Objectes multimèdia amb l’etiqueta: Qualitat i innovació docent
Resultats de la cerca
La regresión lineal en 5 minutos
            
                                    Accés obert
                            
        
    
            
            16 de des. 2024
        
    
    
            
            La regressió lineal és un dels models estadístics més utilitzats per a l'anàlisi de dades i en machine learning. Descobreix què és, com funciona i com aplicar-la a les teves dades.
Autors: Andrea Toloba i Cristian Tebé
    
    
    
    Autors: Andrea Toloba i Cristian Tebé
OER: Open Educational Resources
            
                                    Accés obert
                            
        
    
            
            20 de juny 2024
        
    
    
            
            Els OER són materials d’aprenentatge, ensenyament i recerca, en qualsevol format i suport, de domini públic o protegits per drets d’autor i que han estat publicats amb una llicència oberta que en permet l’accés, així com la seva reutilització, reconversió, adaptació i redistribució sense cap cost per part de tercers.
        
    
    
    
    Análisis de Datos Longitudinales
            
                                    Accés obert
                            
        
    
            
            4 de juny 2024
        
    
    
            
            Los modelos estadísticos, como la regresión múltiple, relacionan una variable respuesta cuantitativa con varias variables explicativas. En estudios longitudinales, se observan sujetos a lo largo del tiempo, requiriendo técnicas estadísticas específicas debido a la correlación entre medidas intra-sujeto. Los modelos mixtos, que incluyen efectos fijos y aleatorios, son adecuados para capturar esta variabilidad y proporcionar estimaciones precisas.
        
    
    
    
    Xerrada-debat: L'Escenari actual de l'ensenyament de les matemàtiques
            
                                    Accés obert
                            
        
    
            
            5 de març 2024
        
    
    
            
            La Societat d’Ensenyats de Matemàtiques del Garraf (SEMG) proposen la xerrada-debat “L’escenari actual de l’ensenyament de les matemàtiques” a càrrec de Carme Burguès,  matemàtica i pedagoga, implicada en el disseny d’activitats competencials i en l’avaluació de competències matemàtiques i Carme Vicens, matemàtica i professora de secundària, actualment Presidenta de la Federació d’Entitats per l’Ensenyament de les Matemàtiques de Catalunya (FEEMCAT).
La xerrada, adreçada a mestres, professors de qualsevol nivell educatiu, pares i mares i societat en general, pretén oferir una visió més enllà del que ens explica la premsa, amb una contribució d’experts en educació matemàtica que ens poden aclarir, oferir consells, resoldre dubtes i alhora enriquir amb el seu bon criteri l’estat actual i les línies d’actuació de cara una millora de la qualitat docent en matemàtiques.
    
    
    
    La xerrada, adreçada a mestres, professors de qualsevol nivell educatiu, pares i mares i societat en general, pretén oferir una visió més enllà del que ens explica la premsa, amb una contribució d’experts en educació matemàtica que ens poden aclarir, oferir consells, resoldre dubtes i alhora enriquir amb el seu bon criteri l’estat actual i les línies d’actuació de cara una millora de la qualitat docent en matemàtiques.
Open Education Week amb la professora Yolanda Vidal
            
                                    Accés obert
                            
        
    
            
            1 de març 2024
        
    
    
            
            La professora Yolanda Vidal ens parla sobre la creació de material docent innovador i la seva publicació en accés obert.
        
    
    
    
    Clustering Agrupando datos similares
            
                                    Accés obert
                            
        
    
            
            16 de nov. 2023
        
    
    
            
            El clustering es una técnica estadística de aprendizaje no supervisado que agrupa datos similares en conjuntos. Sus objetivos son que los objetos de un mismo clúster sean altamente similares entre sí y que los objetos en diferentes clústeres sean altamente disímiles entre sí. Esta técnica es poderosa para agrupar datos en distintos campos de aplicación, aunque diferentes algoritmos pueden producir resultados variados.
        
    
    
    
     
 
     
                         
                         
                         
                         
                         
                         
                         
                         
                         
                         
                        