Aplicacion de Evaluacion Sumativa de un curso de SATELITES GEOESTACIONARIOS

 Por: Guido Fernandez 

1. Definición del Problema

Imaginemos que queremos realizar un análisis de la evaluación sumativa de un curso en línea sobre satélites geoestacionarios. El objetivo es evaluar el desempeño de los estudiantes en diferentes áreas del curso y proporcionar información clave para mejorar la calidad de la enseñanza.

2. Generación de Datos Ficticios

Generaremos datos ficticios de evaluación sumativa para los estudiantes del curso.

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

# Generar datos ficticios de evaluación sumativa

np.random.seed(42)

# Datos de estudiantes

estudiantes = ['Estudiante'+str(i) for i in range(1, 101)]

# Calificaciones de módulos específicos del curso

modulos = ['Introduccion', 'Orbitas', 'Comunicaciones', 'Instrumentacion', 'Proyecto_Final']

calificaciones = np.random.randint(60, 100, size=(100, 5))

# Crear DataFrame

df_evaluacion_satelites = pd.DataFrame(calificaciones, columns=modulos, index=estudiantes)

3. Análisis de Datos

Realicemos un análisis exploratorio de los datos para obtener información sobre las calificaciones.

# Estadísticas descriptivas

estadisticas_calificaciones = df_evaluacion_satelites.describe()

# Visualización de la distribución de calificaciones por módulo

plt.figure(figsize=(12, 6))

sns.boxplot(data=df_evaluacion_satelites, palette='Set3')

plt.title('Distribución de Calificaciones por Módulo')

plt.ylabel('Calificaciones')

plt.show()

# Visualización de la correlación entre módulos

plt.figure(figsize=(10, 8))

sns.heatmap(df_evaluacion_satelites.corr(), annot=True, cmap='coolwarm', fmt=".2f")

plt.title('Correlación entre Calificaciones de Módulos')

plt.show()

4. Interpretación de Resultados

Examinemos las estadísticas descriptivas y las visualizaciones para entender el rendimiento general de los estudiantes y las posibles correlaciones entre los módulos.

# Imprimir estadísticas descriptivas

print("Estadísticas Descriptivas de Calificaciones:")

print(estadisticas_calificaciones)

# Identificar estudiantes con desempeño inferior en algún módulo

estudiantes_bajo_rendimiento = df_evaluacion_satelites[df_evaluacion_satelites < 70].dropna(how='all')

print("\nEstudiantes con Desempeño Inferior en Alguno de los Módulos:")

print(estudiantes_bajo_rendimiento)

Presentacion de los resultados

Estadísticas Descriptivas de Calificaciones: Introduccion Orbitas Comunicaciones Instrumentacion \ count 100.000000 100.000000 100.000000 100.000000 mean 80.940000 80.930000 79.240000 81.330000 std 11.977943 10.657434 12.841001 11.290521 min 60.000000 60.000000 60.000000 60.000000 25% 70.000000 73.000000 67.000000 72.750000 50% 82.000000 82.500000 79.500000 84.000000 75% 91.250000 90.250000 92.000000 90.250000 max 98.000000 99.000000 99.000000 99.000000 Proyecto_Final count 100.000000 mean 79.740000 std 11.495823 min 60.000000 25% 70.000000 50% 81.000000 75% 91.000000 max 99.000000 Estudiantes con Desempeño Inferior en Alguno de los Módulos: Introduccion Orbitas Comunicaciones Instrumentacion \ Estudiante1 NaN NaN NaN 67.0 Estudiante3 NaN NaN NaN NaN Estudiante4 NaN 61.0 NaN NaN Estudiante5 61.0 NaN NaN NaN Estudiante7 62.0 NaN 66.0 NaN ... ... ... ... ... Estudiante90 NaN NaN 61.0 NaN Estudiante91 NaN NaN 67.0 NaN Estudiante92 69.0 NaN NaN 66.0 Estudiante94 NaN 69.0 NaN 68.0 Estudiante100 NaN 68.0 66.0 NaN Proyecto_Final Estudiante1 NaN Estudiante3 62.0 Estudiante4 NaN Estudiante5 NaN Estudiante7 68.0 ... ... Estudiante90 NaN Estudiante91 NaN Estudiante92 63.0 Estudiante94 NaN Estudiante100 NaN [70 rows x 5 columns]

5. Recomendaciones y Mejoras

Basándonos en los resultados del análisis, podríamos formular recomendaciones para mejorar el curso, como reforzar ciertos módulos, proporcionar recursos adicionales o ajustar la evaluación.

6. Documentación

Documenta cada paso del proyecto, desde la generación de datos hasta las conclusiones obtenidas. Esto facilitará la comprensión y replicación del análisis.

7. Presentación de Resultados

Crea informes o presentaciones que resuman los resultados del análisis, incluyendo estadísticas, visualizaciones y recomendaciones.

Este proyecto es un ejemplo básico y puede ser personalizado según las características específicas del curso de satélites geoestacionarios y los objetivos del análisis de evaluación sumativa.