<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
<title>XI Taller Internacional La transformación digital y las tecnologías de avanzada en la Educación Superior</title>
<link href="http://rein.umcc.cu/handle/123456789/4331" rel="alternate"/>
<subtitle/>
<id>http://rein.umcc.cu/handle/123456789/4331</id>
<updated>2026-04-23T22:37:43Z</updated>
<dc:date>2026-04-23T22:37:43Z</dc:date>
<entry>
<title>EL IMPACTO DE LAS TICS EN EL PROCESO DE ENSEÑANZA-APRENDIZAJE DE LA ASIGNATURA MATEMÁTICA FINANCIERA EN LA CARRERA DE ECONOMÍA</title>
<link href="http://rein.umcc.cu/handle/123456789/4450" rel="alternate"/>
<author>
<name>Dueñas Reyes, Edian</name>
</author>
<author>
<name>Rojas Rojas, Jose Daniel</name>
</author>
<author>
<name>Serpa Cañete, Lauren</name>
</author>
<author>
<name>Torres Rodríguez, Brendys</name>
</author>
<id>http://rein.umcc.cu/handle/123456789/4450</id>
<updated>2025-04-07T21:18:02Z</updated>
<published>2025-01-01T00:00:00Z</published>
<summary type="text">EL IMPACTO DE LAS TICS EN EL PROCESO DE ENSEÑANZA-APRENDIZAJE DE LA ASIGNATURA MATEMÁTICA FINANCIERA EN LA CARRERA DE ECONOMÍA
Dueñas Reyes, Edian; Rojas Rojas, Jose Daniel; Serpa Cañete, Lauren; Torres Rodríguez, Brendys
Las Tecnologías de la Información y la Comunicación (TICs) juegan un papel importante en la transformación de la Educación Superior cubana. Especialmente en el proceso de enseñanza-aprendizaje de la Matemática Financiera en las carreras de Ciencias Económicas las TICs han democratizado el acceso a la información, facilitado el aprendizaje personalizado y fomentado la interacción entre estudiantes y docentes. El objetivo del estudio es: demostrar el impacto positivo de las TICs en la enseñanza de Matemática Financiera mediante la informatización y el uso de plataformas como Moodle. Se analiza cómo estas herramientas han permitido integrar recursos multimedia, simulaciones interactivas y aplicaciones móviles para enriquecer el aprendizaje. También se evalúan los retos asociados a su implementación, como la brecha digital y la falta de infraestructura tecnológica en zonas rurales. Los resultados reflejan que las TICs han mejorado significativamente la comprensión y aplicación práctica de conceptos financieros complejos. Plataformas como Moodle han facilitado un aprendizaje flexible y autónomo, mientras herramientas como Excel y aplicaciones móviles han promovido un enfoque práctico y colaborativo. Sin embargo, persisten desafíos relacionados con la accesibilidad tecnológica. En conclusión, las TICs ofrecen oportunidades para innovar en la enseñanza financiera, transformando el aprendizaje teórico en experiencias prácticas adaptadas a las necesidades actuales del estudiante.
</summary>
<dc:date>2025-01-01T00:00:00Z</dc:date>
</entry>
<entry>
<title>MODELOS DE APRENDIZAJE AUTOMÁTICO PARA PREDECIR LA DESERCIÓN ESTUDIANTIL EN INGENIERÍA INFORMÁTICA EN UNIVERSIDAD DE MATANZAS</title>
<link href="http://rein.umcc.cu/handle/123456789/4393" rel="alternate"/>
<author>
<name>Doval Pérez de Prado, Luis Antonio</name>
</author>
<author>
<name>Telot Gonzalez, Julio Alfredo</name>
</author>
<author>
<name>Estopiñan Lantigua, Mayli</name>
</author>
<id>http://rein.umcc.cu/handle/123456789/4393</id>
<updated>2025-04-07T17:46:23Z</updated>
<published>2025-01-01T00:00:00Z</published>
<summary type="text">MODELOS DE APRENDIZAJE AUTOMÁTICO PARA PREDECIR LA DESERCIÓN ESTUDIANTIL EN INGENIERÍA INFORMÁTICA EN UNIVERSIDAD DE MATANZAS
Doval Pérez de Prado, Luis Antonio; Telot Gonzalez, Julio Alfredo; Estopiñan Lantigua, Mayli
La deserción estudiantil en la carrera de Ingeniería Informática de la Universidad de Matanzas supera el 50%, afectando la formación de profesionales y la inversión estatal. Este estudio propone modelos predictivos basados en aprendizaje automático para identificar estudiantes en riesgo mediante datos académicos del primer año. Siguiendo la metodología CRISP-DM y utilizando WEKA, se analizaron datos históricos de 89 estudiantes (2018-2024). Se desarrollaron algoritmos como J48, RandomForest, Naive-Bayes y métodos de ensamble (AdaBoost, Bagging). Los modelos AdaBoost RandomForest (Dataset 1: primer semestre) y AdaBoost J48 (Dataset 2: primer y segundo semestre) alcanzaron precisiones del 77.78% y 86.90%, respectivamente, superando el objetivo del 70%. Las variables clave incluyeron notas en asignaturas críticas (Programación, Matemática 1 y 2) y cantidad de intentos para aprobar. Los resultados permiten intervenciones tempranas, mejorando la retención estudiantil y aportando herramientas para decisiones académicas informadas.
</summary>
<dc:date>2025-01-01T00:00:00Z</dc:date>
</entry>
</feed>
