Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NOMBRE DE LA MATERIA:
NOMBRE DE LA
PROFESOR:
Mtodos Cuantitativos II
Luis Medina
Sigla:
PRESENTACIN
En la sociedad del conocimiento y las nuevas tecnologas, el acceso y uso de la informacin son cosas que suceden en la vida cotidiana. Los datos abundan y su
diversidad, cantidad y difusin han propiciado su uso en diferentes instancias del sector pblico y privado: las finanzas, las investigaciones de mercado, la seleccin
de personal e incluso en la investigacin en ciencias del comportamiento y humanas. En este sentido, se ha comenzado a apreciar las bondades derivadas del
conocimiento de disciplinas tpicamente cuantitativas como lo es la estadstica.
Muy a pesar de lo anterior, el uso de los datos sigue siendo en la mayora de las veces, muy similar al uso que las primeras naciones-estado les daban a stos. En
el mejor de los casos, los datos permiten esbozar un panorama que brinda una representacin desdibujada de lo que es la realidad y, en algunas ocasiones, que
intenta descifrar tendencias y realizar pronsticos sobre esta realidad.
Es en esta tnica y particularmente en el caso de la investigacin educativa, que algunas veces sorprende el uso rudimentario que se le da a los datos. Lo anterior
es especialmente relevante si se considera que hoy por hoy los datos son cosa de todos los das gracias a software que recopila datos de manera automtica
(como los LMS) o software gratuito para aplicacin la masiva de encuestas como Google Drive. As pues, la asignatura mtodos cuantitativos 2 pretende brindar
un panorama sobre los mtodos de estadstica inferencial ms comunes que se utilizan en los albores de esta nueva poca. Por lo tanto, el enfoque de la
asignatura intentar ceirse una perspectiva de analtica del aprendizaje, donde la interpretacin y uso de los procedimientos estadsticos es considerado el
ncleo del curso a partir del uso de software especializado.
METODOLOGA
El curso se estructurar en seis semanas que emplearn el siguiente ciclo instruccional:
a. Evaluacin sobre las sesiones pasadas.
b. Discusin sobre dudas.
c. Presentacin de casos y uso de software para su anlisis.
d. Discusin sobre los resultados.
Para lo anterior ser requisito que el estudiante lea para cada seccin un artculo o captulo de algn libro seleccionado por el docente.
FECHA
Temtica
1 y 2 de Junio
8 y 9 de Junio
15 y 16 de
Junio
Lecturas
OCDE (2014). Resultados PISA 2012 en el foco: lo que los alumnos
saben a los 15 aos de edad y lo que pueden hacer con lo que saben.
OCDE. Disponible de:
http://www.oecd.org/pisa/keyfindings/PISA2012_Overview_ESPFINAL.pdf
Siegel (1995): introduccin, captulo 1 y 2.
Good & Hardin (2012): captulo 2.
Siegel (1995): leer una prueba de (a) el caso de una muestra simple,
(b) el caso de una muestra medida dos veces y obtenida por medio de
pares replicados, (c) dos muestras independientes, (d) el caso de k
muestras relacionadas / el caso de k muestras independientes, (e)
medidas de asociacin y sus pruebas de significacin.
Salsburg (2001): captulo 3.
Cohen (1997): captulos 1 y 2.
22 y 23 de
Junio
24 y 30 de
Junio
Ambrosi, H.O. (2008). La verdad de las estadsticas: aprender con los datos. Argentina: Lumiere.
American Psychological Association (2010). Manual de publicaciones de la American Psychological Association.
Cohen, J. (1977). Statistical power analysis for the behavioral sciences. NY, USA: Academic Press, NYU.
Cronbach, L. (1998). Fundamentos de los tests psicolgicos: aplicaciones a las organizaciones, la educacin y la clnica. Madrid, Espaa: Biblioteca Nueva.
Gonzlez, M.C. (2007). Alicia en el pas de las estadsticas. Mxico: UNAM.
Good, P. & Hardin, J. (2012). Common errors in statistics (and how to avoid them). USA: Wiley.
Hattie, J. (2013). Visible Learning for Teachers: maximizing impact on learning. USA: The main idea. Disponible de: http://www.tdschools.org/wpcontent/uploads/2013/08/The+Main+Idea+-+Visible+Learning+for+Teachers+-+April+2013.pdf
Huff, D. (1993). How to lie with statistics. New York, EUA: Norton & Compan.
James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An introduction to statistical learning: with applications in R. NY, USA: Springer. Disponible en:
http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf
Levy, J.P. y Varela, J. (2003). Anlisis multivariante para las ciencias sociales. Mxico: Pearson.
Mxico: Manual Moderno.
Nisbet, R., Elder, J. y Miner, G. (2009). Handbook of statistical analysis and data mining applications. USA: Elsevier.
Romero, C., Ventura, S., Pechenzinkiy, M. y Baker, R. (2010). Handbook of educational data mining. USA: Chapman & Hall.
Salkind, N. (2004). Statistics for people who (think they) hate statistics. California, EUA: Sage Publications.
Salsburg, D. (2001). The lady tasting tea: how statistics revolutionized science in the twentieth century. NY, USA: Holt.
Snchez, J.C. (2007). Estadstica bsica aplicada a la educacin. Espaa: CCS.
Siegel, S. (1995). Estadstica no paramtrica: aplicada a las ciencias de la conducta. Mxico: Trillas.
Tejedor, F.C. y Etxeberria, J. (2006). Anlisis inferencial de datos en educacin. Espaa: Muralla.
Triola, M. (2009). Estadstica. Mxico: Pearson.
Wheelan, C. (2013). Naked statistics. USA: W.W. Norton & Company.