View
229
Download
0
Category
Preview:
Citation preview
Fidel Aznar Gregori, Mar Pujol López, Mireia Aznar Gregori, Mar Pujol López, Mireia Sempere Tortosa, Ramón Rizo Aldeguer -Sempere Tortosa, Ramón Rizo Aldeguer -
Una experiencia metodológica con la
autoevaluación como telón de fondo
JENUI 2006JENUI 2006
2Informática Industrial e
Inteligencia Artificial
Índice
MFAC La autoevaluación Los créditos ECTS La evaluación
Cursos anteriores Actual
Resultados Conclusiones y líneas futuras
3Informática Industrial e
Inteligencia Artificial
INTRODUCCIÓN MFAC
4Informática Industrial e
Inteligencia Artificial
Descripción 6 créditos (3T, 3P) Departamento: DCCIA Optativa Objetivos Alumnos: 30
IntroducciónMFAC (I)
5Informática Industrial e
Inteligencia Artificial
Teoría Temario
Programación Lineal Método Simplex
Problemas Difícil comprensión Formalización de problemas Notación
Práctica Resolución de problemas
IntroducciónMFAC (II)
6Informática Industrial e
Inteligencia Artificial
LA AUTOEVALUACIÓN
7Informática Industrial e
Inteligencia Artificial
La autoevaluación (I)
Definición: medida externa para calcular el éxito del estudiante en la consecución de una serie de objetivos
A nivel universitario la autoevaluación no suele valer más de un 5% de la nota final
¿Cómo se podrían evaluar los estudiante de forma honesta y acertada?
8Informática Industrial e
Inteligencia Artificial
Herramienta docente Sobre el alumno
Más responsabilidad en el aprendizaje Es consciente de su propio progreso Diagnóstico de los puntos flojos y el nivel de
destreza Mayor motivación
La autoevaluación (II)
9Informática Industrial e
Inteligencia Artificial
Herramienta docente Sobre el profesor
Los estudiantes son mas conscientes de su proceso de aprendizaje poniendo de relieve sus dificultades
Se determinan de manera sencilla las áreas problemáticas que se deben reforzar
Aplicabilidad
La autoevaluación (III)
10Informática Industrial e
Inteligencia Artificial
El sistema de créditos ECTS
Procedimiento común para garantizar el reconocimiento académico
Nuevos mecanismos de planificación docente Repercusiones principales
Incrementar la transparencia Facilitar el reconocimiento de las calificaciones Facilitar la movilidad Fomentar el aprendizaje ...
11Informática Industrial e
Inteligencia Artificial
EVALUACIÓN
12Informática Industrial e
Inteligencia Artificial
Evaluación anterior al curso 04/05
60% examen de teoría 40% listado de problemas propuestos + 20% de trabajos optativos
13Informática Industrial e
Inteligencia Artificial
Evaluación actual (I)
Basada en las prácticas Basada en el trabajo del alumno en la parte de
prácticas (70%) ¿Autoevaluación?
Ejercicios se corrigen entre los propios alumnos Los alumnos proponen problemas para el resto de la clase El participar activamente en la clase se tiene en cuenta en
la evaluación (40%) Evolución del alumno en el tiempo: Pasivo a Activo
14Informática Industrial e
Inteligencia Artificial
Evaluación actual (II)
Basada en las prácticas Basada en el trabajo del alumno en la parte de
prácticas (70%) Examen de teoría (30%)
¿Autoevaluación?
Basada en la realización de un proyecto global (100%)
15Informática Industrial e
Inteligencia Artificial
RESULTADOS
16Informática Industrial e
Inteligencia Artificial
Resultados (I)
Mayor número de aprobados Incremento de asistencia a las clases de
teoría
0%
20%
40%
60%
80%
100%
Curso 03-04 Curso 04-05 Curso 05-06
Porcetaje de asistencia a las clases de teoría de la asignatura MFAC
17Informática Industrial e
Inteligencia Artificial
Resultados (II)
Aumentan ligeramente los no presentados
0%
20%
40%
60%
80%
100%
Curso 03-04 Curso 04-05 Curso 05-06
Relación de no presentados, suspensos y aprobados en la asignatura MFAC
No presentados
Suspensos
Aprobados
18Informática Industrial e
Inteligencia Artificial
Resultados (III)
La autoevaluación en el examen de teoría
Diferencia entre la evaluación del profesorado y de los alumnos del exámen final de MFAC
<0.5 puntos <1 <2.5 >2.5
19Informática Industrial e
Inteligencia Artificial
Resultados (IV)
Proyectos realizados
20Informática Industrial e
Inteligencia Artificial
Resultados (V)
Prácticas Conciencia de la valoración de las clases prácticas Autoevaluación para encontrar áreas difíciles
Teoría Conciencia de la importancia de las clases teóricas Valoración del examen
21Informática Industrial e
Inteligencia Artificial
CONCLUSIONES Y LÍNEAS FUTURAS
22Informática Industrial e
Inteligencia Artificial
Conclusiones y líneas futuras
Conclusiones Resultados del curso actual MFAC Beneficios de la autoevaluación El EEES
Líneas futuras Autoevaluación Un proyecto conjunto (MFAC, JRV, RAZ, GAA)
Recommended