Aprendizaje experiencial en ciencia de datos: satisfacción de los estudiantes para tres modelos de enseñanza y aprendizaje = Experiential learning in data science: student satisfaction for three modelsof teaching and learning

Serrano Fernández, Emilio; Molina González, Martín; Manrique Gamo, Daniel; Baumela Molina, Luis y Zanardini, Damiano (2017). Aprendizaje experiencial en ciencia de datos: satisfacción de los estudiantes para tres modelos de enseñanza y aprendizaje = Experiential learning in data science: student satisfaction for three modelsof teaching and learning. En: "IV Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2017)", 04-06 Oct 2017, Zaragoza. ISBN 978-84-16723-41-6. pp. 289-293. https://doi.org/10.26754/CINAIC.2017.000001_058.

Descripción

Título: Aprendizaje experiencial en ciencia de datos: satisfacción de los estudiantes para tres modelos de enseñanza y aprendizaje = Experiential learning in data science: student satisfaction for three modelsof teaching and learning
Autor/es:
  • Serrano Fernández, Emilio
  • Molina González, Martín
  • Manrique Gamo, Daniel
  • Baumela Molina, Luis
  • Zanardini, Damiano
Tipo de Documento: Ponencia en Congreso o Jornada (Artículo)
Título del Evento: IV Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2017)
Fechas del Evento: 04-06 Oct 2017
Lugar del Evento: Zaragoza
Título del Libro: La innovación docente como misión del profesorado: actas del IV Congreso Internacional sobre Aprendizaje, Innovación y Competitividad: CINAIC 2017
Fecha: 2017
ISBN: 978-84-16723-41-6
Volumen: 1
Materias:
Palabras Clave Informales: Ciencia de Datos; Aprendizaje Profundo; Aprendizaje experiencial; Gamificación; Data Science; Deep Learning; Experiential Learning; Gamification
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (335kB) | Vista Previa

Resumen

La Ciencia de Datos es una revolución que ya está cambiando la manera en la que nos ocupamos de negocios, sanidad, política, educación e innovación. Hay una gran variedad de cursos online, másteres, grados, y asignaturas que se enfocan a la enseñanza de este campo interdisciplinar, donde existe una demanda creciente de profesionales. Este artículo describe tres modelos de enseñanza y aprendizaje diferentes para Ciencia de Datos, inspirados en el paradigma del aprendizaje experiencial. Además, estos modelos han sido empleados en una asignatura de Deep Learning, dentro del contexto de un máster internacional de Ciencia de Datos. Finalmente, la satisfacción de los estudiantes es cuantificada por medio de una encuesta para: evaluar los tres modelos, decidir el enfoque favorito y considerar una metodología de aprendizaje experiencial pura.---ABSTRACT---Data science is a revolution that is already changing the way we do business, healthcare, politics, education and innovation. There is a great variety of online courses, masters, degrees, and modules that address the teaching of this interdisciplinary field, where is a growing demand of professionals. This paper describes three different teaching and learning models for Data Science inspired by the experiential learning paradigm.Moreover, these models have been employed in a Deep Learning course in the context of an international master of data science. Finally, thestudent satisfaction is quantified by a survey to: evaluate the three models, decide their favorite approach, and consider a pure experiential learning methodology.

Proyectos asociados

TipoCódigoAcrónimoResponsableTítulo
Gobierno de EspañaTIN2016-78011-C4-4-RSin especificarUniversidad Politécnica de MadridDatos 4.0: Retos y soluciones

Más información

ID de Registro: 50298
Identificador DC: http://oa.upm.es/50298/
Identificador OAI: oai:oa.upm.es:50298
Identificador DOI: 10.26754/CINAIC.2017.000001_058
URL Oficial: https://zaguan.unizar.es/record/62978/files/BOOK-2017-014.pdf
Depositado por: Memoria Investigacion
Depositado el: 06 Feb 2019 10:51
Ultima Modificación: 06 Feb 2019 10:51
  • InvestigaM
  • GEO_UP4
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM