dc.contributorUniversidad Nacional de Colombia
dc.contributorEditorial Universidad Nacional de Colombia
dc.creatorDuarte, Oscar
dc.creatorSarmiento, Carolina
dc.creatorBarrera, Marla
dc.creatorMárquez, Cristian
dc.creatorCulma, Joé Eduin
dc.creatorRamirez, John Jairo
dc.date.accessioned2023-02-08T16:09:42Z
dc.date.accessioned2023-06-06T23:16:56Z
dc.date.available2023-02-08T16:09:42Z
dc.date.available2023-06-06T23:16:56Z
dc.date.created2023-02-08T16:09:42Z
dc.date.issued2022-10
dc.identifier9789585051119
dc.identifierhttps://repositorio.unal.edu.co/handle/unal/83381
dc.identifierUniversidad Nacional de Colombia
dc.identifierRepositorio Institucional Universidad Nacional de Colombia
dc.identifierhttps://repositorio.unal.edu.co/
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/6651198
dc.description.abstractGestionar uno o más programas curriculares implica tomar decisiones que impactan sobre el aprendizaje de los estudiantes. Es frecuente que sea necesario tomarlas aun cuando se carezca de información confiable sobre el estado real del programa, las causas de sus problemas y el potencial impacto de los cambios que se efectúen. Este libro ayuda a subsanar esa dificultad. No es una bolita de cristal que supla dicha carencia de información. Es una colección de ejemplos sobre cómo construir modelos matemáticos y de software que ayuden a responder preguntas sobre el flujo y número de estudiantes, los tiempos de graduación, los recursos de docencia, la evolución de una facultad, las autoevaluaciones, el perfil profesional, los objetivos de formación, las rutas de aprendizaje y las relaciones entre conceptos. Nos hemos apoyado en conceptos de sistemas discretos, aritmética difusa, ontologías, operadores de agregación, algoritmos genéticos, entre otros, para construir los modelos. Cada área del conocimiento tiene sus especificidades. No pretendemos que los modelos aquí presentados sean extrapolables a todo programa curricular. El principal aporte de cada modelo es su estructura, y la forma en que se ha adaptado para representar una situación en particular. De fondo, está el propósito de explorar nuevos caminos que ayuden a entender mejor los programas curriculares y sus necesidades. (Texto tomado de la fuente)
dc.languagespa
dc.publisherUniversidad Nacional de Colombia, Facultad de Ingeniería
dc.publisherSede Bogotá
dc.publisherBogotá, Colombia
dc.relationCódice Abierto;
dc.relationPrimera edición, octubre 2022
dc.relationF. Jurado, M. Llamas, E. Tovar, F. Arcega, F. Mur, J. Sanchez y M. Castro, “A review of the accreditation bodies and processes in europe. A vision from the engineering”, en 35th ASEE/IEEE Frontiers in Education Conference, pp. F2D-F2D, 2005.
dc.relationL. Zadeh, “Outline of a new approach to the analysis of complex systems and decision processes”, IEEE Transactions on Systems Man and Cybernetics, vol. SMC-3, n.◦ 1, pp. 28-44, 1973.
dc.relationS. Parsons, “Current approaches to handling imperfect information in data and knowledge bases”, IEEE Transactions on Knowledge and Data Engineering, vol. 8, n.◦ 3, 1996.
dc.relationN. C. Gómez, Fundamentos teóricos y lineamientos metodológicos para la incorporación del concepto de incertidumbre en la Evaluación de Impacto Ambiental (EIA), tesis de maestría, Instituto de Estudios Ambientales, Universidad Nacional de Colombia, 2016
dc.relationJ. J. Toro,O.G. Duarte, I. Requena yM. Zamorano, “Determining vulnerability importance in environmental impact assessment: The case of colombia”, Environmental Impact Assessment Review, vol. 32, n.◦ 1, pp. 107-117, 2012.
dc.relationO. Duarte, I. Requena y Y. Rosario, “Fuzzy techniques for environmental impact assessment in the mineral deposit of Punta Gorda (Moa, Cuba)”, Environmental Technology, vol. 28, pp. 659-669, jun. 2007.
dc.relationConsejo Nacional de Acreditación, Indicadores para la autevaluación con fines de acreditación institucional. Bogotá: ASCUN, 2006.
dc.relationDriankov, Hellendorn y Reinfrank, An Introduction to Fuzzy Control. Berlín/Heidelberg: Springer, 1996.
dc.relationG. J. Klir y B. Yuan, Fuzzy Sets and Fuzzy Logic: Theory and Applications. New Jersey: Prentice Hall, 1995.
dc.relationB. Bouchon-Meunier, O. Kosheleva, V. Kreinovich y H. Nguyen, “Fuzzy numbers are the only fuzzy sets that keep invertible operations invertible”, Fuzzy sets and systems, vol. 91, pp. 155-163, oct. 1997.
dc.relationM. Delgado, O. Duarte y I. Requena, “An arithmetic approach for the computing with words paradigm”, International Journal of Intelligent Systems, vol. 21, pp. 121-142, feb. 2006
dc.relationL. Zadeh, ComputingWithWords in Information/Intelligent Systems 1, cap. Fuzzy Logic = Computing withWords, pp. 3-23. Heidelberg: Physica-Verlag, 1999.
dc.relationO. G. Duarte, Técnicas difusas en la evaluación de impacto ambiental, tesis doctoral, Universidad de Granada, Granada, España, 2000.
dc.relationO. G. Duarte, “Avoiding rule explotion and making approximate inverse reasoning in computing with words applications”, en Proceedings of the European Modeling and Simulation Symposium EMSS 2017, 2017.
dc.relationM. C. Barrera, Metodología para la definición de perfiles de egresados de un programa curricular, basado en ontologías y el historial académico de sus egresados, tesis de maestría, Facultad de Ingeniería, Universidad Nacional de Colombia, 2014.
dc.relationA. Hernández Díaz, “Perfil profesional”, Revista pedagógica universitaria, vol. 9, n.◦ 2, pp. 69-98, 2004.
dc.relationA. Tello, E. Reynosa, Z. Tello, R. E. Bravo y J. C. Callejas, “Relevance of soft skills to graduate performance: A systematic review”, PalArch’s Journal of Archaeology of Egypt/ Egyptology, vol. 17, n.◦ 6, pp. 5627-5639, 2020.
dc.relationD. R. Krathwohl, “A revision of Bloom’s taxonomy: An overview”, Theory into practice, vol. 41, n.◦ 4, pp. 212-218, 2002.
dc.relationP. K. Agarwal, “Retrieval practice & Bloom’s taxonomy: Do students need fact knowledge before higher order learning?”, Journal of Educational Psychology, vol. 111, n.◦ 2, p. 189, 2019.
dc.relationK.-F. Berggren, D. Brodeur, E. F. Crawley, I. Ingemarsson, W. T. Litant, J. Malmqvist y S. Östlund, “CDIO: An international initiative for reforming engineering education”, World Transactions on Engineering and Technology Education, vol. 2, pp. 49-52, 2003.
dc.relationE. F. Crawley, J. Malmqvist, W. A. Lucas y D. R. Brodeur, “The CDIO syllabus v2.0. an updated statement of goals for engineering education”, en Proceedings of the 7 International CDIO Conference, 2011.
dc.relationM. Detyniecki, Fundamentals on Aggregation Operators. Berkeley: Computer Science division, University of California, 2001.
dc.relationM. Akram y A. Bashir, “Complex fuzzy ordered weighted quadratic averaging operators”, Granular Computing, vol. 6, n.◦ 3, pp. 523-538, 2021.
dc.relationO. Duarte y S. Téllez, “A family of OWA operators based on Faulhaber’s formulas”. https://arxiv.org/abs/1801.10545, 2018.
dc.relationY. Shi, A deep study of fuzzy implications, tesis doctoral, Ghent University, Gante, Bélgica, 2009.
dc.relationM. Baczyński y B. Jayaram, “Fuzzy implications”, en Studies in Fuzziness and Soft Computing, vol. 231, Springer Heidelberg, 2008.
dc.relationM. Mas, M. Monserrat, J. Torrens y E. Trillas, “A survey on fuzzy implication functions”, IEEE Transactions on Fuzzy Systems, vol. 15, pp. 1107-1121, dic. 2007.
dc.relationM. Baczyński, G. Beliakov, H. B. Sola y A. Pradera, “Advances in fuzzy implication functions”, en Studies in Fuzziness and Soft Computing, vol. 300, Springer Heidelberg, 2013
dc.relationJ. E. Culma, Análisis de la articulación del diseño curricular del programa de Ingeniería Electrónica, en relación con los objetivos de aprendizaje asociados a metrología, tesis de maestría, Facultad de Ingeniería, Universidad Nacional de Colombia, 2018.
dc.relationC. Sarmiento, Tutor académico automatizado basado en ontologías, para la selección de rutas de aprendizaje personalizadas en un programa curricular, tesis doctoral, Facultad de Ingeniería, Universidad Nacional de Colombia, 2016.
dc.relationO. Duarte, “UNGenético 1.0: Una librería en C++ de algoritmos genéticos con codificación híbrida”, Universidad Nacional de Colombia, reporte técnico, 2002.
dc.relationA. Delgadillo, J. S. Madrid y J. M. Vélez, Ampliación de UNGenético: una Librería en C++ de Algoritmos genéticos con codificación híbrida, tesis de maestría, Facultad de Ingeniería, Universidad Nacional de Colombia, 2004.
dc.relationC. Sarmiento, Representación del programa curricular de pregrado de Ingeniería Eléctrica de la Universidad Nacional mediante ontologías, tesis de maestría, Facultad de Ingeniería, Universidad Nacional de Colombia, 2010.
dc.relationR. Soto, Representación del área de electrotecnia y sistemas de potencia del programa curricular de pregrado de Ingeniería Eléctrica, mediante ontologías, tesis de maestría, Facultad de Ingeniería, Universidad Nacional de Colombia, 2012.
dc.relationA. Ghisays, Representación del programa curricular de pregrado de Ingeniería Eléctrica de la Universidad Nacional en el área de circuitos, señales y sistemas mediante ontologías, tesis de maestría, Facultad de Ingeniería, Universidad Nacional de Colombia, 2013.
dc.relationM. Fernández, A. Gómez-Pérez y N. Juristo, “Methontology: from ontological art towards ontological engineering”, Universidad Politécnica de Madrid, reporte técnico, 1997.
dc.relationM. C. Suárez-Figueroa, A. Gómez-Pérez y M. Fernández-López, Ontology Engineering in a NetworkedWorld, cap. The NeOn methodology for Ontology Engineering, pp. 9- 34. Berlin, Heidelberg: Berlín/Heidelberg: Springer, 2012.
dc.rightsAtribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.titleModelos matemáticos para la gestión curricular
dc.typeLibro


Este ítem pertenece a la siguiente institución