiva (Ley de Fick)

Ecuación constitutiva (Ley de Fourier)

Ecuación constitutiva (Ley de Newton)

Flujo Coeficiente de transferencia Fuerza impulsora Propiedad de transporte Fuentes y sumideros

Acumulación Transporte molecular Transporte convectivo Interconversión de la propiedad Transporte no convectivo

MÉ

TOD

O H

IPO

TÉTI

CO

-DE

DU

CTI

VO

EX

PE

RIM

EN

TAL

Y D

E P

RO

YE

CTO

Aplicaciones Térmicas y Químicas de la Energía Solar



CONCLUSIONES Se destaca que la propuesta y el desarrollo de esta asignatura optativa, constituye una concreción sustantiva de transferencia de procesos y de resultados de la investigación a la enseñanza. Esta transferencia se da en un doble aspecto: desde el campo de la investigación educacional llevado adelante por todo este equipo y desde el campo de la investigación en energía solar por parte de algunos de sus miembros. La asignatura optativa, tal como está planteada ofrece a los alumnos una posibilidad de integrar los aprendizajes curriculares con las futuras actividades profesionales, ya que la metodología retoma toda la experiencia desarrollada por el grupo de trabajo a lo largo de varios años. De esta manera, se proponen situaciones donde los alumnos en un ámbito de seminario, a partir de problemas sociales y tecnológicos construyan conocimiento ingenieril, incluyendo en él dimensiones éticas, políticas, económicas, culturales. El desarrollo del proyecto por parte de los estudiantes dará lugar a que los mismos aborden situaciones que pueden resolverse según variados enfoques, propiciando de esta manera la estimulación del pensamiento creativo, el análisis crítico, el razonamiento y la iniciativa personal y comunitaria. Se sostiene que la tarea en grupo favorece la formación en el campo de las relaciones interpersonales, en el trabajo cooperativo y en las competencias comunicativas. Esta actividad grupal brindará oportunidades para el ejercicio de la comunicación, el intercambio de puntos de vista, la posibilidad de relación con diversas comunidades en una tarea de que requerirá tanto la generación de demandas como el acompañamiento en el uso del producto. REFERENCIAS Albizzati, E., A. Arese, D. Estenoz y G. Rossetti; Equipamiento para el Aprendizaje de los Fundamentos de la Transferencia de Cantidad de Movimiento, de Energía y de Materia, Información Tecnológica: 9 (4) , 349-355 (1998). Albizzati, E.; Inclusión de Temas Relacionados con la Energía Solar en Cursos de las Carreras de Ingeniería, Proceeding ISES Millennium Solar Forum 2000, 17 al 22 de setiembre, 663-666, D.F. – México (2000). Albizzati, E. y G. Rossetti; Experiencia Didáctica de Calentamiento Aprovechando la Energía Solar, Revista Avances en Energías Renovables y Medio Ambiente, Vol.6, 10.37 - 10.42 (2002). Arese, A. y otros cuatro autores; Estrategias de enseñanza: relaciones entre teoría y experimentación, Memorias del 3er. Congreso Argentino de Enseñanza de Ingeniería, Bahía Blanca, 20 al 22 de setiembre, publicado en CD (2000). Arese, A., M. del C. Castells, E. Albizzati y G. Rossetti; Elaboración de Estrategias de enseñanza en el marco de un proyecto de investigación- acción, Proceeding of VII International Conference on Engineering and Technology Education, http://www.asee.org/international/ intertech.cfm (2001). Acceso: 5 de mayo (2002) Bauman, Z.; Vida de consumo, Ed. Fondo de Cultura Económica, Buenos Aires (2007). Bourdieu, P.; El sentido práctico, Ed. Taurus, Madrid (1991). Brennecke, J. y M. Stadtherr; A course in environmentally conscious chemical process engineering, Computers and Chemical Engineering: 26, 307-318 (2002). Camilloni, A., D. Zadunaisky y M. Fernández; Estudios para la Reforma Curricular de la Universidad de Buenos Aires, Secretaría de Asuntos Académicos de la Universidad de Buenos Aires, Ed. Eudeba, Volumen 2, Buenos Aires (2002).



Castells, M.; La ciudad de la nueva economía, Revista La factoría, 12 (2000). http://www.lafactoria web.com/ default-2.htm . Acceso 6 de noviembre (2006). Castells, M. del C., N. Vega, A. Arese y S. Guala; Análisis de los planes de estudio en la Facultad de Ingeniería Química. Hacia una comprensión de la cultura institucional, Actas del "Congreso Latinoamericano de Ingeniería y Ciencias Aplicadas", ISBN 987-575-011-5, 2 al 4 de marzo de 2005 publicado en CD, San Rafael, Mendoza. (2005). Charpentier, J.C.; The triplet “molecular process-product-process” engineering: the future of chemical engineering?, Chemical Engineering Science: 57, 4667-4690 (2002). Chevallard, Y.; La transposición didáctica, Ed. Aique, Buenos Aires (1997). Costa, R., G.D. Moggridge y P.M. Saraiva; Chemical Product Engineering: An emerging paradigm within Chemical Engineering, AIChE Journal: 52(6), 1976-1986 (2006). Elliot, J.; El cambio educativo desde la investigación acción, Ed. Morata, Madrid (1993). Gutiérrez Martin, F.; Nuevos Paradigmas y Métodos para la Educación Ambiental en la Ingeniería, Documento de las Jornadas de intercambio de Experiencias en Innovación Educativa en la UPM, Madrid, 6 al 8 de febrero de 2007, http://www.upm.es/innovación/cd/09_cyj/documentos/intercambio_ experiencias _innovacion.html. Acceso: 2 de noviembre (2007) Morin, E.; Introducción al pensamiento complejo, Ed. Gedisa, Barcelona (1998). Maciel de Oliveira, C.; La investigación-acción como estrategia de aprendizaje en la formación inicial del profesorado, Revista Iberoamericana de Educación, 33 (2003). http://www.rieoei.org/rie33a05 .htm. Acceso: 3 de julio (2006) Monereo, C.; Estrategias de enseñanza y aprendizaje, 5º Edición, Ed. Graó, Barcelona (1998) Najmanovich, D.; La complejidad: de los Paradigmas a las figuras del pensar, Revista Complexus: 1 (2), 67-76 (2005). Osorio, C.M.; Los efectos de la ingeniería en el Aspecto Humano, Conferencia presentada en el XXIX Convención Panamericana de Ingeniería, UPADI 2004, Ciudad de México, 22 al 25 de octubre (2004). Pereira, C.J.; Environmentally friendly processes, Chemical Engineering Science: 54, 1959-1973 (1999). Pozo, J. y C. Monereo; El aprendizaje estratégico, Ed. Santillana S.A., Buenos Aires (2001). Saraiva P. M., L.O. Santos y R.M. Quinta-Ferreira; Reengineering Chemical Engineering Education for the Future, Proceedings International Conference on Engineering Education – ICEE 2007, http://icee2007.dei.uc.pt/proceedings/papers/589.pdf. Acceso: 9 de noviembre (2007). Stenhouse, L.; Investigación y desarrollo del currículo, Ed. Morata, Madrid (1991). Tapias García, H.; Ingeniería Química: Escenario futuro y dos nuevos paradigmas, Rev. Ingeniería Química: julio-agosto, 179-186 (1999). Wintermantel, K.; Process and product engineering – achievements, present and future challenges, Chemical Engineering Science: 54, 1601-1620 (1999).

La Medición de la Eficiencia Universitaria: Una Aplicación del Análisis Envolvente Martín


La Medición de la Eficiencia Universitaria: Una Aplicación del Análisis Envolvente de Datos Raquel Martín Universidad de La Laguna, Facultad de Ciencias Económicas y Empresariales, Departamento de Economía de las Instituciones, Estadística Económica y Econometría, Cno. La Hornera s/n, Campus de Guajara, 38071 La Laguna, Tenerife, Islas Canarias-España (e-mail: [email protected]) Resumen En este artículo se presenta un análisis del grado de eficiencia técnica con que actúan los departamentos universitarios. En este caso la universidad elegida ha sido la Universidad de La Laguna, llevando a cabo el análisis para un curso académico. La metodología utilizada es el Análisis Envolvente de Datos, análisis que permite conocer mejor como funcionan los departamentos universitarios. Además, la metodología suministra información para mejorar la eficiencia y facilitar la gestión universitaria. La principal conclusión del estudio es que la asignación de los recursos destinados a la educación superior, es susceptible de ser mejorada en los aspectos concernientes a la eficiencia en el uso de los mismos. Palabras clave: eficiencia universitaria, educación superior, gestión, análisis envolvente de datos

Measuring University Efficiency: An Application of Data Envelopment Analysis Abstract The degree of technical efficiency with which university departments develop their activities is analyzed. As study case the analysis is done using data for one academic year in the University of La Laguna in Spain. The methodology used is the Data Envolvent Analysis, method that allows knowing better the functioning of the university departments. In addition, the methodology gives information to improve efficiency and to facilitate the university management. The most important conclusion of the study is that the resources assigned to higher education can be improved in aspects related to the efficiency in the use of them. Keywords: university efficiency, higher education, management, data envelopment analysis




INTRODUCCIÓN Las universidades públicas de los países desarrollados han experimentado transformaciones importantes derivadas, principalmente, de los cambios producidos en su contexto. Dentro de estos cambios, las presiones financieras sobre el Sector Público, concretadas, por ejemplo, en la búsqueda de la reducción del déficit, han producido una creciente preocupación por la medida de la eficiencia con la que desarrollan sus actividades las distintas organizaciones que forman dicho sector (Lovell y Muñiz, 2003). A su vez, otros aspectos han generado un incremento de los estudios referentes a la eficiencia y a su evaluación en el ámbito del Sector Público, como son el aumento de las exigencias por parte de los usuarios para obtener mayores niveles de eficiencia y efectividad de los servicios públicos consumidos o la gran inquietud social por dotar a los centros de decisión de las entidades públicas de modernas técnicas de gestión que contribuyan eficazmente al proceso de toma de decisiones (Yetano, 2007). En consecuencia, el interés por la medida y la mejora de la eficiencia con la que actúan las instituciones encargadas de impartir educación superior universitaria ha ido cobrando una importancia bastante significativa. En el caso de las universidades públicas, dado que se trata de organizaciones que gestionan sus recursos con considerable autonomía, la producción universitaria ha sido objeto de especial atención por parte de la literatura económica. Además, Europa se encuentra en el proceso de creación del “Espacio Europeo de Educación Superior”, que supone un fuerte incremento de la competencia entre instituciones universitarias y la búsqueda de situaciones caracterizadas por la eficiencia y la calidad de los servicios ofrecidos, derivado del entorno competitivo. Paralelamente, se está ante un escenario de cambio de la legislación universitaria española, que introduce un órgano de evaluación de los resultados universitarios, la Agencia Nacional de Evaluación y Acreditación (ANECA), que ha supuesto que los procesos de evaluación estén de plena actualidad. La hipótesis de partida en esta investigación ha sido que la asignación de los recursos destinados a la educación superior, es susceptible de ser mejorada en los aspectos concernientes a la eficiencia en el uso de los mismos. Situados en este contexto, la presente investigación se ha centrado en la determinación de la eficiencia con la que actúan las instituciones universitarias, como paso previo para la mejora en la asignación de recursos, y por tanto, de la gestión. En el caso de la universidad elegida (Universidad de La Laguna, ULL), se han tomando como unidades de análisis sus departamentos. Los trabajos de este tipo son relativamente recientes en España y en Canarias, concretamente, no existen antecedentes empíricos. Existen diversas técnicas que ayudan a enfocar económicamente los problemas de gestión pública (Álvarez, 2001). Pero las peculiaridades de la producción de servicios en el Sector Público convierten unas técnicas en más idóneas que otras. Dentro de las diferentes metodologías existentes, el Análisis Envolvente de Datos (DEA) (Coelli et al., 1999; Charnes et al., 1994) se ha convertido en una técnica usualmente empleada para evaluar la eficiencia, con la que actúan unidades tomadoras de decisiones, como es en este caso los departamentos universitarios. El análisis de la eficiencia técnica con la que actúan los departamentos universitarios, a través de la metodología DEA, permitirá profundizar en el conocimiento de la tecnología de producción de los departamentos universitarios y suministrará información para mejorar la eficiencia y, por tanto, facilitar la gestión universitaria. En este contexto, el objetivo de este trabajo es analizar la eficiencia técnica en los departamentos de la Universidad de La Laguna (ULL). METODOLOGÍA Y DATOS En la aplicación del DEA que se realiza en esta investigación, se utilizan como “unidades tomadoras de decisiones” los departamentos universitarios de la ULL, efectuando un análisis de la eficiencia con que desarrollan sus funciones docentes e investigadoras (outputs), a partir de los recursos materiales, humanos y financieros (inputs) de los que disponen, puesto que, tal y como recoge la LOU (Ley Orgánica 4/2007, de 12 de abril, por la que se modifica la Ley Orgánica 6/2001, de 21 de diciembre, de Universidades), en su artículo 9, los departamentos son las unidades de docencia e investigación encargadas de coordinar las enseñanzas de uno o varios



ámbitos del conocimiento en uno o varios centros, de acuerdo con la programación docente de la universidad, de apoyar las actividades e iniciativas docentes e investigadoras del profesorado. Además de lo anterior, también se debe tener en cuenta que las actividades de docencia e investigación son producidas a partir de un conjunto de inputs comunes a ambas: los profesores y recursos económicos y materiales. Es por ello que se considera que las actividades de docencia e investigación son actividades interrelacionadas y que, por tanto, deben ser analizadas conjuntamente. Asimismo, en las universidades también pueden aparecer sinergias como resultado de la producción conjunta de docencia e investigación. Tal como señala Martínez (2003), la investigación puede incidir positivamente en la calidad docente, la especialización del tercer ciclo, el diseño del currículo o la provisión de equipos e infraestructuras a emplear en actividades docentes. Los datos utilizados en este análisis empírico hacen referencia al curso académico 2002/2003 y proceden de la Memorias Académicas de la ULL, de las Memorias de Investigación, de las Guías de la Comisión de Doctorado, del Informe de Evaluación de la Calidad Docente, de los presupuestos de la Universidad, de la información suministrada por el Gabinete de Análisis y Planificación (GAP), por el Vicerrectorado de Investigación, por la Unidad Técnica de Evaluación (UTE) y por la Oficina de Transferencia de Resultados de Investigación (OTRI) de la ULL. La identificación de las variables que representan apropiadamente la actividad productiva de las organizaciones resulta fundamental para aproximarnos a la eficiencia real de las entidades evaluadas, sin embargo, a la hora de aplicar el DEA, se presentan dificultades en la definición, selección y medida de las variables (Martín, 2007). Los argumentos de tipo teórico que suministra la Economía de la Educación, junto a la revisión de la literatura sobre trabajos previos, que han estimado una función de producción en las instituciones de educación superior y la disponibilidad de información, son los que fundamentan las variables seleccionadas en este estudio. En cuanto al número de variables finalmente utilizado, se ha tenido en cuenta que su cuantía afecta a la capacidad de discriminación del DEA, en el sentido de que, cuanto mayor es el número de variables con relación al número de unidades analizadas, mayor será la probabilidad que tiene cada una de ellas de presentar un buen comportamiento en alguna de las variables consideradas y por tanto, de conseguir un índice de eficiencia unitario (Nunamaker, 1985). En cuanto a los outputs, que definen la función de producción, se diferencian aquéllos que hacen referencia a la docencia y aquéllos que se refieren a la investigación. En relación a los primeros, se han utilizado como variables cuantitativas las siguientes: el nº de créditos impartidos por departamento (NC), el nº de alumnos matriculados en primer y segundo ciclo por departamento (NA), y el nº de alumnos de tercer ciclo por departamento (NATC). Como variable cualitativa se ha utilizado el porcentaje de profesores que han obtenido una buena valoración en la encuesta de evaluación docente por departamento (PED) (con puntuación igual o superior a 4, en una escala de 1 a 5), donde se valoran diferentes aspectos (dominio, conocimiento didáctico, organización, motivación, medios y satisfacción). Con respecto a la investigación, se han utilizado como variables el número de publicaciones (NP) y los ingresos por proyectos de investigación (IPI). Siguiendo algunos trabajos que analizan la investigación universitaria (Martínez, 2003; Ng y Li, 2000) se utiliza el valor acumulado de la producción científica para varios cursos académicos: 2002/2003 y 2001/2002. Con respecto al “número de publicaciones” (NP), se ha incluido el número de publicaciones nacionales e internacionales con una ponderación de 1, y el número de ponencias y comunicaciones a congresos con una ponderación de 0,6. En relación a los ingresos de proyectos de financiación, éstos eran principalmente de 3 categorías: 1 año, 2 años y 3 años, y para imputarlos al período considerado se ha hecho un reparto proporcional. Lamentablemente, no se ha podido incluir ningún tipo de ponderación que permita considerar la calidad de la producción científica. En relación a los inputs que caracterizan la tecnología de producción, éstos se clasifican en recursos humanos, financieros y materiales. Con respecto a los recursos humanos se han agrupado a los profesores en dos tipos: los de perfil “a priori” mixto (PDI), dentro de los cuales se ha considerado a los catedráticos de universidad, a los catedráticos de escuela y a los titulares de universidad; y los profesores que por la naturaleza jurídica de sus puestos están especializados



en labores de docencia (PD), formados por los titulares de escuela, los profesores asociados y ayudantes. En ambos grupos existe personal con una dedicación parcial (a 3, 4, 5 y 6 horas). Éstos han sido ponderados con 0,375, 0,5, 0,625 y 0,75 respectivamente, obteniendo como resultado el profesorado existente equivalente a tiempo completo. Con respecto a los recursos financieros se ha utilizado como variable el presupuesto departamental (PP). Éste es anual, mientras que el análisis hace referencia a un curso académico. Por ello, se consideraron los presupuestos de los años 2003 y 2002, prorrateando las cantidades y calculando la parte proporcional correspondiente.

Tabla 1: Variables de la función de producción.

Inputs Outputs ► Recursos Humanos: - Catedráticos universidad, catedráticos escuela y titulares universidad (PDI).

- Titulares escuela, profesores asociados y ayudantes (PD).

► Docencia: - % profesores buena valoración encuesta (PED). - Nº créditos impartidos por departamento (NC). - Nº alumnos matriculados en 1er y 2º ciclo (NA). - Nº alumnos de 3er ciclo por departamento (NATC).

► Recursos Financieros: - Presupuesto departamental (PP).

► Investigación: - Nº de publicaciones (NP). - Ingresos por proyectos de investigación (IPI).

En cuanto a la metodología utilizada, el Análisis Envolvente de Datos, desarrollado por Charnes et al. (1978), a partir del trabajo seminal de Farrell (1957), tiene por objeto la medición de la eficiencia de lo que sus autores denominaron “unidades tomadoras de decisiones” (DMU), unidades que se deben caracterizar por consumir el mismo tipo de inputs para la obtención del mismo tipo de outputs, esto es, deben ser unidades homogéneas. El DEA trata de definir la frontera de producción empírica formada por las mejores unidades observadas, para posteriormente cuantificar el grado de eficiencia de las observaciones que forman parte de la muestra, es decir, su distancia en relación con la frontera. Así, el DEA compara a cada unidad únicamente con las mejores unidades observadas, siendo el indicador de eficiencia que se obtiene relativo.

Tabla 2: Formulación básica del DEA: modelo CCR. Fraccional Dual

Max. 0h =

∑

∑

=

=m

iioio

s

rroro

XV

YU

1

1 s.a.: 1

1

1 ≤

∑

∑

=

=m

iijio

s

rrjro

XV

YU;

j=1,2,.,n 0, ≥roio UV r = 1,2,..., s i = 1,2,..., m

Minimizarθo-ε[∑=

m

i 1S+

i+∑=

s

r 1S-

r]

s.a.: ∑=

n

j 1λiXij+S+

i=θoXio;

∑=

n

j 1

λjYrj - S-r = Yro ;λj , S+

i, S-r ≥ 0, j = 1,2,...,n

i = 1,2,..., m r = 1,2,..., s

Para medir la eficiencia, cuando nos encontramos con múltiples inputs y outputs, surge la formulación propuesta por Charnes et al. (1978), conocida como modelo CCR, que originariamente adopta la forma fraccional expuesta en la tabla 2. El indicador de eficiencia se define como el cociente entre la suma ponderada de los outputs y la suma ponderada de los inputs, ponderaciones que son generadas por la propia técnica a través de la programación matemática, obteniendo, para cada unidad, la valoración más favorable de su eficiencia en relación con las demás. El valor del índice de eficiencia oscila entre cero y uno. Las unidades que obtienen el valor unitario son aquéllas que son eficientes, mientras que la obtención de un valor inferior implica la existencia de ineficiencia. La complejidad que presenta la resolución del programa en forma fraccional llevó a Charnes et al. (1979) a transformarlo en uno equivalente de programación lineal. La versión utilizada en la mayoría de los trabajos aplicados es el dual del programa lineal, puesto que cada una de las variables en él tiene un significado concreto y es una formulación más sencilla (Ganley y Cubbin, 1992).



El modelo expuesto hasta ahora contiene la restricción de rendimientos constantes a escala, lo que implica que es posible que unidades de gran escala sean comparadas con unidades hipotéticas de reducida escala y al contrario, hecho que en la práctica puede ser inapropiado. Para detectar las posibles fuentes de ineficiencia que provienen de la escala de operaciones en la que opera una DMU, surge el modelo BCC planteado por Banker et al. (1984). En cuanto a la elección del modelo DEA, entre un modelo DEA con rendimientos constantes a escala (CCR) y uno con rendimientos variables de escala (BCC), se han utilizado los procedimientos descritos por Martínez (2003), y que han sido utilizados posteriormente en otros trabajos como en el realizado por Calderón et al. (2005). Dichos procedimientos han sido: Regresión de los índices de eficiencia CCR sobre el tamaño de los departamentos (medido por el número de profesores equivalentes a tiempo completo), lo que permite comprobar si el tamaño es estadísticamente significativo para explicar los índices de eficiencia; contraste de Mann-Whitney (para contrastar la hipótesis de que los dos grupos independientes de los índices de eficiencia proceden de la misma población) y contraste de Kolmogorov-Smirnov (para contrastar la hipótesis de que la distribución de los índices de eficiencia es la misma) sobre los índices de eficiencia calculados para los modelos CCR y BCC; coeficiente de correlación entre los índices de eficiencia obtenidos para los dos modelos: CCR y BCC (un coeficiente de correlación alto indica que la aplicación de las dos formulaciones del modelo proporcionan como resultado ordenaciones muy parecidas); y eficiencia de escala (que se obtiene a través del cociente entre los índices de eficiencia obtenidos por el modelo CCR y los índices de eficiencia obtenidos por el modelo BCC). Los procedimientos utilizados permiten señalar que la tecnología de producción, que presentan los departamentos de la ULL, para el curso académico 2002/2003, y con los datos considerados, se caracteriza por mostrar rendimientos constantes a escala. Es por ello que se ha utilizado el modelo CCR. En relación a la orientación del modelo, se considera que el sector universitario se caracteriza porque el grado de control de los gestores de las unidades objeto de análisis sobre sus recursos es mínimo, ya que éstos vienen determinados por niveles superiores de la administración en función de unos criterios preestablecidos y fundamentalmente basados en la demanda. Por tanto, parece razonable suponer que los objetivos de los gestores públicos irán orientados hacia la obtención de los mejores resultados, en lugar de hacia una minimización de los recursos (Martínez, 2003; Avkiran, 2001; Caballero et al., 2000). Ello lleva a seleccionar un modelo DEA con orientación al output para la evaluación de la eficiencia, es decir, se analizará en qué porcentaje los departamentos universitarios pueden incrementar su producción docente e investigadora, a partir de los recursos disponibles. Por otra parte, la evaluación de la eficiencia a través de la metodología DEA exige que las unidades productivas, objeto de análisis, sean homogéneas. En los trabajos que aplican el DEA sobre el conjunto de actividades de los departamentos de una misma universidad (Johnes, 2006; Caballero et al., 2000, 2004; Giménez y Martínez, 2001; García, 1996; Sinuany-Stern et al., 1994), se encuentran unidades muy diversas que pueden dar cierto grado de heterogeneidad. Para dar homogeneidad a las unidades a analizar, en las investigaciones centradas en la educación universitaria, los trabajos analizados diferencian los departamentos agrupándolos según el grado de experimentalidad. En el caso de este estudio, se ha considerado la diferenciación de los departamentos según sean experimentales o no, realizando un análisis DEA para cada uno de los grupos por separado. Por último, para el caso de la ULL, las ventajas y las restricciones del DEA son las resumidas en la Tabla 3.

Tabla 3: Ventajas y restricciones del DEA.

Ventajas Restricciones -Se adapta a múltiples inputs y outputs. -Incapacidad de identificar outliers. -No contempla la ausencia de precios. -Modelo determinístico. -Evita la imposición de una forma funcional. -Homogeneidad en las unidades analizadas. -Ofrece información minuciosa y detallada. -Necesidad proporción óptima de variables. -Permite incluir factores fuera del control de DMU. -Incapacidad de ordenar unidades eficientes. -Permite variables expresadas distintas medidas. -Resultados sensibles a la especificación. -Flexibilidad. -Flexibilidad.



APLICACIÓN DEL DEA: RESULTADOS Y DISCUSIÓN El número total de departamentos en la ULL para el curso académico 2002/2003 era de 62, de los cuales 31 eran departamentos experimentales (8 correspondientes a la división de ciencias de la salud y 23 a la de ciencias experimentales y técnicas) y 31 eran no experimentales (21 correspondientes a la división de ciencias sociales, económicas, jurídicas y de la educación y los 10 restantes pertenecientes a humanidades). Existen departamentos que obtienen en alguna de las dos variables referidas al profesorado un valor nulo. Un modelo CCR con una orientación output sin inputs carece de sentido, por lo que finalmente se han eliminado los departamentos con algún input cero. Asimismo, el departamento 4 ha sido excluido por sus características particulares. Como consecuencia, el análisis ha sido realizado para un conjunto de 57 departamentos, de los cuales 28 son experimentales y 29 son no experimentales. A continuación se recogen los índices de eficiencia obtenidos para los departamentos experimentales (tabla 4) y para los no experimentales (tabla 5), obtenidos a través del programa informático EMS (Efficiency Measurement System) de Holger Scheel (University of Dortmund). En relación a los primeros, los resultados muestran 13 unidades eficientes y 15 ineficientes, siendo la media de las ratios de eficiencia del 91,9%, lo cual supone un 8,1% de ineficiencia media para el conjunto de departamentos analizados. Adicionalmente se observa que los departamentos menos eficientes son los departamentos 35, 47, 10 y 57.

Tabla 4: Índices de eficiencia. Departamentos experimentales.

Departamento Índices eficiencia Departamento Índices

eficiencia Departamento Índices eficiencia

Departamento 2 0,99 Departamento 33 0,90 Departamento 48 1 Departamento 3 1 Departamento 34 1 Departamento 49 1 Departamento 5 0,91 Departamento 35 0,65 Departamento 50 1 Departamento 6 0,88 Departamento 36 1 Departamento 51 0,86 Departamento 9 1 Departamento 42 1 Departamento 52 1 Departamento 10 0,72 Departamento 43 1 Departamento 57 0,73 Departamento 24 0,86 Departamento 44 0,98 Departamento 58 0,79 Departamento 25 1 Departamento 45 1 Departamento 59 0,97 Departamento 26 0,91 Departamento 46 0,87 Departamento 27 1 Departamento 47 0,71

Con respecto a los departamentos no experimentales, se identifican 17 unidades eficientes y 12 ineficientes, siendo la media de los ratios de eficiencia de 93,59%, lo cual indica un 6,41% de ineficiencia media para el conjunto de departamentos analizados. Dentro de ellos, los departamentos menos eficientes son los departamentos 14, 53 y 31.

Tabla 5: Índices de eficiencia. Departamentos no experimentales.

Departamento Índices eficiencia Departamento Índices

eficiencia Departamento Índices

eficiencia Departamento 1 0,825 Departamento 20 0,948 Departamento 38 1 Departamento 8 1 Departamento 21 0,904 Departamento 39 0,962 Departamento 11 1 Departamento 22 1 Departamento 40 1 Departamento 12 1 Departamento 23 0,955 Departamento 42 1 Departamento 14 0,64 Departamento 28 1 Departamento 53 0,678 Departamento 15 0,848 Departamento 29 0,924 Departamento 54 1 Departamento 16 1 Departamento 30 1 Departamento 55 1 Departamento 17 1 Departamento 31 0,736 Departamento 56 1 Departamento 18 1 Departamento 32 0,862 Departamento 61 1 Departamento 19 0,859 Departamento 37 1



Asimismo el DEA nos suministra información acerca de los grupos de referencia de cada unidad, los cuales vienen definidos por aquellos subconjuntos de entidades eficientes, que matemáticamente están determinados por aquellas unidades con valores de λj no nulos al resolver el problema de programación lineal. El conocimiento de la composición del grupo de referencia de cada uno de los departamentos ineficientes puede resultar inestimable, a la hora de implementar estrategias encaminadas a mejorar la eficiencia. En este sentido, las prácticas productivas de cada entidad ineficiente deben compararse con aquéllas que forman parte del grupo de referencia. Otra información adicional, que puede obtenerse a partir del grupo de referencia, es la importancia relativa que ha tenido cada uno de los componentes del grupo en la determinación del departamento ficticio con el que ha sido comparada la actividad de cada uno de los departamentos ineficientes. Esta información viene suministrada por los valores de las ponderaciones λj asignadas por el modelo a cada uno de los departamentos que forman parte del grupo de referencia. El objetivo principal es poder llegar a conocer cuáles son los modelos de gestión a seguir por cada departamento ineficiente, puesto que cuanto mayor es el valor de los λj, más parecido es el modelo de producción del departamento ineficiente al eficiente que forma parte del grupo de comparación. Por tanto, cada departamento, a la hora de adoptar medidas correctoras encaminadas a alcanzar una situación eficiente debe prestar especial atención a las prácticas productivas que se desarrollan en los departamentos que forman parte de su grupo de comparación.

Tabla 6: Grupos de referencia y ponderaciones λj asignadas. Departamentos experimentales.

Departamento Grupo de referencia Ponderaciones 2 9, 45 y 52 λ9=0,957; λ45= 0,209; λ52=0,819 5 3,9,34,36,48 y 49 λ3=0,23; λ9=0,05; λ34=0,19; λ36=0,88; λ48=0,004; λ49=0,11 6 3, 9, 36, 49 y 52 λ3=0,685; λ9=0,294; λ36=0,901; λ49=0,080; λ52=0,054

10 36, 43, 48 y 52 λ36=0,046; λ43=0,620; λ48=0,444; λ52=0,149 24 3, 9,36 y 52 λ3=0,027; λ9=0,373; λ36=0,699; λ52=0,384 26 9, 36, 45, 48 y 52 λ9=1,113; λ36=0,663; λ45=0,402; λ48=0,027; λ52=0,244 33 9, 45, 48 y 52 λ9=0,611; λ45=0,477; λ 48=0,044; λ52=0,151 35 9,42, 45 y 52 λ9=1,798; λ42=0,036; λ45=1,048; λ52=0,520 44 3,9 y 36 λ3=0,496; λ9=1,033; λ36=0,551 46 9, 36, 43,48 y 52 λ9=0,041; λ36=0,022; λ43=0,859; λ48=0,113; λ52=0,021 47 48 y 52 λ48=0,136; λ52=0,967 51 36,43,45, 48 y 52 λ36=0,261; λ43=0,522; λ45=0,083; λ48=0,012; λ52=0,178 57 3, 9,36, 43 y 49 λ3=0,326; λ9=0,315; λ36=0,187; λ43=0,054; λ49=0,377 58 3, 9 y 36 λ3=0,863; λ9=0,057; λ36=0,149 59 3, 9,36, 43 y49 λ3=0,005; λ9=0,114; λ36=0,703; λ43=0,202; λ49=0,213

Tabla 7: Grupos de referencia y ponderaciones λj asignadas. Departamentos no experimentales.

Departamento Grupo de referencia Ponderaciones 1 16,22, 30, 40 y 55 λ16=0,089; λ22=0,243; λ30=0,036; λ40=0,176; λ55=0,219

14 8, 22, 40 y 55 λ8=0,016; λ22=0,211; λ40=0,938; λ55=0,192 15 8, 28, 30 y 55 λ8=1,409; λ28=0,521; λ30=0,052; λ55=0,046 19 8, 40, 55 y 56 λ8=0,672; λ40=1,143; λ55=0,099; λ56=0,237 20 8, 40 y 55 λ8=0,359; λ40=0,481; λ55=0,397 21 8, 22, 40 y 55 λ8=0,624; λ22=0,302; λ40=0,107; λ55=0,426 23 22, 30, 40 y 61 λ22=0,638; λ30=0,267; λ40=0,381; λ61=0,040 29 8, 16, 28, 54 y 55 λ8=0,163; λ16=0,004; λ28=0,872; λ54=0,367; λ55=0,392 31 8,16,22, 30, 40 y 61 λ8=0,83; λ16=1,11; λ22=0,01; λ30=0,06; λ40=1,47; λ61=0,34 32 8, 28, 40 y 54 λ8=0,251; λ28=0,130; λ40=0,269; λ54=0,2781 39 8, 54 y 55 λ8=1,204; λ54=0,054; λ55=0,367 53 8 y 30 λ8=2,271; λ30=0,350



El DEA proporciona las unidades ineficientes, así como información acerca de los grupos de referencia de cada unidad, pero también los objetivos óptimos de producción y de consumo que los departamentos ineficientes deben alcanzar para ser catalogados como eficientes. Estos objetivos se calculan aplicando directamente el índice de eficiencia y las correspondientes variables de holgura a los valores reales de la unidad analizada. Los resultados, en términos porcentuales, aparecen recogidos en la tabla 8, para el caso de los departamentos experimentales y en la tabla 9 para los no experimentales.

Tabla 8: Reducción potencial en los inputs e incremento potencial de outputs. Departamentos experimentales ineficientes.

Departamento PDI PD PP PED NC NA NATC NP IPI Departamento 2 0% 31% 0% 94% 1% 1% 1437% 79% 334%Departamento 5 0% 0% 0% 10% 10% 10% 335% 10% 186%Departamento 6 0% 0% 0% 69% 14% 14% 168% 14% 349%Departamento 10 30% 0% 0% 39% 160% 39% 57% 39% .. Departamento 24 0% 0% 14% 64% 16% 16% 131% 20% 16% Departamento 26 0% 44% 0% 285% 10% 10% 333% 10% 10% Departamento 33 0% 9% 0% 110% 11% 11% 152% 11% 347%Departamento 35 0% 0% 0% 196% 54% 54% 314% 58% 95% Departamento 44 3% 0% 0% 143% 2% 9% 166% 2% 33% Departamento 46 22% 26% 0% 15% 15% 15% 322% 15% 15% Departamento 47 0% 64% 20% 57% 64% 535% 41% 41% 382%Departamento 51 0% 0% 34% 16% 44% 16% 195% 16% 16% Departamento 57 0% 0% 2% 36% 36% 169% 265% 36% 36% Departamento 58 3% 0% 0% 327% 27% 100% 410% 27% 88% Departamento 59 0% 0% 0% 3% 3% 60% 239% 3% 198%

Media 4% 12% 5% 98% 31% 71% 305% 25% 150%

Tabla 9: Reducción potencial en los inputs e incremento potencial de outputs. Departamentos no experimentales ineficientes.

Departamento PDI PD PP PED NC NA NATC NP IPI Departamento 1 5% 0% 0% 21% 21% 21% 225% 21% 30% Departamento 14 0% 0% 2% 64% 56% 56% .. 56% .. Departamento 15 0% 0% 0% 62% 18% 18% 150% 24% .. Departamento 19 0% 0% 16% 98% 135% 16% 16% 16% 138%Departamento 20 0% 0% 2% 6% 31% 6% 568% 110 225%Departamento 21 0% 21% 0% 45% 30% 11% 11% 11% .. Departamento 23 0% 8% 0% 76% 5% 5% 84% 5% 13% Departamento 29 0% 0% 0% 89% 8% 8% 115% 8% 745%Departamento 31 0% 0% 0% 196 36% 36% 36% 36% 127%Departamento 32 1% 0% 0% 16% 46% 16% 16% 91% .. Departamento 39 0% 0% 3% 31% 4% 4% 131% 187 .. Departamento 53 0% 0% 9% 93% 47% 131% 230% 91% ..

Media 1% 2% 3% 66% 36% 27% 144% 55% 213% De la tabla 8 se puede destacar que, en media, los departamentos experimentales ineficientes deben incrementar el número de alumnos de tercer ciclo (NATC) en un 305% y los ingresos de proyectos de investigación (IPI) en un 150%. Asimismo, para ser eficientes, deben reducir el personal docente (PD) en un 12% e incrementar el porcentaje de profesores con buena valoración en la encuesta de evaluación (PED) en un 98%. De la tabla 9 cabe destacar que, en media, los departamentos no experimentales ineficientes deben incrementar el número de alumnos de tercer



ciclo (NATC) en un 144% y los ingresos de proyectos de investigación (IPI) en un 213%. Asimismo, para ser eficientes, deben incrementar el porcentaje de profesores con buena valoración en la encuesta de evaluación (PED) en un 66%. Los resultados muestran las mejoras potenciales que pueden realizar los departamentos universitarios para desarrollar su actividad de forma eficiente. No obstante, los objetivos de producción y consumo de los departamentos ineficientes deben interpretarse siempre con cautela. Debe ser el propio departamento, quien, a partir de los resultados mostrados, tome las decisiones oportunas. Hay que tener presente que cada departamento tiene sus particularidades, las cuales pueden facilitar o dificultar el acercamiento a determinados objetivos. Además, hay factores ajenos al control del propio departamento y que el modelo DEA ignora, que también pueden dificultar alcanzar los óptimos preestablecidos. CONCLUSIONES El interés del presente trabajo se ha centrado en el análisis del grado de eficiencia con el que se gestionan los recursos universitarios. En este sentido, se ha puesto de manifiesto que es posible medir la eficiencia con la que actúan los departamentos universitarios. El análisis realizado ofrece evidencia empírica de la posibilidad de evaluar la eficiencia con la que actúan los departamentos de la ULL. En relación a los departamentos ineficientes se puede acentuar la necesidad de incrementar los resultados obtenidos en algunas de las variables utilizadas para el análisis. Del mismo modo se ha obtenido información adicional, relacionada con los grupos de referencia y con los objetivos a alcanzar por cada departamento, lo que permite tener un mayor conocimiento de la actividad departamental. Los resultados mostrados pueden facilitar a los departamentos la toma de decisiones y la planificación de sus actividades. El conocimiento de la posición de un departamento con respecto al resto ayuda a conocer sus puntos débiles y fuertes y, por tanto, a tomar las medidas correctoras necesarias o a potenciar sus fortalezas. En este sentido, la utilidad del DEA para la gestión de los departamentos radica en que proporciona puntos operativos de referencia que sugieren líneas de acción para una mejor asignación de recursos que pueden ponerse en práctica en aquellos departamentos que se han revelado menos eficientes. En resumen, los departamentos, como centros de gestión, deben contar con información sobre su modo de actuar, con el fin de poder realizar su propia planificación de objetivos y la programación de los medios necesarios para su consecución. A través del análisis realizado se facilita dicha información. REFERENCIAS Álvarez Pinilla, A. (coord.); La medición de la eficiencia y la productividad, Ed. Pirámide, Madrid (2001). Avkiran, N.K.; Investigating technical and scale efficiencies of Australian Universities through data envelopment analysis, Socio-Economic Planning Sciences: 35, 57-80 (2001). Banker, R.D., A. Charnes y W. Cooper; Some models for estimating technical and scale inefficiencies in data envelopment analysis, Management Science: 30, 1078-1092 (1984). Caballero, R., T. Galache, T. Gómez y A. Torrico; Análisis de la eficiencia vía DEA y multiobjetivo. Una aplicación al caso de la Universidad de Málaga, IX Jornadas AEDE, 81-96, Jaén, España, 21 y 22 de septiembre (2000).



Caballero, R., y otros cuatro autores; A., Budgetary allocations and efficiency in the human resources policy of a university following multiple criteria, Economics of Education Review: 23, 67-74 (2004). Calderón Patier, C., D. Barruso Castillo y N. Rueda López; La medición de la eficiencia de las políticas públicas de I+D en España: una aplicación del Análisis Envolvente de Datos (DEA), XII Encuentro de Economía Pública, http://www.uib.es/congres/ecopub/, Palma de Mallorca, España, 3 y 4 de febrero (2005). Charnes, A., W. Cooper, A. Lewin y L. Seiford; DEA: Theory, Methodology and Applications, Kluwer Academic Publishers, USA (1994). Charnes, A.; W. Cooper y E. Rhodes; Short communication: Measuring efficiency of decision making units, European Journal of Operational Research: 3, 339 (1979). Charnes, A., W. Cooper y E. Rhodes; Measuring Efficiency of Decision Making Units, European Journal of Operational Research: 2, 429-444 (1978). Coelli, T., D.S. Prasada y G.E. Battese; An introduction efficiency and productivity analysis, Kluwer Academic Publishers, USA (1999). Farrell, M.J.; The measurement of productive efficiency, Journal of the Royal Statistical Society: 120, 253-290 (1957). Ganley, J.A. y J.S. Cubbin; Public Sector Efficiency Measurement Applications of Data Envelopment Analysis, Elsevier Science Publisher, Amsterdam (1992). García Valderrama, T.; La medida y el control de la eficiencia en las instituciones universitarias, Sindicatura de Comptes, Valencia (1996). Giménez García, V. y J.L. Martínez Parra; Eficiencia en los costes en la universidad: una aplicación a los departamentos de la UAB, X Jornadas AEDE, 461-472, Murcia, España, 28 y 29 de septiembre (2001). Johnes, J.; Measuring teaching efficiency in higher education: An application of data envelopment analysis to economics graduates from UK Universities 1993, European Journal of Operational Research: 174, 443-456 (2006). Lovell, C.A.K. y M.A. Muñiz Pérez; Eficiencia y productividad en el sector público, Papeles de Economía Española: 95, 47-65 (2003). Martín Rivero, R.; La eficiencia productiva en el ámbito universitario: aspectos claves para su evaluación, Estudios de Economía Aplicada: 25(3), 793-812 (2007) Martínez Cabrera, M.; La medición de la eficiencia en las instituciones de educación superior, Fundación BBVA, Bilbao (2003). Nunamaker, T.T.; Using Data envelopment analysis to measure the efficiency on non-profit organisations: a critical evaluation, Managerial and Decision Economics: 6 (1), 50-58 (1985). Sinuany-Stern, Z., A. Mehrez y A. Barboy; Academic departments efficiency via DEA, Computers & Operations Research: 21(5), 543-556 (1994). Yetano Sánchez de Muniaín, A.; Hacia la gestión estratégica en la administración local: el balanced scorecard, Colección: Estudios de Hacienda Publica, Instituto de Estudios Fiscales, Madrid (2007).

Oferta Académica Flexible bajo el Concepto del Justo a Tiempo Díaz


Oferta Académica Flexible bajo el Concepto del Justo a Tiempo

Adalberto G. Díaz Universidad EAFIT, Escuela de Ingenierías, Departamento de Ingeniería de Producción, Apartado Aéreo 3300, Medellín-Colombia (e-mail: [email protected]) Resumen Se propone e implementa de un sistema de oferta flexible de los currículos universitarios, como alternativa y solución al mejoramiento de calidad en el aprendizaje de los estudiantes, visualizando la realidad y los prospectos de ejecución para la renovación universitaria. Se discute la operatividad del ofrecimiento flexible como la alternativa estratégica del concepto just in time al servicio de la enseñanza del conocimiento en la educación superior. El sistema opera bajo la modalidad de créditos, lográndose un modelo organizado más abierto y dinámico que permite al estudiante elegir y planear por periodo su desempeño académico, de acuerdo a sus condiciones de estudio y esfuerzo, y también a su entorno social, laboral y académico. Palabras claves: oferta académica flexible, currículo universitario, crédito académico, justo a tiempo

The Flexible Academic Offering under the Concept of the Just In Time Abstract A flexible system for the university curriculum offering is proposed and implemented, as an alternative and a solution to the improvement of quality in the learning process of the students. The operability of the flexible offer as the strategic alternative of the concept just in time to the service of higher education is discussed. The system operates under the credits modality, obtaining a organized model more open and dynamic that allows students to choose and plan each period their academic performance, according to their studying conditions and effort, and also to their social, working, and academic environment Keywords: flexible academia offering, university curriculums, academic credit, just in time




INTRODUCCIÓN La educación es un derecho fundamental de la humanidad; es una exigencia y un propósito de todos los gobiernos para ofrecer de un producto académico como un servicio obligatorio del entorno social, el cual exige ser caracterizado en el momento histórico de acuerdo con los arraigos culturales de sus gentes (Diaz, 2002). Por eso, la oferta de un producto académico competitivo y con calidad, exige buscar nuevas alternativas y estrategias para el fortalecimiento de la autoridad académica y el mejor resultado del aprendizaje con técnicas, métodos y modelos de enseñanza aprendizaje actualizados. La observación histórica de los modelos de oferta académica en la universidad puede ubicarse inicialmente a partir de la Revolución Francesa, cuando se engendraron cambios en las concepciones académicas, sociales e industriales, que van más allá del simple desarrollo o de la evolución científica y tecnológica, imponiéndose costumbres de acuerdo con las clases sociales, culturales o las épocas climáticas, tales como: fiestas de temporadas, vacaciones de verano, estilos de vida diferentes, excursiones, indumentarias por ocasión, etc. (Carbajo, 2006). La universidad también se adhiere a la participación de una vida cultural, creándose así el modelo programación académica de la universidad por periodos anuales intercalados con periodos de atención al campo o de vacaciones en verano. La educación universitaria se ha involucrado en la clasificación social volviéndose privilegio de unos y discriminatorio de otros; pero algunos tendrían la oportunidad de lograr una mejor posición en su grupo por contienda en el desempeño como mejor estudiante. Estos modelos han evolucionado a través del tiempo, como también ha crecido el volumen de temas y áreas de estudio, transformándose el mundo de hoy hacia una sociedad del conocimiento, enriquecido y soportado en economías basadas en la información, la tecnología y la sociedad. Pero algunos principios universitarios esenciales siguen vigentes, se ha llegado a creer que el mejor estudiante es el que más materias esté cursando o el más exitoso en las más difíciles. Por su parte también la universidad ha realizado clasificaciones temáticas por áreas del saber, creando dependencias administrativas llamadas facultades y programas de un conjunto de cursos académicos que definen una carrera, a los cuales un estudiante responde con sus intereses y habilidades para obtener un título profesional. Operativamente, la universidad ha creado un modelo de oferta académica rígido, siendo exitoso en su momento debido al sometimiento a una disciplina extrema del estudiante y sus docentes. Se han establecido métricas del aprendizaje por medio de evaluaciones, pero muchas veces los resultados no reflejan el alcance de los objetivos. De allí que el estudiante aprendió a hacer fraudes en las exámenes, modificando los objetivos del aprendizaje por un mejor nivel de la evaluación a cualquier costo disciplinar o académico. Los currículos universitarios ayudaron en este desenfreno apilando programas con altos volúmenes de contenidos sin preparatorios, muchas veces redundantes y extremadamente difíciles. En el ocaso del siglo XX llega la conciencia de los grandes cambios con reflexiones como: el conocimiento y el espíritu de formación es un patrimonio de los países y la educación es un tesoro (Delors, 1996), que deben cuidar y capitalizar en resultados tales como índices de crecimientos educativos, índices de desarrollo de tecnologías e investigaciones propias (Diaz, 2002). El alcance de estos objetivos no sólo requiere inversión de capitales, sino de la adopción de estructuras, políticas y métodos de oferta y enseñanza que respondan a las nuevas necesidades creando un sistema de educación superior diferenciado y competitivo a cada estudiante según su productividad (Pedroza-Flores, 2001). Con dinero se pueden construir bibliotecas, edificios y comprar información, pero con estrategias de ofrecimiento y métodos de aprendizaje, este conocimiento permeará las mentes de los hombres y se logrará el desarrollo de los pueblos. Es el reto de pasar de un paradigma centrado en la enseñanza y la transmisión de conocimientos a otro centrado en el aprendizaje (Delors, 1996). También, alrededor de los años 70 los japoneses ven que el desarrollo económico debido a la industrialización empieza a decaer y observan que el reto es la flexibilidad de sus procesos y de la oferta de sus productos, aplicando el modelo del sistema utilizado por Toyota para flexibilizar sus procesos y que posteriormente se conoce como la técnica Justo a Tiempo (Ohno, 1988). Esta técnica ha sido la congruencia del desarrollo industrial, haciendo pensar que la dinámica del mundo es flexible. También los pensadores en el tema de la educación, acuñan el término “educación flexible” (Salinas, 2000) para permitir a una gran



población de estudiantes moverse en la aldea global del conocimiento. En la Conferencia Mundial sobre Educación Superior celebrada en París en 1998 (Unesco, 1998) se hizo evidente la necesidad de contar con sistemas de educación más diversificados, que ofrezcan una amplia gama de posibilidades de educación y formación mediante nuevos modelos educativos centrados en el estudiante, proyectando el conocimiento como un bien universal (Salinas, 1997), por ello se planea una enseñanza superior caracterizada por su dimensión internacional con movilidad global (Delors, 1996), donde los idiomas extranjeros y sobre todo las nuevas tecnologías de la información y la comunicación sean estrategias fundamentales. En la publicación “La flexibilización de la oferta académica mejora la calidad del aprendizaje” (Diaz, 2006) se hace referencia al informe de la UNESCO sobre la educación para el siglo XXI (Delors, 1996) señalando que la educación es un proceso permanente, el cual se acomoda a diferentes situaciones del crecimiento continuo del hombre, donde se requiere de un escenario, productos, programas y métodos de enseñanza educativos, que incorporan características de calidad, flexibilidad, diversidad y el desarrollo de competencias transferibles a contextos diferentes de tiempo y espacio, permitiendo y favoreciendo la formación continua de los individuos, la actualización en su disciplina profesional y su crecimiento intelectual, demandando desarrollar la capacidad de aprender a aprender (Nieto,2002). El termino flexibilizar es contrario a la rigidez y actúa complementariamente, encontrándose delimitado por el entorno sistémico enmarcado por una fuerte normatividad en la cual opera la organización universitaria y que ahora debe mover las fronteras de la rigidez, para dar paso a situaciones cada vez más flexibles, cambiantes e indeterminadas (Casassus, 2000). Es de notar que la formación rígida tiene ventajas indudables, puesto que se orienta a la formación del carácter. Kant en su trabajo sobre pedagogía (Kant, 1803) menciona que "negar la disciplina es un mal mayor que negar la cultura" y Hegel escribió que la disciplina es la columna vertebral del carácter, entonces la disciplina es parte de la formación en la adolescencia, mientras que la formación cultural tiene su espacio durante la vida adulta. Se podría pensar que la formación en la universidad tiene una gran componente de la expansión cultural del hombre, quedando por verificar el momento en la vida del joven en que ocurre este trance de la adolescencia hacia la vida adulta. Lo cierto es que ahora los jóvenes se han hecho más adultos a una edad más temprana, casi que este cambio ocurre durante el periodo que transitan por la universidad, cuando estrenan mayoría de edad con el respectivo derecho de ciudadanía adulta. A su vez los modelos universitarios han evolucionado muy poco en la relación con la descripción de las representaciones y prácticas cotidianas de los estudiantes, con la indiferencia del éxito o el fracaso académico (Leite, 1999), lo cual ha permitido comprender las diversas y múltiples situaciones académicas por las que pasan los estudiantes, además de las condiciones y factores institucionales (Guerra et al., 2002). ANÁLISIS Y DIAGNÓSTICO A PRINCIPIOS DEL TERCER MILENIO En la realidad del funcionar universitario es preocupante la deserción universitaria y el fracaso académico que pueden estar relacionados a razones vocacionales, razones de entorno social o razones de carga académica debida a la distribución del uso del tiempo (McMeekein, 1993). Las políticas de gestión académica orientadas a incrementar el tiempo requerido para el aprendizaje tienen un importante impacto sobre la calidad y la eficiencia en el aprendizaje, pues el uso moderado del tiempo sigue siendo una condición fundamental para la enseñanza efectiva, sin lo cual ningún programa educativo puede avanzar. Cuando los estudiantes se exponen a situaciones adversas constantes, aparecen condiciones afectivas negativas que dificultan el aprendizaje, pues basta ver las consecuencias de una elevada carga académica en ciertos instantes de los periodos de estudio, donde se pone a prueba la disciplina y la capacidad de trabajo del estudiante en límites de exigencia máxima, rompiendo la tan elaborada capacidad disciplinar conseguida durante el tiempo de formación desde la básica. La causa de esta ruptura radica en la forma como se ha concebido el sistema universitario con un modelo rígido, bajo la única alternativa de ofrecimiento de un número de cursos con ejecución simultánea impuestos al estudiante por periodos anuales o semestrales.



Los modelos pedagógicos en su sistema natural responden a una exigencia ascendente en el tiempo de avance, como se muestra en la Fig. 1, de tal forma que la evaluación del aprendizaje se hace en forma acumulativa hacia el final del curso, llegando a una saturación de trabajo académico con responsabilidad en el estudiante debido al volumen de información, de estudio y de análisis que debe asimilar y hacer para aprobar los cursos, convirtiéndose el proceso de estudio universitario en un aprendizaje traumático, estresante y en un reto violatorio de su integridad individual en momentos de acoso académico. Ante esta situación, la reacción es la respuesta del estudiante a un hecho natural de defensa biológica, lo primero que se da es el cambio de objetivo del proceso académico, se ha cambiado: el aprender un tema por el rescatar una nota a cualquier costo, pues el proceso académico se mide finalmente por el resultado de una nota, la que no necesariamente refleja un real resultado del proceso de aprendizaje en medio de un bajo rendimiento académico manifestado por la pérdida de materias, conocimientos pobres de los contenidos, aumento en la cancelación de cursos, ausentismo frecuente en las clases, fraudes en los exámenes y deserción de las aulas.

Fig. 1: Distribución de la carga académica del estudiante de acuerdo a las actividades de aprendizaje

El sistema universitario involucra cuatro elementos sistémicos fundamentales: estudiantes, docentes, dirección y entorno. Por consiguiente cualquier mal funcionamiento en uno de estos elementos afecta a todo el sistema. El docente es el custodio del conocimiento y el conductor del proceso de aprendizaje (Delors, 1996), también es el interventor del ambiente que rodea el proceso académico y es por consiguiente el responsable de sugerir o propiciar las condiciones justas para su exitoso desempeño. También es el observador del contraste resultante de su trabajo académico debido a que comparte el tiempo de los estudiantes simultáneamente con colegas de otros cursos y con temáticas diferentes e igual importancia, que también exigen el derecho de un ambiente de desempeño eficaz. El ejercicio docente también requiriere de espacios de acción para la actividad académica, programas de capacitación e investigación, asesorías, periodos sabáticos, pasantías, intercambios, los cuales se encuentran limitados dentro de los sistemas rígidos. El aprendizaje, como función de la logística académica, se deteriora por una alta concentración de actividades académicas en las dimensiones espacio–tiempo, debido a la demanda de los recursos académicos (finanzas, aulas y profesores, computadores, internet, biblioteca, parqueaderos), durante periodos de estudio y la sub-utilización de éstos, en los periodos de restantes. El entorno universitario también experimenta lo que se vive y se hace dentro de los claustros: la cobertura universitaria, el acceso, los costos, las ocupaciones y finalmente el desempeño de los egresados se proyecta en la promoción social, industrial y de la sociedad que lo rodea. FLEXIBILIZACION DE LA OFERTA ACADÉMICA Toda esta problemática que interfiere los sistemas educativos, obligan a repensar la universidad (Salinas, 2000; 2002), haciendo una consideración de la redefinición de sus procesos, principios, políticas, estrategias, organización, operación y gestión (Diaz, 2002), realizando cambios a espacios más amplios y flexibles, enfatizando la necesidad de demoler los muros de rigidez que han estado oprimiendo, modificando la distribución y las formas del ejercicio académico y del poder de las instituciones (Nieto, 2002), reconstruyendo los ámbitos de libertad, responsabilidad, confianza y autonomía, apoyándose en la ciencias y las herramientas tecnológicas actuales,



influyendo en todas las instituciones la necesidad urgente de crear sociedades de aprendizaje más eficaces y productivas, cambiando culturalmente el contexto del desempeño de modelos rígidos a modelos flexibles y optimizados (Polley, 1997). Al aprendizaje como el objetivo final de un proceso académico se llega por varias vías: Colectivamente se establecen sociedades de aprendizaje, grupos de trabajo, semilleros de investigación, etc. Individualmente puede darse que un joven sea inteligente o muy inteligente o tiene una buena habilidad para el aprendizaje por lo que requerirá menos esfuerzos, pero el camino normal del aprendizaje se realiza por dedicación, de tal forma que una medida indirecta predictiva del aprendizaje corresponde a la asignación responsable del tiempo que el estudiante le pueda dedicar a un determinado tema. Se establece entonces el concepto de crédito académico (Caspar, 1999) como una unidad estándar de medida del trabajo académico del estudiante, que suma los tiempos de las actividades en la definición de un plan de estudios dentro de un programa académico, que además le dan la oportunidad de ser flexible dentro de unas capacidades funcionales, logísticas y temporales de las instituciones y sus docentes. En la Fig. 2 se ilustra el diseño del curso académico bajo el concepto de crédito académico cuantificado como el trabajo académico (horas/día) (Castaño, 1993) y toma mayor validez con el planteamiento de una propuesta de flexibilización en la oferta de cursos, es decir la programación de una misma unidad de enseñanza-aprendizaje en un espectro de diversas modalidades de duración, intensidad, inicio y finalización, dando al alumno la posibilidad de seleccionar y organizar su carga académica acorde con situaciones, preferencias, posibilidades y habilidades, involucrando al docente como instructor y acompañante del proceso (Diaz, 2006).

Fig. 2: Distribución de la carga del estudiante de acuerdo al concepto de crédito académico El estudiante podrá hacer uso de su formación disciplinaria y responsable para configurar su plan de estudios acorde a sus situaciones y su entorno (Salinas, 1997), comprometiéndose más con su crecimiento profesional, eliminando las fronteras temporales entre semestres o periodos cortos y proponiendo nuevas escalas de tiempo de actividades distribuidas e insertadas en el plan de estudios, de tal forma, que la cátedra se valore como un producto con características propias de calidad, de presentación, de oferta y demanda y de beneficios para los estudiantes, profesores y por ende para la misma institución. La flexibilidad en la distribución del tiempo, permite participar de forma integrada a docentes y estudiantes en actividades complementarias de investigación y capacitación, abriendo espacios a la movilidad entendida como la posibilidad para que los estudiantes y los profesores puedan circular a través del sistema académico global (Caspar 1999). La institución busca mantener su ventaja competitiva y autoridad académica: aumentando su patrimonio básico, “el conocimiento”, por medio de programas de capacitación y crecimiento de su planta profesoral y proyectos de investigación, aprovechando las oportunidades de movilidad de los docentes y el conocimiento de los docentes visitantes, renovando sus procesos para un mejor aprovechamiento y acceso de los recursos logísticos, buscando que las inversiones tengan mejor aprovechamiento social y haciendo frente a la dificultad de abatir los costos y mejorar sus niveles de calidad. Una manera de hacerlo es reduciendo los desembolsos por los insumos no benéficos, por ejemplo, el aumento por exceso de la demanda de aulas, libros, computadores, laboratorios, etc., mientras que gran parte del tiempo permanecen sin uso. Otra es la optimización de la planta



docente y administrativa requerida para generar un eficiente desempeño académico. Estos son factores evidentes que en general, se consideran, pero no reflejan la totalidad de la situación. MODELO DE APLICACIÓN DE LA FLEXIBILIDAD La academia presenta la misma problemática industrial: clientes insatisfechos, productos de mala calidad, entregas a destiempo, productos costosos, etc., donde los criterios generales de calidad se miden a la salida del proceso (Casassus, 1999). Los modelos que son exitosos en el ambiente industrial aplican también a la academia, dado que el conocimiento es un producto con características idénticas a cualquier producto industrial, con pretensiones de altos niveles de calidad, entendiéndose todo el contexto sociológico que la universidad y la academia en general implica, desde el mismo momento de la selección de los aspirantes al programa universitario, su permanencia y finalmente su evaluación y desempeño en la sociedad con resultados finales en el momento que el estudiante logra ser un egresado, o con resultados parciales al finalizar un periodo o una asignatura. La propuesta de flexibilización de la oferta académica (Diaz, 2006), se ajusta a la filosofía estratégica del Justo a Tiempo (JIT) (Palacios y Tomas, 1993), utilizada con mucho éxito en manufactura, donde los postulados objetivos trasmiten la responsabilidad al usuario final, pregonando que se debe darle al cliente (aprendiz) lo que él quiere, como lo quiere y cuando lo quiere, eliminando desperdicios tales como tiempo, recursos logísticas y recursos académicos, reduciendo así los costos de la educación y por otro lado mejorando la calidad del proceso de enseñanza aprendizaje, como parte de la tendencia mundial en esa dirección. El propósito fundamental es optimizar acordemente los recursos en beneficio de los estudiantes, profesores y la universidad, buscando que cada estudiante establezca su ritmo de estudio según sus capacidades, actividades y entorno social. Entendiendo que cada estudiante es un individuo con características particulares, pero que pueden ser asociados por espectros de similitud y tiempo, el JIT permite administrar las actividades por comunidades con características más homogéneas, haciendo que se puedan desarrollar programas de moda para poblaciones numerosas, ofreciendo productos académicos en varias presentaciones de temáticas, modalidad, intensidad y tiempo de la oferta. En este sentido muchas universidades han reformado su pensum con contenidos más flexibles, donde una adecuada orientación permite al estudiante ser más especializado en cierta área del conocimiento. Para ilustrar esta situación, se plantea un ejemplo de oferta de cursos en una universidad donde se atienden clases por grupos pequeños del orden de 40 estudiantes, se entendería que para una población de 1000 estudiantes se deben programar 25 grupos, los cuales en un modelo rígido se ofrecen en forma paralela y simultánea durante el periodo académico. En el modelo de oferta flexible de acuerdo a la demanda, se pueden definir varias presentaciones de estos cursos. En las tablas 1 y 2, se ilustran algunas alternativas de clasificación de estudiantes:

Tabla 1: Clasificación de oferta de cursos por temática o modalidad de grupos de estudiantes N1 Estudiantes que repiten el curso, base no nula N2 Estudiantes que tienen interés normal en el curso N3 Estudiantes que tienen mucho interés en el curso N4 Estudiantes que tienen dificultades de entorno (trabajan, etc) Esta primera clasificación, puede inducir a redefinir la duración total del curso, desde una presentación básica, hasta una presentación de énfasis en forma más profunda e intensiva. La segunda modalidad permite definir las presentaciones de los cursos de acuerdo a la intensidad y duración definida en el concepto de crédito académico. Naturalmente que el sistema JIT no es lo único que necesita una universidad para competir, pero es ya evidente que nadie seguirá siendo competitivo por mucho tiempo sin que se asuman los comportamientos y las posibilidades de avance que dicho sistema ofrece (Lefcovich, 2004).



Tabla 2: Clasificación de oferta cursos por intensidad y duración N5 Intensivo, curso remedial (periodo corto de refuerzo) N6 Intensivo Normal (duración en semanas = Número de créditos) N7 Dedicación de medio tiempo (duración en semanas = 2 x Número de créditos) N8 Dedicación un cuarto de tiempo (duración en semanas = 4 x Número de créditos) N8 Extendido (duración más allá del periodo académico) Al mirar el concepto de la propuesta desde la misión de la Universidad y desde el punto de vista de la formación de un profesional íntegro, la flexibilización actúa sobre las posiciones y disposiciones (Diaz, 2002) que cubren el desarrollo de diversas estrategias que fomentan el sentido de responsabilidad y la autonomía en la búsqueda del conocimiento. Es necesario considerar que la propuesta de flexibilidad de la oferta académica tiene el objeto de calidad sobre cada uno de los estamentos involucrados en ella. Por lo tanto, tiene una cantidad de implicaciones, que le dan fortaleza al sistema académico a favor de los estudiantes, los docentes y la misma institución. Muchas instituciones buscan una colección de certificaciones por dependencias y hasta de la institución completa, pero en el fondo no engranan en el enfoque sistémico, dejando por fuera lo fundamental y la razón de ser de la institución respecto a la oferta y al desempeño académico. Toda esta actividad gira en torno a factores culturales, psicológicos, económicos, problemáticos, logísticas, académicos, de proyección social, entre otros, que en buena parte intervienen en el proceso de aprendizaje de los estudiantes. La elaboración de una estrategia competitiva supone definir aquellas variables objetivas en las cuales se quiere ser superior a la competencia. En la academia se diría de aquellas variables que permiten estar acreditados y que hacen que más estudiantes se matriculen en la institución. Se pueden enumerar cinco variables que servirán de base para conseguir esa ventaja competitiva: costo, calidad, servicio, flexibilidad e innovación (Lefcovich, 2004). Cada curso se define dentro de unos modelos pedagógicos propios de acuerdo con sus características de modalidad, de intensidad, duración y relación con otros, entonces la transformación metodológica debe ser propia para cada uno de los cursos ofrecidos, teniendo en cuenta su grado de dificultad, el tiempo necesario para la asimilación de los contenidos o tardanza de resultados, seguimientos, su grado de “mortandad” y sus procesos evaluativos, dando diferentes opciones de elección según las habilidades, deseos, necesidades y preferencias de cada estudiante, siendo necesario definir las características de oferta, además de las características propias: número de créditos, intensidad horaria semanal, presencial y no presencial, intensidad horaria semestral, co-requisitos, pre-requisitos, modelos pedagógicos, recursos académicos necesarios, características del docente, código, fecha de inicio y finalización de cada curso, intensidad horaria semanal, aulas donde se desarrollaran los cursos dependiendo directamente de la funcionalidad (laboratorio o aula de clase presencial o virtual, biblioteca) y el ritmo de estudio de cada estudiante. La primera impresión que tienen las directivas universitarias, está relacionada con los costos. Pero la experiencia de la flexibilidad y el JIT en los sistemas industriales, han demostrado que es verdad que el ahorro es fundamental y su estrategia es la eliminación de los despilfarros. En un sistema de oferta flexible se juega con la disponibilidad de recursos pedagógicos, logísticos y humanos, permitiendo mayores espacios y una mayor rotación de los estudiantes, haciendo que los procesos masivos se realicen en forma más continua y más distribuida, evitando así las congestiones en los diversos sistemas y por consiguiente su mayor aprovechamiento y aumento de calidad a un costo adecuado. Universalizar las características de las personas, cuando estas son individuos, es un grave error, no pudiendo aplicarse las mismas metodologías a toda una población. En tal sentido los esfuerzos pedagógicos se esfuerzan en pensar en el estudiante construyendo metodologías centradas en él, particularizando factores como: concentración, memorización, tranquilidad, comprensión, también el dominio personal de habilidades y técnicas de estudio y estrategias de aprendizaje, variables situacionales como actividades, dificultades, herramientas, etc. La flexibilidad de oferta propicia un ambiente de aprendizaje distribuido más eficientemente en el tiempo, ayuda a potencializar estos



factores, incluyendo componentes de educación a distancia (Salinas, 1998), educación abierta e inclusive clases en tiempo real. También es un error pensar que la flexibilidad puede con todo, lo flexible también es limitado; de ahí que no se puede pensar en solucionar de forma flexible cada caso de estudiante en forma particular. Entonces el nivel de flexibilidad será el resultado de un proceso de optimización donde se equilibre la masificación, los beneficios y los costos. Es cierto el interés de los gobiernos de nuestros países en mirar el aumento de la cobertura y la disminución en la deserción universitaria; también es cierto que esta meta tiene costos y requiere de inversiones (Guerra et al., 2002). El concepto de una oferta flexible permite manejar los periodos de altas demandas y promocionar los periodos más flojos, de tal forma que el desempeño institucional, se realice en forma holgada y por consiguiente la capacidad logística instalada podrá ser utilizada con un mayor volumen de estudiantes, aumentando el nivel de aprovechamiento de los recursos. El costo del modelo tradicional para aumentar la capacidad de cobertura está relacionado con el presupuesto que las instituciones deben realizar adicionalmente a su logística ya existente, además del aumento de su planta docente. Grosso modo, se podría decir que si va a crecer la cobertura en un 25%, la planta docente debería aumentar en un 25 %, porque la carga actual del docente ya es suficiente y en este aspecto hay que invertir en recurso humano. Los costos logísticos resultan en beneficio por el aprovechamiento de los tiempos de no utilización. Por ejemplo un libro de biblioteca en el modelo rígido, es demandado masivamente en pocos días previos a la evaluaciones, en un modelo flexible se tendrán muchos grupos pequeños distribuidos en todo el periodo, haciendo uso continuo con mejor aprovechamiento y menor demanda masiva. En muchos países los gobiernos financian las universidades públicas, pero las universidades privadas no tienen financiamiento en los rubros de formación pregrado, el cual es asumido directamente por ingresos de las matrículas de los estudiantes. Este rubro es costoso para una clase media y baja, la cual cubre gastos de formación y el derrame de los gastos logísticos que generalmente tienen componentes de inversión a largo plazo. En un modelo de oferta flexible, los gastos de matrícula pueden también ser distribuidos de acuerdo con el mercadeo de los cursos, beneficiando a los estudiantes de bajos recursos, obteniéndose para la universidad un flujo más continuo de ingresos. OPERATIVIDAD DE LA OFERTA FLEXIBLE Partiendo de la definición de crédito académico (figura 2), la carga académica total del estudiante es la suma de las cargas de todos los cursos, la cual se busca mantenerla constante durante el transcurso del periodo académico. Para mayor flexibilidad se puede jugar con la planeación de cursos en periodos más largos, por ejemplo periodos anuales de 40 a 46 semanas académicas, tal como se programa las ofertas de cursos en educación continua, especializaciones, maestrías, doctorados o como lo hacen algunas instituciones de capacitación no académicas: institutos de idiomas, artes, oficios, etc.

Fig. 3: Ejemplo de distribución flexible de carga académica (seis materias), en un periodo semestral de 18 semanas para 16 créditos y un equivalente de 2 créditos de holgura o descanso.



En la figura 3, se presenta un ejemplo de distribución de carga académica aplicada a un periodo de 18 semanas (modelo semestral Colombiano), con cursos más intensivos y cortos, insertados con posibles pequeños periodos de holgura o descanso. Se puede apreciar que la dedicación al trabajo académico por el estudiante es más distribuida, remediándose el problema del acoso al fin de periodo por mayor demanda de trabajo académico y simultaneidad en la presentación de evaluaciones. Similarmente la gestión académica deja de ser masiva y se vuelve más fluida, con la posibilidad de una mejor atención de los procesos, dando lugar a la minimización de errores. Los posibles fallos pedagógicos afectaran solo poblaciones pequeñas de estudiantes, de los cuales se tendrá una respuesta rápida para realimentar las correcciones a grupos posteriores, con la ventaja de tener tiempo para realizarlas oportunamente. Por su parte el docente también experimenta los beneficios de la distribución de la oferta, al atender menos grupos simultáneos pero con mayor dedicación en periodos más cortos de tiempo. Es de anotar que la suma total de estudiantes atendidos en el periodo académico sigue siendo igual; lo diferente es la forma de atención y el acompañamiento más fluido. CONCLUSIONES La mayor dificultad en el sistema académico rígido es considerar el volumen del aprendizaje sin detenerse a reflexionar en la individualidad del estudiante y su incidencia en la calidad del aprendizaje, con métodos de acoso académico por saturación de actividades, sobre todo en momentos que la institución ordena su realización masiva y simultánea, convirtiéndose en un problema de cuello de botella en el desempeño del estudiante, donde la única alternativa resultante es el bajo nivel de calidad del aprendizaje y la congestión de los procesos académicos. A su vez la aplicación del concepto JIT a la academia, permite definir el producto académico similarmente a un producto manufacturado con características de producción, oferta, mercadeo, utilización y calidad, pudiéndose aplicar los mismos conceptos industriales para la oferta de un producto de calidad, donde la variable operativa de oferta corresponde al nivel de flexibilidad. La oferta académica flexible es la alternativa estratégica operativa en la educación superior, para hacer de la enseñanza y el aprendizaje del conocimiento un servicio de calidad para la satisfacción del estudiante, el mejor desempeño docente y el mejor servicio de la administración, ligando la actividad académica al desarrollo del hombre y la sociedad, movilizando las estructuras de enseñanza, aprendizaje e investigación en beneficio de toda la comunidad, ajustándose continuamente a las exigencias de la demanda diversificada de la población estudiantil. REFERENCIAS Carbajo, M.; Causas Sociales e intelectuales de la Revolución Francesa, Coro de Babel (2006), http://www.corodebabel.com.ar/index2.php?option=com_content&do_pdf=1&id=19. Acceso: Octubre (2007).

Caspar, E.; The Bologna Declaration of 19 June 1999; The European higher education area, Bologna (1999), http://www.bologna-berlin2003.de/pdf/bologna_ declaration.pdf, Acceso: Octubre (2007).

Casassus, J.; Lenguaje, Poder y Calidad de la educación, Proyecto principal de educación en América latina y el Caribe, Nº50, Pág. 47, Santiago-Chile (Diciembre, 1999). http://unesdoc.unesco. org/images/0011/001191/119117s.pdf#119121. Acceso: Octubre (2007).

Casassus, J.; Problemas de la gestión educativa en América Latina (la tensión entre los paradigmas de tipo A y el tipo B, UNESCO (2000), http://www.unesco.cl/medios/biblioteca/documentos/gestion_ problemas_gestion_educativa_casassus.pdf. Acceso Octubre (2007).

Castaño, J.M.; Marketing justo a tiempo, Ed. Norma, ISBN: 958-04-2114-5, pp 39-68, Bogotá (1993).

Diaz, A.G.; La flexibilización de la oferta académica mejora la calidad del aprendizaje; RIE, ISSN: 1681-5653, (en línea), Nº39/5, Octubre 2006, http://www.rieoei.org/1332.htm. Acceso Oct. (2007).

Diaz, V.M.: Flexibilidad de la Educación Superior en Colombia: Proyecto Estándares Mínimos de



Calidad, ICFES (Instituto Colombiano para el Fomento de la Educación Superior), Bogotá D.C., (2002), http://www.icfes.gov.co/cont/s_fom/pub/libros/libro flexibilidad y educacion.pdf.

Delors, J.; La Educación encierra un Tesoro, Santillana Ediciones UNESCO, ISBN 92-3-303274-4, pp 9 30, Madrid (1996).

Guerra, M.R., N. Pabón y J.M. Restrepo; Flexibilidad curricular: mayor equidad en el acceso y permanencia en la educación superior, Revista de la Educación Superior (ANUIES), ISSN: 0185-2760 (en línea), XXXI(123), Julio-Septiembre, 2002. http://www.anuies.mx/servicios/p_anuies/ publicaciones/revsup/res123/art8.htm, Acceso: Noviembre (2007).

Kant, I.; Pedagogía, http://psikolibro.webcindario.com/libros/ccss/Immanuel Kant - Pedagogia.zip, 1803, Acceso: Octubre (2007).

Lefcovich, M.; Producción justo a tiempo para la competitividad total, http://www.navactiva.com/ web/es/alog/doc/informes/2004/10/28464.php (2004), Acceso: Noviembre (2007).

Leite, A.; Representaciones sobre el éxito y fracaso académico en estudiantes universitarios. Aproximaciones teóricas y empíricas, Primer Congreso Nacional de Investigación Educativa. Univ. Nacional del Comahue, Fac. de Ciencias de la Educación. Octubre de 1999.- http://www.unne.edu.ar/ Web/cyt/cyt/humanidades/h-028.pdf, Acceso: Octubre (2007).

McMeekein, R.W.; La investigación al servicio de la educación: Tiempo y aprendizaje, CIDE/REDUC, Boletín 30, Abril (1993).

Nieto, L., La flexibilidad curricular en la educación superior, Algunas perspectivas para su análisis, México, (2002); http:/ambiental.uaslp.mx/docs/LMNC-PN-0210-flexcurr.pdf., Acceso: Octubre (2007).

Palacios, B. y M. Tomás; El sistema Just In Time y la flexibilidad de la producción, Editorial Pirámide. ISBN: 84-368-0731-6, 263 pp, Madrid (1993).

Ohno, T., Toyota Production System, Productivity Press, ISBN: 978-0-915299-14-0, pp 1 44, Toyko, Japon, (1988).

Polley, A.; What Will Transformation Mean for Traditional Universities?, Technology and Learning; virginia.edu Volume I, Number 2; (1997); http://www.itc.virginia.edu/virginia.edu/ fall97/trans/all.html, Acceso: Octubre (2007).

Pedroza-Flores, R.: La Flexibilidad Académica en la Universidad Pública, Revista de la Educación Superior (ANUIES), ISSN: 0185-2760 (en línea), XXX(119), Julio-Septiembre, 2001. http://www. anuies.mx/servicios/p_anuies/publicaciones/revsup/res119/art7.htm.

Salinas, J.; Enseñanza flexible, aprendizaje abierto. Las redes como herramientas para la formación, Edutec, nº10, 02/99. (1997)

Salinas, J., ¿Qué se entiende por una institución de educación superior flexible?, En: Cabero, J; Salinas, J. (coord.). Las nuevas tecnologías para la mejora educativa. Kronos. Sevilla. ISBN: 84-85101-25-1, pp. 451-466 (2000), http://gte.uib.es/articulo/edutec991.pdf., Acceso: Octubre (2007).

Salinas, J.; Nuevos ambientes de aprendizaje para una sociedad de la información; Revista Pensamiento Educativo. PUC Chile. 20, 81-104 (1997).

Salinas J.; Redes y educación: Tendencias en educación flexible y a distancia, II Congreso Internacional de Comunicación, tecnología y educación. Oviedo. pp. 141a151. (1998), http://www.uib.es/depart/gte/ tendencias.html., Acceso: Octubre (2007).

Salinas, J.; Modelos flexibles como respuestas de las universidades a la sociedad de la información, Acción Pedagógica, 11 (1), 4-13 (2002), Universidad de los Andes, http://www.comunidadandina.org/ bda/docs/VE-EDU-0010.pdf. Acceso Noviembre (2007).

UNESCO; Conferencia Mundial sobre Educación Superior, Paris, (5 a 9 de octubre de 1998), http://unesdoc.unesco.org/images/0011/001173/117363s.pdf., Acceso: Noviembre (2007).

Metodología para la Evaluación de la Calidad de Estrategias Didácticas de Cursos Llarena


Metodología para la Evaluación de la Calidad de Estrategias Didácticas de Cursos a Distancia (MACCAD) Myriam G. Llarena Universidad Nacional de San Juan, Facultad de Ciencias Exactas, Físicas y Naturales, Av. Ignacio de la Roza y Meglioli, 5423 Rivadavia, San Juan-Argentina (e-mail: [email protected]) Resumen Se describe un modelo para evaluar la calidad de aspectos didáctico-pedagógicos de cursos no presenciales. Se realizó en primera instancia un análisis teórico del modelo y luego un diseño exploratorio-descriptivo. Como resultado del análisis teórico se determinó un modelo que propone los criterios utilizados en los instrumentos generados para evaluar la calidad de la interactividad e interacción en la modalidad de enseñanza a distancia. Se muestra que esta metodología permite además identificar los criterios más significativos para los alumnos en la determinación de su satisfacción general respecto del curso, las fortalezas y debilidades del mismo y la fiabilidad del instrumento de evaluación utilizado. Palabras claves: educación a distancia, evaluación, indicadores de calidad, estrategias didácticas

Methodology for Evaluating the Quality of Teaching Strategies Course Distance (MACCAD) Abstract A model for evaluating the quality of teaching aspects in non-presencial courses is described. A theoretical analysis is first done to then perform a descriptive and exploratory design. As a result of the theoretical analysis, a model that proposes the criteria used in the instruments generated to evaluate the quality of interaction and interactivity in the distance mode teaching. Its is shown that the methodology also allows to identify the most important criteria for students to determine their overall satisfaction with respect to the course, the strengths and weaknesses of it and the reliability of the assessment tool used. Keywords: distance education, evaluation, quality indicators, teaching strategies




INTRODUCCIÓN La educación es un perfeccionamiento intencional, que cada hombre realiza en busca de su desarrollo integral. La necesidad de un aprendizaje continuo, a lo largo de toda la vida, resulta una condición para la inserción en el mundo globalizado actual. La educación a distancia, surge como una alternativa de educación que otorga al individuo un alto grado de autonomía, permitiéndole compatibilizar las exigencias de capacitación y perfeccionamiento, con las limitaciones espacio- temporales impuestas por sus obligaciones laborales. Litwin (2000), refiere a las especificidades de la modalidad de educación no presencial, que se pueden resumir en: mediatización de las relaciones entre docentes y alumnos, acento en la autonomía de los estudiantes para elegir espacio y tiempo para el estudio, aprendizaje colaborativo, importancia del material didáctico que favorece la autogestión del aprendizaje y utilización de multiplicidad de recursos pedagógicos para favorecer la construcción de los conocimientos. Garcia Aretio (2002), señala que el diálogo o comunicación didáctica entre el que enseña y el que aprende es el elemento central en el proceso de E-A para esta modalidad y que este diálogo se establece a través de medios preproducidos y por vías de comunicación. La Facultad de Ciencias Exactas, Físicas y Naturales de la Universidad Nacional de San Juan, no ajena a las demandas de la sociedad, está realizando propuestas de cursos bajo la modalidad no presencial y es su preocupación cristalizarlas en un marco de calidad. La conveniencia de medir y evaluar la calidad de sus propuestas educativas ya no es tema de debate, está instalado en el ámbito de las universidades; el motivo de análisis está centrado ahora en determinar aspectos, características e instrumentos de evaluación de las actividades del proceso educativo que deben ser evaluados. Rubio (2003), indica que las herramientas de evaluación que se utilizan en los contextos de formación virtual, se refieren principalmente a los aspectos de gestión organizativa, a la relación costo-beneficio, aspectos que si bien son importantes no son suficientes para un proceso en el que lo más significativo es la enseñanza/ aprendizaje. La modalidad a distancia requiere una manera particular de promover el aprendizaje, siendo su rasgo distintivo la mediatización de las relaciones entre docentes y alumnos- separados físicamente, en espacio, tiempo o ambos a la vez-, entre materiales y alumnos y de ellos entre sí. Por ello se decide acotar la tarea, a la evaluación de la interacción entre los distintos actores del proceso educativo e interactividad del alumno con el material de aprendizaje y la tecnología, por ser éstos, aspectos fundamentales en el proceso de enseñanza/aprendizaje bajo la modalidad a distancia. Para generar mecanismos que aseguren la calidad de estos procesos, surge MACCAD (Metodología para Autoevaluación de Calidad de Cursos a Distancia), que da respuesta a la siguiente problemática: ¿Qué instrumentos se podrán utilizar para evaluar la interacción e interactividad, fundamentales en el proceso de enseñanza aprendizaje de los cursos no presenciales? ¿Qué indicadores deberán considerarse? ¿Cómo se puede determinar la fiabilidad de los instrumentos utilizados? MACCAD propone tres etapas, en la primera y a partir de una investigación teórica se determina por qué evaluar - Objetivos de Evaluación -, qué evaluar - Modelo de Evaluación - y cómo y con qué evaluar - Proceso de Evaluación -. Como resultado de esta etapa se generan los cuestionarios de satisfacción utilizados como instrumentos de evaluación. Las otras dos etapas, destinadas a comprobar y mejorar la calidad, requieren de un diseño exploratorio-descriptivo. El análisis de los indicadores obtenidos, utilizando una metodología cuanti/cualitativa, permite determinar la calidad de los procesos evaluados y realizar propuestas de mejoras. Finalmente especificar la fiabilidad de los instrumentos permite tener confianza de que ellos reflejan realmente lo que los usuarios quieren expresar. METODOLOGIA MACCAD Una metodología de evaluación debe estar sustentada en una concepción de calidad. Para algunos la calidad está centrada en el servicio o producto en sí: “adecuado para el uso” (Juran y Gryman, 1995), para otros en cambio está centrada en el usuario: “conformidad con los requerimientos” (Crosby, 1998). La Calidad Total requiere de ambos requisitos, calidad del servicio



y satisfacción del usuario. MACCAD está sustentada en esta filosofía de calidad, considera no sólo la calidad del proceso sino también la satisfacción del alumno; conocer lo que él percibe permitirá a la institución que ofrece el servicio, tomar decisiones tendientes a satisfacer sus necesidades y exigencias. Se adaptó la metodología basada en el modelo de desarrollo y utilización de cuestionarios de satisfacción de clientes, propuesta por Hayes (1992). Este autor, sugiere el uso de cuestionarios de satisfacción, formados por frases llamadas artículos de satisfacción, que conforman los distintos criterios o dimensiones a evaluar. Esta decisión se justifica en que en dicha metodología se especifica claramente como generar y evaluar científicamente los instrumentos de evaluación. A continuación se describe como se concretó la primera etapa propuesta por MACCAD, Planificación de la evaluación, en la que se gestiona la calidad. Esta etapa comienza con la determinación de los objetivos de evaluación y consiste en una investigación teórica. Se analizaron informes de investigaciones efectuadas en universidades e instituciones de punta en esta temática, considerando las Guías de Buenas Prácticas que ellas pudieran haber generado. Como resultado de este análisis se determinó el Modelo de Evaluación, que permite descomponer el concepto de calidad en forma jerárquica en subconceptos más concretos de manera de facilitar su evaluación. Un modelo de evaluación debe establecer Criterios e Indicadores, que estén en relación con los objetivos establecidos por la institución que ofrece el curso. Criterios son aquellos factores considerados críticos para la calidad del curso- servicio-, tanto desde el punto de vista de los especialistas en educación de la institución que lo propone, como del de los alumnos -usuarios- del mismo. Respecto al concepto de Indicador, referentes de la UNESCO puntualizan que un indicador es una señal o indicio que indica algo, que muestra qué sucede, son estadísticas que permiten establecer juicios de valor acerca de aspectos claves del sistema educativo. Si bien los criterios e indicadores deben adecuarse a las características del curso, la disciplina y el perfil de los alumnos, entre otros factores, se considera que los siguientes son fundamentales para la evaluación de la interacción e interactividad de los cursos a distancia. Criterios para evaluar interactividad Para analizar la interactividad alumno/ material se consideraron dos criterios Aspectos Didácticos y Aspectos Curriculares y para determinar la calidad de la interactividad alumno/ recursos tecnológicos, se consideró el criterio Entorno Tecnológico. El criterio Aspectos Didácticos se refiere a la funcionalidad y adecuación de los materiales presentados. Entendiendo por materiales a todos los recursos de aprendizaje que se ponen a disposición del alumno en la plataforma: contenidos, guías didácticas, actividades prácticas, software específico, etc. El criterio Aspectos Curriculares se refiere a la profundidad, validez, adecuación y cantidad de contenidos propuestos. Para evaluar la interactividad del alumno con los recursos tecnológicos, se consideró el criterio Entorno Tecnológico que consta de 2 subcriterios: accesibilidad, que contempla la distribución y facilidad de acceso de los distintos materiales elaborados por el equipo responsable del curso -contenidos, guías didácticas, actividades prácticas, documentos de apoyo- y la usabilidad de los recursos provistos por la plataforma- correo interno, foro, chat-. Criterios para evaluar interacción La interacción entre los distintos actores, se refiere a la interacción alumno/tutor y alumnos entre sí. Para ello se consideró el criterio Tutorías en el que se evalúa el profesionalismo, responsabilidad y compromiso del tutor en el cumplimiento de sus tareas, como así también las características, tipo de consultas y herramientas más utilizadas. Por la importancia que en este proceso educativo tienen los aspectos referidos al aprendizaje colaborativo, la interacción alumno/alumno se evalúa a través de la experiencia vivenciada por ellos en las actividades grupales y vía foro. Se ha considerado también el criterio Autogestión del Aprendizaje, para evaluar la adecuación y validez de las propuestas para favorecer la formación del alumno: actividades y tiempos planificados entre otros. La metodología de Hayes (1992) determina agregar el criterio Satisfacción General, formado por artículos menos específicos, para evaluar la calidad general del curso También son incluidas en los cuestionarios preguntas abiertas destinadas a conocer los aspectos que fueron vivenciados como positivos y/o negativos por los alumnos, para la identificación de fortalezas y debilidades del curso.



Indicadores Los indicadores utilizados para determinar la calidad de los procesos de interacción e interactividad, basada en la satisfacción de los alumnos, para variables cuantitativas son la media aritmética, la dispersión y el coeficiente de correlación. La media aritmética es el promedio de todas las puntuaciones asignadas, permite determinar la tendencia central de las puntuaciones obtenidas, tanto para los criterios como para los artículos de satisfacción que los constituyen. La dispersión, indica la variabilidad o diseminación de dichos valores respecto de ese valor medio. Representa el “grado de unanimidad” de la percepción de calidad. Las siguientes son las expresiones matemáticas que permiten calcular estos indicadores: Media Aritmética

∑=

=

=ni

ixiX

1 / n X = ( x1 + x2 +…+ xn) /

n

(1)

Donde xi corresponde a la puntuación asignada por el alumno i-ésimo y n es la cantidad de alumnos que contestaron el cuestionario. Dispersión

1

)(2

1

−

−=∑=

n

Xxn

ii

σ

(2)

La dispersión es un promedio de los desvíos de cada puntuación obtenida, respecto de la media de todas las puntuaciones. Estos indicadores se utilizan para el caso de variables cuantitativas y se evalúan en una escala comprendida entre 1 (satisfacción mínima) y 4 puntos (máximo nivel de satisfacción). Para la interpretación de la dispersión se apela también a los gráficos de frecuencia. Para las variables cualitativas se han calculado frecuencias y porcentajes. El Indicador Coeficiente de Correlación, permite conocer los criterios de calidad que están más relacionados con la satisfacción general de los alumnos. El resultado de este coeficiente es un número comprendido entre -1 y 1. El valor 1 indica una relación lineal perfecta y positiva entre las variables, -1 representa también una relación perfecta pero negativa, mientras que el valor 0 señala que no existe relación entre ellas. En general los valores que se obtendrán no son exactamente los tres mencionados, pero si el valor obtenido es próximo a 1, indica relación fuerte entre las variables estudiadas. La tabla 1 muestra algunos criterios del cuestionario de satisfacción confeccionado para evaluar la calidad de las estrategias didáctico/pedagógicas del curso Gravimetría y sus Aplicaciones Tectónicas. Este curso con modalidad a distancia, destinado a Geofísicos, Geólogos y profesionales relacionados con las Ciencias de la Tierra, consistió de dos módulos. Se planificaron dos evaluaciones, basadas en la satisfacción de los alumnos, una al finalizar cada uno los módulos. La evaluación planificada para el final del primer módulo -orientada a la mejora- permitiría realizar las modificaciones necesarias antes de comenzar el segundo. La evaluación planificada para el final del segundo módulo, con carácter de control, permitiría determinar objetivos alcanzados, aspectos positivos a ser potenciados y aspectos negativos a corregir para próximas propuestas. Los artículos considerados fueron consensuados entre los integrantes del área pedagógica y los docentes del área disciplinar. Se incluyó el criterio Satisfacción General, como sugiere la metodología de Hayes (1992).



Tabla 1: Instrumento de evaluación

ENCUESTA DE CALIDAD Hemos concluido nuestra experiencia de aprendizaje a distancia. Este instrumento de evaluación nos permitirá determinar si sus expectativas fueron satisfechas. Marque con una cruz la opción elegida.

NOTA: Si la opción seleccionada es Generalmente(3), A veces(2) o Nunca(1), por favor especifique las dificultades o disconformidades. Su opinión representa un valioso aporte, ya que ella nos permitirá determinar debilidades y fortalezas de esta experiencia. Su sinceridad será muy apreciada. Gracias.

MATERIALES

Siempre 4

Generalmente 3

A veces 2

Nunca1

¿Los materiales propuestos fueron adecuados para la comprensión de las temáticas?

¿Los ejemplos fueron suficientes para ayudarlo a comprender los conceptos?

¿Las actividades planteadas estuvieron acordes al nivel del material presentado?

¿Las actividades propuestas fueron acordes a sus expectativas?

¿Consultó los archivos sugeridos como lectura complementaria?

¿Pudo aplicar el software sin dificultad para resolver las problemáticas planteadas?

¿Pudo instalar y utilizar el software sin dificultades técnicas? Si tuvo alguna dificultad, identifíquela: SISTEMA DE TUTORIA Siempre

4 Generalmente

3 A veces

2 Nunca

1 ¿Utilizó herramientas de comunicación para consultar a su tutor?

¿Las respuestas de su tutor, fueron contestadas a tiempo? ¿Las respuestas de su tutor, fueron satisfactorias? ¿El tutor realizó comentarios a sus actividades? ¿El apoyo brindado por el tutor favoreció su aprendizaje? Por favor indíquenos, marcando con una X ,el tipo de consultas que realizó con mayor frecuencia a su tutor: Necesidad de profundización del material proporcionado Dificultad de interpretación de material Uso de la herramientas informáticas

ENTORNO TECNOLOGICO Siempre

4 Generalmente

3 A veces

2 Nunca

1 Accesibilidad ¿La distribución de los materiales en el entorno fue adecuada a sus necesidades? ¿Accedió sin dificultades a los servicios? Usabilidad ¿Pudo manejar los recursos de la plataforma sin dificultad? ¿Los recursos ofrecidos por la plataforma se adecuaron a sus necesidades? Identifique sus necesidades insatisfechas

SATISFACCIÓN GENERAL Muy buena

4 Buena

3 Regular

2 Mala

1 Realice el balance de su experiencia respecto de: Materiales de aprendizaje Sistema de tutoría Recursos de la plataforma



RESULTADOS Y DISCUSIÓN Los siguientes son los resultados de los indicadores correspondientes al curso de posgrado “Gravimetría y sus Aplicaciones Tectónicas”: Indicadores Media y dispersión La tabla 2 muestra los indicadores, media y dispersión obtenidos para los criterios evaluados, al procesar los cuestionarios de satisfacción de cada uno de los módulos. Los valores medios obtenidos para los criterios considerados, reflejan en general un alto grado de conformidad y las pequeñas dispersiones indican unanimidad en las opiniones en ambos módulos. La figura 1, que ofrece una visión general respecto del grado de satisfacción de los alumnos, indica que el promedio de satisfacción ha aumentado en los distintos criterios para el segundo módulo. Esto señala que las acciones llevadas a cabo al finalizar el primer módulo, tendientes a mejorar la propuesta del segundo, han sido pertinentes. La tabla 2 resulta de gran utilidad al evaluador, ya que le permite una percepción rápida de la situación y centrar especial atención en aquellos criterios en que los alumnos manifiestan mayor disconformidad. En este caso para ambos módulos, el criterio en el que los alumnos presentan dificultad es Materiales. El análisis de los indicadores de los distintos artículos de este criterio permitirá dilucidar la causa de la disconformidad. La tabla 3 muestra un comparativo de los indicadores promedio y dispersión correspondientes a algunos artículos del criterio Materiales.

Tabla 2: Comparativo Indicadores Criterios Módulos I y II

Módulo I Módulo II CRITERIOS Media Dispersión

SISTEMA TUTORIAS 3,79 0,07 TECNOLOGÍA 3,59 0,13 MATERIALES 3,23 0,27

CRITERIOS Media Dispersión SISTEMA TUTORIAS 3,86 0,18

TECNOLOGÍA 3,98 0,03 MATERIALES 3,61 0,59

3,79 3,863,59 3,98

3,233,61

00,5

11,5

22,5

33,5

4

Sistema deTutorías

Tecnología Materiales

Fig. 1: Comparativo Promedios Módulos I ( ) y II ( )

Los valores que se observan el la tabla 3 indican que los alumnos en el segundo módulo se habituaron al uso de la plataforma, todos asignaron al artículo ¿La distribución de los materiales en el entorno fue adecuada?, el máximo puntaje. Respecto de los reajustes realizados para lograr una mejor comprensión en las temáticas tratadas, atendiendo a las sugerencias realizadas en la primera encuesta, evidentemente resultaron satisfactorios ya que el puntaje promedio se incrementó de 3,25 a 3,86. El último artículo se debe considerar con especial atención, para lo cual se apela a la opinión de los alumnos, teniendo en cuenta que en el cuestionario se solicita especificar la causa de la disconformidad en caso de asignar puntajes inferiores a 3 puntos. Esto indican algunos alumnos: “Por desconocimiento de DOS tuve problemas para la carga de datos (espacios, tabulaciones),



tengo entendido que el DOS no es del todo compatible con el Windows 2000..” “En mi caso el problema consistió en el desconocimiento de DOS, en lo que asumo mi responsabilidad, una solución sería trabajar con programas más amigables.

Tabla 3: Indicadores Artículos Criterio MATERIALES

Así como los indicadores media y dispersión se utilizan para determinar las debilidades de la propuesta, también permiten visualizar sus fortalezas. Este es el caso de dos de los artículos correspondientes del criterio Sistema de Tutorías, que se muestran en la tabla 4.

Tabla 4: Indicadores de dos artículos correspondientes al Criterio SISTEMA TUTORIAS

Media Dispersión

¿Las respuestas de su tutor, fueron satisfactorias? 4 0

¿El apoyo brindado por el tutor favoreció sus aprendizajes? 4 0 Para estos docentes disciplinares, que tuvieron su primera experiencia en esta modalidad de enseñanza, es muy gratificante que todos los alumnos hayan evaluado con el máximo puntaje el apoyo brindado en el proceso de acompañar sus aprendizajes.

En el cuestionario también se utilizaron variables cualitativas, tal es el caso de la evaluación del tipo de consulta realizada con mayor frecuencia al tutor. Los resultados obtenidos se muestran en la tabla 5.

Tabla 5: Tipo de consulta que realizó con mayor frecuencia al tutor

Frecuencia PorcentajeNecesidad de profundización del material 3 43%

Dificultad de interpretación de material 3 43% Uso de la herramientas informáticas 5 71%

Estos resultados ponen nuevamente de manifiesto que los alumnos tuvieron dificultad en el uso del software. Como puede observarse, la suma de los porcentajes no es 100% debido a que es una consulta de opciones múltiples. Indicador Coeficiente de Correlación Este coeficiente permite identificar los Criterios más importantes para los alumnos a la hora de evaluar su satisfacción respecto del curso en general. Los resultados obtenidos para ambos módulos se muestran en la tabla 6.

Módulo I Módulo II

Media Dispersión Media Dispersión

MATERIALES 3,23 0,37 3,61 0,59

¿La distribución de materiales en el entorno fue adecuada ? 3,63 0,52 4 0

¿Fueron suficientes para la comprensión de las temáticas? 3,25 0,46 3,86 0,38

¿Pudo utilizar los software sin dificultad?- Aspecto didáctico- 3,38 0,92 3,14 0,90

¿Tuvo dificultades técnicas con el software? 2,63 1,06 2,67 0,84



Tabla 6: Comparativo Coeficiente Correlación Módulos I y II

MODULO I MODULO II

Criterios relacionados Valor Correlación Valor Correlación Correlación Tutorías/ Satisf. Gral 0,85 0,16 Correl. Tecnología / Satisf. Gral 0,50 0,56 Correlación Materiales/ Satisf. Gral 0,25 -0,034

¿Qué indican estos coeficientes? Si bien desde el punto de quienes realizan la propuesta del curso todos los criterios considerados son importantes, para este grupo de alumnos en el caso del primer módulo, el criterio más significativo en la determinación de su satisfacción general del curso es el Sistema de Tutorías. Esto es comprensible ya que el rol de tutor o docente que guía y acompaña adquiere un papel fundamental cuando el proceso es totalmente a distancia y teniendo en cuenta además que para la mayoría de los alumnos era su primera experiencia en esta modalidad de enseñanza/aprendizaje. En el módulo II, se visualiza que ya no es tan importante la necesidad de apoyo por parte del tutor, debido a que a lo largo del curso el alumno ha vivenciado instancias de aprendizaje con sus pares. En este caso el criterio más significativo, aunque con una relación no muy fuerte, es la tecnología.

Determinación de Fortalezas y Debilidades Otra de las potencialidades de la metodología es la de permitir identificar fortalezas y debilidades de la propuesta. Conocer los aspectos señalados como negativos por los alumnos, ayuda a reconocer las debilidades. Incluir además los gráficos de frecuencia, permite determinar si las opiniones corresponden a casos puntuales o es un juicio generalizado. En este último caso es conveniente conocer si la respuesta corresponde a grupos con determinadas características, para establecer acciones correctivas pertinentes. Para el curso considerado, entre los aspectos negativos señalados, se destacan los problemas técnicos del software utilizado, tanto en su instalación como para el tratamiento de los datos. No son casos aislados, por lo que deberán ser considerados para próximos cursos. Los aspectos señalados como positivos, son las fortalezas, las que deberán ser consideradas por los organizadores del curso para potenciarlos en futuras propuestas y determinar si ellos han sido el resultado de acciones concretas. Un aspecto positivo a destacar en este curso, es haber logrado la concientización de los docentes disciplinares, que en un principio de mostraron reticentes acerca de la necesidad de incorporar instancias de interacción entre alumnos en el proceso de enseñanza aprendizaje. Así lo expresa un tutor: ”En los investigadores de este país- posiblemente por razones de fechas-,no observé el mismo interés que noté en los investigadores de otros países que se mostraron entusiasmados con el tema. Sería conveniente de plantearse otro curso de iguales características solicitar foros quizás desde la unidad 3 o 4...” Criterios que requieren consideración especial La tabla 7 muestra los valores promedios de satisfacción para los distintos criterios, ordenados de mayor a menor nivel de satisfacción y los coeficientes de correlación de los distintos criterios, respecto de la satisfacción general, también ordenados descendentemente.

Tabla 7: Promedio Criterios y Correlación Criterios/Satisfacción General

Criterios Media Criterios relacionados CorrelaciónRecursos Plataforma 3,98 Recursos.Plataf / Satisf. Gral 0,56 Tutoría 3,86 Autogestión/ Satisf. Gral 0.55 Materiales de Aprendizaje 3,61 Tutoría/ Satisf. Gral 0,16 Autogestión Aprendizaje 3,29 Materiales/ Satisf. Gral -0,034



Las variables puntaje promedio de cada criterio y coeficiente de correlación pueden relacionarse construyendo una tabla de doble entrada (Herrera et al., 2007). Teniendo en cuenta que el puntaje asignado varía de 1 a 4 puntos, se considera un puntaje satisfactorio aquel que supere 3.5 puntos y una correlación considerable la que tenga valor mayor o igual a 0.55. La sistematización de la tabla 8 permite identificar aquellos criterios que siendo significativos en la determinación de la satisfacción general del alumno, obtuvieron un puntaje promedio bajo, por lo que merecen una consideración especial.

Tabla 8: Relación Promedio / Significación

Para el curso evaluado los criterios que resultaron significativos son Recursos de la Plataforma y Autogestión del Aprendizaje, siendo este último el que habrá que considerar especialmente ya que el promedio obtenido es de 3,29. Es importante destacar que el criterio Autogestión del Aprendizaje, que resultó significativo en la evaluación de la satisfacción general del curso, fue incorporado en el segundo módulo a partir de sugerencias realizadas por los alumnos en la encuesta efectuada al finalizar el primer módulo. Del análisis de los puntajes asignados a los artículos que conforman dicho criterio, se observa menor satisfacción en lo que respecta a los tiempos planificados para la entrega de las actividades. Este aspecto deberá ser contemplado en futuras propuestas del curso. Acerca de la fiabilidad del instrumento Se entiende por fiabilidad al grado en que las mediciones están libres de la desviación producida por los errores casuales, esto es, el grado de coincidencia entre los valores obtenidos a partir de los cuestionarios y la verdadera opinión de los usuarios. Se han desarrollado diferentes enfoques y métodos para determinar la fiabilidad. Spearman (1930), realiza un propuesta pionera pero aún vigente, fundamentada en la Teoría Clásica de los Tests. De los tres métodos para medir la fiabilidad propuestos en el marco de esta teoría, el método de consistencia interna es el más utilizado por su simplicidad. Este método analiza la relación entre las diferentes partes de un mismo instrumento (Ledesma et al., 2002), y utiliza el coeficiente alfa de Cronbach (Cronbach, 1973) para valorar la consistencia del cuestionario completo o consistencia global. El grado de fiabilidad exigido, reflejado en el valor de este coeficiente, varía en función del tipo de estudio. En los estudios exploratorios, se exige que alcance un valor de 0.6, mientras que en el resto de los estudios se considera una escala fiable si el alfa de Cronbach es superior a 0.7. Este coeficiente se obtiene calculando las correlaciones entre los puntos, utilizando la siguiente fórmula matemática: rpp’ = (K / (K-1))*(1-[ (∑ Xii ) / ( ∑Xii +∑Xij donde i≠ j)]) (3)

Donde: K es el número de artículos del cuestionario, Xij y Xii son los elementos de la matriz de covarianza o la matriz de correlación. ΣXii expresa la sumatoria de los elementos de la diagonal de la matriz y ΣXii + ΣXij expresa la sumatoria de todos los elementos de la matriz. Para el caso del instrumento de evaluación del módulo II, la fiabilidad obtenida es:

rpp’ = (20 /19) * (1 – [20 / (20 + 2*41,77]) = 0,85 Este valor proporciona seguridad respecto de que las acciones a tomar reflejarán realmente las necesidades de los alumnos.

Promedio Correlación

>3.50 <= 3.50

>= 0.55 Recursos Plataforma Autogestión Aprendizaje < 0.55 Tutorías Materiales



CONCLUSIONES Del análisis y discusión de los resultados mostrados, se pueden obtener las siguientes conclusiones respecto de las potencialidades de la metodología MACCAD: 1) permite evaluar la calidad de las estrategias didáctico/pedagógicas propuestas en cursos bajo la modalidad a distancia, utilizando los indicadores media y dispersión; 2) establece el criterio o criterios que están más relacionados con la satisfacción general de los alumnos, mediante el análisis de correlación; 3) determina los criterios que requieren atención especial, esto es aquellos ya que siendo significativos para los alumnos reflejaron poco nivel de satisfacción; 4) identifica fortalezas y debilidades del curso; 5) permite evaluar la fiabilidad de los instrumentos de medición utilizados. REFERENCIAS Crosby, P.; Calidad para el Siglo XXI, pp 105, McGraw Hill, Bogotá, Colombia (1998). Cronbach, L.; On estimates of test reliability.The Journal of Educational Psychology: 34 (4), 485-494 (1973). Garcia Aretio, L.: La Educación a Distancia. De la teoría a la práctica, 2ª ed., 95-120, Ariel Educación, Barcelona, España (2002). Hayes, B.; Measuring Customer Satisfaction ASQ Quality Pres, Mistwakee Wisconsin,USA (1992). Herrera, M y otros tres autores; Diagnóstico de la calidad Educativa en Ciencias Básicas desde la perspectiva del alumno. 6º Congreso de Informática del Nuevo Cuyo, San Juan, Argentina, 22 a 24 de Mayo 2007, http://www.unsj-cuim.edu.ar/portalzonda/congreso/ LpArea.asp (2007). Juran, J.M. y F.M. Gryman; Análisis y planificación de la calidad, pp 55, McGraw Hill, México (1995). Ledesma, R y otros 2 autores; Análisis de consistencia interna mediante Alfa de Cronbach: un programa basado en gráficos dinámicos (en línea), Noviembre de 2006, http://pepsic.bvs-psi.org.br/pdf/psicousf/ v7n2a03.pdf (2002). Litwin, E.(Compiladora); La Educación a Distancia. Temas para el debate en una nueva agenda educativa, 50-75, Amorrortu Editores S.A, Buenos Aires, Argentina (2000). Rubio, M.J; Enfoques y Modelos de evaluación del e-learning (en línea), Relieve: 9(2), 2003, http://www.uv.es/RELIEVE/ v9n2/RELIEVEv9n2_1.htm (2003). Spearman, C.; Correlation calculated from faulty data, British Journal of Psychology: 3 (2), 271-295, (1930).

nº vol. 1(2) 2008 en sÍntesis - citrevistas.cl los fu/todo fu completos... · que se hace de los...

Documents