Segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior

Autores
Malbernat, Lucía Rosario
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Se comparten aquí los resultados obtenidos durante la Investigación “Aplicación de técnicas de Data Mining en gestión de docentes de educación superior, DMES”, que han permitido definir el perfil innovador de los docentes de 6 unidades académicas a partir de la Preparación y Actitud para incorporar tecnologías de la información y comunicación (TIC) en la práctica docente, aplicando técnicas de segmentación. Cada docente relevado fue asignado a uno de 5 segmentos denominados Innovadores, Flemáticos, Desorientados, Reticentes y Refractarios, teniendo los grupos menos extremos (Flemáticos, Desorientados y Reticentes) algún grado de indiferencia. Para ello, se variaron técnicas, algoritmos, parámetros y herramientas de minería de datos. Los algoritmos utilizados tenían por objetivo conglomerar a los sujetos según su perfil innovador, utilizando un análisis bivariado que tomaba las dimensiones Preparación y Actitud definidas por los indicadores: Capacitación, Experiencia y Dominio de herramientas, en el primer caso, e Interés en capacitación, Valoración del propio Vínculo con las TIC y Valoración de la Educación mediada por TIC, en el segundo.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
Materia
Ciencias Informáticas
técnicas de segmentación
Docentes
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/58624
Acceder
id SEDICI_8dcee4eba01f404d96071aae18fa35e9
oai_identifier_str oai:sedici.unlp.edu.ar:10915/58624
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superiorMalbernat, Lucía RosarioCiencias Informáticastécnicas de segmentaciónDocentesSe comparten aquí los resultados obtenidos durante la Investigación “Aplicación de técnicas de Data Mining en gestión de docentes de educación superior, DMES”, que han permitido definir el perfil innovador de los docentes de 6 unidades académicas a partir de la Preparación y Actitud para incorporar tecnologías de la información y comunicación (TIC) en la práctica docente, aplicando técnicas de segmentación. Cada docente relevado fue asignado a uno de 5 segmentos denominados Innovadores, Flemáticos, Desorientados, Reticentes y Refractarios, teniendo los grupos menos extremos (Flemáticos, Desorientados y Reticentes) algún grado de indiferencia. Para ello, se variaron técnicas, algoritmos, parámetros y herramientas de minería de datos. Los algoritmos utilizados tenían por objetivo conglomerar a los sujetos según su perfil innovador, utilizando un análisis bivariado que tomaba las dimensiones Preparación y Actitud definidas por los indicadores: Capacitación, Experiencia y Dominio de herramientas, en el primer caso, e Interés en capacitación, Valoración del propio Vínculo con las TIC y Valoración de la Educación mediada por TIC, en el segundo.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2016-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf169-175http://sedici.unlp.edu.ar/handle/10915/58624spainfo:eu-repo/semantics/altIdentifier/url/http://45jaiio.sadio.org.ar/sites/default/files/STS-16.pdfinfo:eu-repo/semantics/altIdentifier/issn/2451-763info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T10:59:16Zoai:sedici.unlp.edu.ar:10915/58624Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 10:59:16.488SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior
title Segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior
spellingShingle Segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior
Malbernat, Lucía Rosario
Ciencias Informáticas
técnicas de segmentación
Docentes
title_short Segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior
title_full Segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior
title_fullStr Segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior
title_full_unstemmed Segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior
title_sort Segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior
dc.creator.none.fl_str_mv Malbernat, Lucía Rosario
author Malbernat, Lucía Rosario
author_facet Malbernat, Lucía Rosario
author_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
técnicas de segmentación
Docentes
topic Ciencias Informáticas
técnicas de segmentación
Docentes
dc.description.none.fl_txt_mv Se comparten aquí los resultados obtenidos durante la Investigación “Aplicación de técnicas de Data Mining en gestión de docentes de educación superior, DMES”, que han permitido definir el perfil innovador de los docentes de 6 unidades académicas a partir de la Preparación y Actitud para incorporar tecnologías de la información y comunicación (TIC) en la práctica docente, aplicando técnicas de segmentación. Cada docente relevado fue asignado a uno de 5 segmentos denominados Innovadores, Flemáticos, Desorientados, Reticentes y Refractarios, teniendo los grupos menos extremos (Flemáticos, Desorientados y Reticentes) algún grado de indiferencia. Para ello, se variaron técnicas, algoritmos, parámetros y herramientas de minería de datos. Los algoritmos utilizados tenían por objetivo conglomerar a los sujetos según su perfil innovador, utilizando un análisis bivariado que tomaba las dimensiones Preparación y Actitud definidas por los indicadores: Capacitación, Experiencia y Dominio de herramientas, en el primer caso, e Interés en capacitación, Valoración del propio Vínculo con las TIC y Valoración de la Educación mediada por TIC, en el segundo.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
description Se comparten aquí los resultados obtenidos durante la Investigación “Aplicación de técnicas de Data Mining en gestión de docentes de educación superior, DMES”, que han permitido definir el perfil innovador de los docentes de 6 unidades académicas a partir de la Preparación y Actitud para incorporar tecnologías de la información y comunicación (TIC) en la práctica docente, aplicando técnicas de segmentación. Cada docente relevado fue asignado a uno de 5 segmentos denominados Innovadores, Flemáticos, Desorientados, Reticentes y Refractarios, teniendo los grupos menos extremos (Flemáticos, Desorientados y Reticentes) algún grado de indiferencia. Para ello, se variaron técnicas, algoritmos, parámetros y herramientas de minería de datos. Los algoritmos utilizados tenían por objetivo conglomerar a los sujetos según su perfil innovador, utilizando un análisis bivariado que tomaba las dimensiones Preparación y Actitud definidas por los indicadores: Capacitación, Experiencia y Dominio de herramientas, en el primer caso, e Interés en capacitación, Valoración del propio Vínculo con las TIC y Valoración de la Educación mediada por TIC, en el segundo.
publishDate 2016
dc.date.none.fl_str_mv 2016-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/58624
url http://sedici.unlp.edu.ar/handle/10915/58624
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://45jaiio.sadio.org.ar/sites/default/files/STS-16.pdf
info:eu-repo/semantics/altIdentifier/issn/2451-763
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
169-175
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846064041337815040
score 13.22299

Publicaciones similares