ESCUELA SUPERIOR POLITECNICA DE

CHIMBORAZO
CARRERA DE FINANZAS

ASIGNATURA:
EPISTEMOLOGIA DE LA CIENCIA
NOMBRE:
LISBETH ANDINO
CURSO:
PRIMERO 1
TEMA:
BASES CIENTIFICAS
Bases Científicas

 IEEE
ACM
 SCIENCEDIREC
 SPRINGER
 GOOGLE ACADEMICO
Título del artículo Abstract Palabras clave Link

Una herramienta La Organización Mundial de la Salud (OMS) afirma  Robots, https://ieeexplor

de apoyo que cada año aproximadamente 303,000 recién  Herramientas, e.ieee.org/docum
educativo basada nacidos mueren debido a anomalías  Juegos, ent/8526467
en asistentes congénitas. Estas enfermedades pueden producir  Sistemas
robóticos, discapacidades a largo plazo, y las tres anomalías expertos,
aplicaciones congénitas más críticas son los defectos cardíacos,  educación,
móviles y los defectos del tubo neural y el síndrome de Down  Pediatría,
sistemas expertos (DS). Ecuador es un país con una alta prevalencia de  Aplicaciones
para niños con SD, ya que 1 de cada 700 niños nacen con esta móviles
síndrome de enfermedad. Por otro lado, en todo el mundo, el
Down número de niños nacidos con SD es de 1 por cada
1.000. Por estas razones, en este documento,
presentamos una herramienta tecnológica destinada a
apoyar el currículo escolar para niños de 6 a 12 años
con SD. Esta herramienta se basa en un asistente
robótico de bajo costo, una aplicación móvil y un
módulo para sugerir actividades educativas para los
niños. Con el objetivo de determinar a los
niños. Como respuesta al robot, así como a la
aplicación móvil, hemos realizado un primer
experimento piloto con 21 niños (sin
discapacidades). Cada uno de los niños participantes
interactuó con el sistema, y después de esta
actividad, respondieron una encuesta. Los resultados
iniciales han demostrado que los niños están muy
interesados y motivados para realizar actividades
educativas con el robot.
Creando y manteniendo una plataforma para aprendizaje automático http://delivery.ac
Aprendizaje producir de manera confiable. a gran escala; m.org/10.1145/3
automático de y la implementación de modelos de aprendizaje plataforma de extremo a 100000/3098021
una escala de automático requiere una cuidadosa organización de extremo; continuo /p1387-
producción muchos componentes: un aprendiz para generar formación baylor.pdf?ip=45.
basada en Modelos basados en datos de capacitación, módulos 225.44.8&id=309
TensorFlow para analizar y validar tanto datos como modelos, y 8021&acc=OA&k
plataforma finalmente infraestructura ey=4D4702B0C3E
Para servir modelos en producción. Esto se vuelve 38B35%2E4D470
particularmente 2B0C3E38B35%2
Reto cuando los datos cambian con el tiempo y E4D4702B0C3E38
modelos nuevos. B35%2E5945DC2
Necesitan ser producidos continuamente. EABF3343C&__ac
Desafortunadamente, tal orquestación a menudo se m__=156098149
6_9870db0cbf01c
hace ad hoc usando código de cola y personalizado
f0d5cdec917db31
Scripts desarrollados por equipos individuales para
623a
 casos de uso específicos,
Lo que lleva a un esfuerzo duplicado y sistemas
frágiles con alta
Deuda técnica.
Presentamos TensorFlow Extended (TFX), a la
plataforma de aprendizaje automático de propósito
general basada en TensorFlow implementada
en google Integrando los componentes antes
mencionados.
En una plataforma, pudimos estandarizar los
componentes, simplificar la configuración de la
plataforma y reducir la
Tiempo para la producción del orden de meses a
semanas, mientras que
Proporcionando estabilidad de la plataforma que
minimiza las interrupciones.
Presentamos el caso de estudio de un despliegue de
TFX en el
La tienda de aplicaciones Google Play, donde los
modelos de aprendizaje automático.
se actualizan continuamente a medida que llegan
nuevos datos. El despliegue
TFX condujo a código personalizado reducido,
ciclos de experimento más rápidos,
y un aumento del 2% en las instalaciones de
aplicaciones resultantes de mejoras
Análisis de datos y modelos.
Delineando Cada una no Rúbrica; Educación médica; https://reader.els
criterios para la se dise nan Nuevas Herramientas deTecnología Educ Innovación; Tecnología evier.com/reader
evaluación de ativa. Los profesores de escuelas de medicina con po educativa /sd/pii/S1575181
Tecnología ca experiencia en el uso deTecnología Tienen 318301815?toke
Educativa Dificultades para seleccionar Una Herramienta y n=1891C95D6321
Estar un La Vanguardia ante los Retos de la F6FE9C9A0929E2
Educación Médica Moderna. El objetivo m del 95E9046DCDB8B
estudio es diseñar Una rúbrica para evaluar 74A057EC3BEF20
v Las propiedades Que Poseen las Herramientasde T 7505A8E917664B
ecnología Educativa. De esta manera será posiblepár ADFE5C7514CD8
r los docentes recientemente Seleccionar Las Más 00069E13ED9249
versátiles y de Más Fácil Implementación en el aula. 64
Métodos y Materiales: Los Profesores Expertos en
Tecnología Educativa de la Escuela de Medi- cina de
Una universidad privada diseñaron
Una rúbrica con Criterios para evaluar
v La Tecnología considerando el tiempo de
capacitación del profesor, el material educativo, la
compatibilidad de dispositivos, y la interacción con
 el estudiante en el tiempo real. Resultados: Se
identificaron 10 propiedades evaluables de las
Herramientas Tecnológicas y se estableció la ONU
criterio para distinguir las Herramientas Más
versátiles y de fácil aplicación en el aula al sumar
los diferentes puntajes de la rúbrica. Discusión: El
Contar con Una rúbrica respaldada por la
Experiencia de Profesores de Brinda la posibilidad f
de Ayudar a Otros docentes en el Proceso de
evaluación, Selección y USO de la Tecnología para
crear de materiales Educación e interacción con los
estudiantes dentro y fuera del aula
https://link.spring
Proyectos Las instituciones educativas enfrentan el desafío de proyecto final del año er.com/article/10
estudiantiles proporcionar a los estudiantes herramientas para el aplicaciones de .7238/rusc.v11i1.
potenciando el aprendizaje móvil (m-learning). Sin embargo, la dispositivos móviles m- 1901
aprendizaje móvil evolución de la tecnología es el desarrollo y la learning herramientas de
en la educación mejora continua de estas herramientas más bien e-learning innovación
superior. caras. Por ejemplo, es difícil evaluar las diferentes
opciones de tecnología disponibles. En este artículo,
la solución propuesta es participar en cursos de
desarrollo técnico en el desarrollo de herramientas de
m-learning. La Universidad Abierta de Cataluña
(UOC) se analiza cómo caso de estudio. Estos
proyectos exploran diferentes tecnologías y
proporcionan información útil para guiarlos a través
del desarrollo de herramientas de m-learning. Similar
al desarrollo colaborativo del software de código
abierto, este paradigma puede, por lo tanto,
garantizar la sostenibilidad del m-learning en las
instituciones educativas.
¿Pueden las En este artículo presentamos una propuesta práctica teoría de las http://www.edut
aplicaciones y concreta para abordar el desarrollo y potenciación inteligencias múltiples, ec.es/revista/inde
educativas de los de las inteligencias múltiples mediante el uso de aprendizaje móvil, apps x.php/edutec-
dispositivos aplicaciones educativas diseñadas para dispositivos educativas e/article/view/63
móviles ayudar al móviles. La primera parte consistirá en describir el
desarrollo de las concepto y relevancia educativa de las inteligencias
inteligencias múltiples para luego considerar las ventajas de la
múltiples? incorporación de los dispositivos móviles y realizar
una propuesta concreta de tres apps por cada una de
las nueve inteligencias.