Page 37 - Sistemas de aprendizaje e-learning: técnicas de inteligencia artificial para las inteligencias múltiples
P. 37

36       Sistemas de aprendizaje e-learning: técnicas de
                  inteligencia artificial para las inteligencias múltiples








               VALORES DE R-CUADRADA ACEPTABLES
               PARA EL MODELO DE REGRESIÓN MÚLTIPLE
               La medida numérica de la asociación entre dos variables es el coeficiente de correlación, el
               cual tiene los valores entre -1 y 1. Este indica la fuerza de la asociación de los datos observados
               de las dos variables. Si el coeficiente de correlación es igual a 0, no existe relación entre las
               variables (Chase y Bown, 2000; Gujariti, 2003; Best, 1982).


               Frecuentemente algunos autores en educación presentan un criterio general para la interpreta-
               ción de los valores del coeficiente. En su libro Best indica que esta interpretación depende de
               la naturaleza de los factores relacionados, el número de casos involucrados, etcétera. (Best,
               1982). La interrelación se muestra en la tabla 2.2.

                                          Tabla 2.2. Interpretación de la relación.
                                 RANGO MENOR          RANGO MAYOR           RELACIÓN
                                       0 to                0.20             Inaceptable
                                      0.20 to               0.40               Bajo
                                      0.40 to              0.60             Moderado
                                      0.60 to              0.80             Sustancial
                                      0.80 to              1.0             Alto o muy alto

               ¿CUÁNDO UTILIZAR EL ANÁLISIS DE REGRESIÓN?
               Faraway indica que el análisis de regresión es utilizado para explicar o modelar la relación entre
               un variable simple “Y”, llamada la respuesta, salida o variable dependiente; y uno o más predic-
               tores, entrada, independiente o variable explicativa, x1, ..., Xp. Cuando p = 1, es llamada regre-
               sión lineal simple, pero cuando p > 1 es llamada regresión múltiple o, algunas veces, regresión
               multivariada. El análisis de regresión tiene varios objetivos posibles incluidos (Faraway, 2009):
                 1.  Predicción de futuras observaciones.
                 2.  Evaluación del efecto, relación entre las variables independientes y la dependiente.
                 3.  Una descripción general de la estructura de datos.

               APLICACIONES DE LA REGRESIÓN LINEAL
               De acuerdo con Graumlich, la regresión lineal ha sido utilizada para describir la relación entre
               variables en comportamiento biológico y ciencias sociales.


               RLM es un método usado en el desarrollo del comportamiento climático para las variables
               climáticas de la serie “tree-ring” (Graumlich, 1987).


               2.7. RÚBRICAS
               Las rúbricas son instrumentos que permiten valorar los aprendizajes y los trabajos realizados
               por los estudiantes. Se representan mediante una matriz, que valora los niveles de desempeño
               de cualquier actividad según una lista de actividades y que puede ser utilizada con una escala
   32   33   34   35   36   37   38   39   40   41   42