Estrategias didácticas sobre Factores Socioemocionales para mejorar las habilidades metacognitivas de los estudiantes de la carrera de Terapia Respiratoria de la Universidad Técnica de Babahoyo, periodo 2021.
Tesis
Materias > Educación
Universidad Europea del Atlántico > Docencia > Trabajos finales de Máster
Universidad Internacional Iberoamericana México > Docencia > Trabajos finales de Máster
Cerrado
Español
Al cursar los estudios universitarios, el alumno adquiere modelos de comportamiento, o nuevas formas de interacción y conocimientos que dependen no solo del contexto educativo sino también del ambiente familiar y social. Uno de los principales problemas que se encuentran en el entorno educativo de los estudiantes de la carrera de Terapia respiratoria de la Universidad Técnica de Babahoyo es la desmotivación y el desinterés hacia los contenidos de la carrera que les impide desarrollar sus potencialidades a nivel metacognitivo. Probablemente están vinculados con problemas socioemocionales que se ve reflejado en el rendimiento académico de los estudiantes. El presente estudio tiene como objetivo fortalecer los factores socioemocionales que influyen en las habilidades metacognitivas a través de estrategias didácticas, para el éxito académico universitario de los estudiantes. Esta investigación se enmarca en un enfoque mixto cuantitativo-cualitativo, de tipo descriptivo y un diseño de investigación-acción. La población del estudio lo conformaron 20 estudiantes a los cuales se les aplicó un cuestionario para determinar su percepción de las estrategias didácticas. Se evaluó el rendimiento académico antes y después de la aplicación de estrategias, y la percepción de profesores en relación a 9 aspectos tras la aplicación de estrategias. Las estrategias didácticas se aplicaron desde el punto de vista socioemocional, de autorregulación, de conciencia social, y de trabajo en equipo. Los resultados mostraron que las estrategias didácticas contribuyeron a potenciar el interés entre compañeros, inculcando el trabajo en equipo, desarrollando sus habilidades socioemocionales y metacognitivas. Además, se logró mejorar el rendimiento académico de los estudiantes de manera que se evidencia que las estrategias didácticas aplicadas mejoran las habilidades socio-emocionales y metacognitivas de los estudiantes. La percepción de los profesores tras la aplicación de las estrategias didácticas fue positiva para la mayoría de los aspectos evaluados en los estudiantes, exceptuando solamente en participación en clase. Sin embargo, en aspectos como organización en sus tareas, seguridad y confianza, motivación en las clases, trabajo en equipo y dedicación en las actividades académicas, los estudiantes mejoraron su desempeño, y eso se vio reflejado en una percepción más positiva por los docentes, a comparación de cuando no se aplicaron las estrategias. Además, se implementó una propuesta de mejora que no solo mejoró el rendimiento académico de los estudiantes sino también sus habilidades metacognitivas. La propuesta contribuyó a potenciar las estrategias de aprendizaje y las habilidades metacognitivas de los estudiantes, así como las actitudes que les permitan convertirse en aprendices autónomos e independientes. El programa se desarrolló a través de un sitio web y sesiones online. Se puede concluir que la mayoría de estudiantes y profesores encuestados en general apoya la propuesta de mejora. Los participantes mencionaron que el programa debería ser más interactivo, y el contenido de ciertos módulos debería explicarse mejor. Un punto importante es demostrar que es posible utilizar la tecnología en la educación para mejorar la enseñanza y el aprendizaje a través de la participación consciente y sin prejuicios de los estudiantes. Este estudio es una base para futuras investigaciones en relación sobre los efectos positivos del desarrollo cognitivo y la mejora de las habilidades sociales y emocionales en diferentes contextos educativos.
metadata
Rosado Hurtado, Gabriela Fernanda
mail
gaferhur_81@hotmail.com
(2022)
Estrategias didácticas sobre Factores Socioemocionales para mejorar las habilidades metacognitivas de los estudiantes de la carrera de Terapia Respiratoria de la Universidad Técnica de Babahoyo, periodo 2021.
Masters thesis, SIN ESPECIFICAR.
Resumen
Al cursar los estudios universitarios, el alumno adquiere modelos de comportamiento, o nuevas formas de interacción y conocimientos que dependen no solo del contexto educativo sino también del ambiente familiar y social. Uno de los principales problemas que se encuentran en el entorno educativo de los estudiantes de la carrera de Terapia respiratoria de la Universidad Técnica de Babahoyo es la desmotivación y el desinterés hacia los contenidos de la carrera que les impide desarrollar sus potencialidades a nivel metacognitivo. Probablemente están vinculados con problemas socioemocionales que se ve reflejado en el rendimiento académico de los estudiantes. El presente estudio tiene como objetivo fortalecer los factores socioemocionales que influyen en las habilidades metacognitivas a través de estrategias didácticas, para el éxito académico universitario de los estudiantes. Esta investigación se enmarca en un enfoque mixto cuantitativo-cualitativo, de tipo descriptivo y un diseño de investigación-acción. La población del estudio lo conformaron 20 estudiantes a los cuales se les aplicó un cuestionario para determinar su percepción de las estrategias didácticas. Se evaluó el rendimiento académico antes y después de la aplicación de estrategias, y la percepción de profesores en relación a 9 aspectos tras la aplicación de estrategias. Las estrategias didácticas se aplicaron desde el punto de vista socioemocional, de autorregulación, de conciencia social, y de trabajo en equipo. Los resultados mostraron que las estrategias didácticas contribuyeron a potenciar el interés entre compañeros, inculcando el trabajo en equipo, desarrollando sus habilidades socioemocionales y metacognitivas. Además, se logró mejorar el rendimiento académico de los estudiantes de manera que se evidencia que las estrategias didácticas aplicadas mejoran las habilidades socio-emocionales y metacognitivas de los estudiantes. La percepción de los profesores tras la aplicación de las estrategias didácticas fue positiva para la mayoría de los aspectos evaluados en los estudiantes, exceptuando solamente en participación en clase. Sin embargo, en aspectos como organización en sus tareas, seguridad y confianza, motivación en las clases, trabajo en equipo y dedicación en las actividades académicas, los estudiantes mejoraron su desempeño, y eso se vio reflejado en una percepción más positiva por los docentes, a comparación de cuando no se aplicaron las estrategias. Además, se implementó una propuesta de mejora que no solo mejoró el rendimiento académico de los estudiantes sino también sus habilidades metacognitivas. La propuesta contribuyó a potenciar las estrategias de aprendizaje y las habilidades metacognitivas de los estudiantes, así como las actitudes que les permitan convertirse en aprendices autónomos e independientes. El programa se desarrolló a través de un sitio web y sesiones online. Se puede concluir que la mayoría de estudiantes y profesores encuestados en general apoya la propuesta de mejora. Los participantes mencionaron que el programa debería ser más interactivo, y el contenido de ciertos módulos debería explicarse mejor. Un punto importante es demostrar que es posible utilizar la tecnología en la educación para mejorar la enseñanza y el aprendizaje a través de la participación consciente y sin prejuicios de los estudiantes. Este estudio es una base para futuras investigaciones en relación sobre los efectos positivos del desarrollo cognitivo y la mejora de las habilidades sociales y emocionales en diferentes contextos educativos.
Tipo de Documento: | Tesis (Masters) |
---|---|
Palabras Clave: | Estrategias didácticas, Metacognición, Autocontrol emocional, Habilidad social, Clima Educativo |
Clasificación temática: | Materias > Educación |
Divisiones: | Universidad Europea del Atlántico > Docencia > Trabajos finales de Máster Universidad Internacional Iberoamericana México > Docencia > Trabajos finales de Máster |
Depositado: | 06 May 2024 23:30 |
Ultima Modificación: | 06 May 2024 23:30 |
URI: | https://repositorio.uneatlantico.es/id/eprint/3117 |
Acciones (logins necesarios)
![]() |
Ver Objeto |
en
close
Enzymatic treatment shapes in vitro digestion pattern of phenolic compounds in mulberry juice
The health benefits of mulberry fruit are closely associated with its phenolic compounds. However, the effects of enzymatic treatments on the digestion patterns of these compounds in mulberry juice remain largely unknown. This study investigated the impact of pectinase (PE), pectin lyase (PL), and cellulase (CE) on the release of phenolic compounds in whole mulberry juice. The digestion patterns were further evaluated using an in vitro simulated digestion model. The results revealed that PE significantly increased chlorogenic acid content by 77.8 %, PL enhanced cyanidin-3-O-glucoside by 20.5 %, and CE boosted quercetin by 44.5 %. Following in vitro digestion, the phenolic compound levels decreased differently depending on the treatment, while cyanidin-3-O-rutinoside content increased across all groups. In conclusion, the selected enzymes effectively promoted the release of phenolic compounds in mulberry juice. However, during gastrointestinal digestion, the degradation of phenolic compounds surpassed their enhanced release, with effects varying based on the compound's structure.
Peihuan Luo mail , Jian Ai mail , Qiongyao Wang mail , Yihang Lou mail , Zhiwei Liao mail , Francesca Giampieri mail francesca.giampieri@uneatlantico.es, Maurizio Battino mail maurizio.battino@uneatlantico.es, Elwira Sieniawska mail , Weibin Bai mail , Lingmin Tian mail ,
Luo
en
close
A novel machine learning-based proposal for early prediction of endometriosis disease
Background Endometriosis is one of the causes of female infertility, with some studies estimating its prevalence at around 10 % of reproductive-age women worldwide and between 30 and 50 % in symptomatic women. However, its diagnosis is complex and often delayed, highlighting the need for more accessible and accurate diagnostic methods. The difficulty lies in its diverse etiology and the variability of symptoms among those affected. Methods This study proposes a predictive model based on supervised machine learning for the early identification of endometriosis, providing support for decision-making by healthcare professionals. For this purpose, an anonymised dataset of 5,143 female patients diagnosed with endometriosis at the private fertility clinic Inebir was used. The model integrates clinical records and genetic analysis through supervised machine learning algorithms, focusing on clinical variables and pathogenic and potentially pathogenic genetic variants. Results The developed predictive model achieves high accuracy in identifying the presence of endometriosis, highlighting the importance of combining clinical and genetic data in diagnosis. The integration of this data into the DELFOS platform, a clinical decision support system, demonstrates the utility of machine learning in improving the diagnosis of endometriosis. Conclusions The findings underscore the potential of clinical and genetic factors in the early diagnosis of endometriosis using supervised machine learning algorithms. This study contributes to the classification of clinical variables that influence endometriosis, offering a valuable tool for clinicians in making therapeutic and management decisions for their female patients.
Elena Enamorado-Díaz mail , Leticia Morales-Trujillo mail , Julián-Alberto García-García mail , Ana Teresa Marcos Rodríguez mail anateresa.marcos@uneatlantico.es, José Manuel Navarro-Pando mail jose.navarro@uneatlantico.es, María-José Escalona-Cuaresma mail ,
Enamorado-Díaz
<a href="/17788/1/s40537-025-01167-w.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Detecting hate in diversity: a survey of multilingual code-mixed image and video analysis
The proliferation of damaging content on social media in today’s digital environment has increased the need for efficient hate speech identification systems. A thorough examination of hate speech detection methods in a variety of settings, such as code-mixed, multilingual, visual, audio, and textual scenarios, is presented in this paper. Unlike previous research focusing on single modalities, our study thoroughly examines hate speech identification across multiple forms. We classify the numerous types of hate speech, showing how it appears on different platforms and emphasizing the unique difficulties in multi-modal and multilingual settings. We fill research gaps by assessing a variety of methods, including deep learning, machine learning, and natural language processing, especially for complicated data like code-mixed and cross-lingual text. Additionally, we offer key technique comparisons, suggesting future research avenues that prioritize multi-modal analysis and ethical data handling, while acknowledging its benefits and drawbacks. This study attempts to promote scholarly research and real-world applications on social media platforms by acting as an essential resource for improving hate speech identification across various data sources.
Hafiz Muhammad Raza Ur Rehman mail , Mahpara Saleem mail , Muhammad Zeeshan Jhandir mail , Eduardo René Silva Alvarado mail eduardo.silva@funiber.org, Helena Garay mail helena.garay@uneatlantico.es, Imran Ashraf mail ,
Raza Ur Rehman
<a class="ep_document_link" href="/17794/1/s41598-025-95836-8.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Accurate solar and photovoltaic (PV) power forecasting is essential for optimizing grid integration, managing energy storage, and maximizing the efficiency of solar power systems. Deep learning (DL) models have shown promise in this area due to their ability to learn complex, non-linear relationships within large datasets. This study presents a systematic literature review (SLR) of deep learning applications for solar PV forecasting, addressing a gap in the existing literature, which often focuses on traditional ML or broader renewable energy applications. This review specifically aims to identify the DL architectures employed, preprocessing and feature engineering techniques used, the input features leveraged, evaluation metrics applied, and the persistent challenges in this field. Through a rigorous analysis of 26 selected papers from an initial set of 155 articles retrieved from the Web of Science database, we found that Long Short-Term Memory (LSTM) networks were the most frequently used algorithm (appearing in 32.69% of the papers), closely followed by Convolutional Neural Networks (CNNs) at 28.85%. Furthermore, Wavelet Transform (WT) was found to be the most prominent data decomposition technique, while Pearson Correlation was the most used for feature selection. We also found that ambient temperature, pressure, and humidity are the most common input features. Our systematic evaluation provides critical insights into state-of-the-art DL-based solar forecasting and identifies key areas for upcoming research. Future research should prioritize the development of more robust and interpretable models, as well as explore the integration of multi-source data to further enhance forecasting accuracy. Such advancements are crucial for the effective integration of solar energy into future power grids.
Oussama Khouili mail , Mohamed Hanine mail , Mohamed Louzazni mail , Miguel Ángel López Flores mail miguelangel.lopez@uneatlantico.es, Eduardo García Villena mail eduardo.garcia@uneatlantico.es, Imran Ashraf mail ,
Khouili
<a href="/17796/1/1-s2.0-S2773032825000070-main.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Despite the global increase of women in business, there is still a very small proportion of female business leaders, although the distribution varies greatly by region and sector. Considering innovation, in its many forms, as well as female entrepreneurship, both considered as a path towards sustainability, the question arises as to whether this drive for sustainability leads to a greater presence of female CEOs. Current studies predominantly examine the impact of women's presence on a company's economic and financial performance, as well as any potential effects on its innovation strategy. However, the examination of factors that help understand the economic and business context influencing the presence of women in leadership roles is often overlooked. This empirical study fills this gap by exploring the micro and macro context influencing the presence of female CEOs in innovative firms worldwide stressing the influence of female owners. The sample comprises 107,026 companies from manufacturing and service industries in 118 countries, from 2007 to 2023, data obtained from the World Bank Enterprise Surveys. The econometric model applied is logistic regression with clustered standard errors. The study contains six estimations generating strong evidence supporting most of the formulated hypotheses. Findings suggest women CEOs are likely to lead women-owned firms which promote (sustainable) innovation through developing new products for new markets, allocating less investment in R&D, product innovation and business processes, although with some nuances. Other important factors to consider are productivity, sales strategy, firm size, sector, and socio-economic context with a gender focus.
Inna Alexeeva-Alexeev mail , Pilar Guaita-Fernandez mail , Cristina Mazas Pérez-Oleaga mail cristina.mazas@uneatlantico.es,
Alexeeva-Alexeev