Capacidades del sistema

Características deseadas para la plataforma, según comparación con otros sistemas similares de presentaciones

1
Presentación en un navegador web

El sistema está diseñado para ser usado en un navegador web.

¿Romper la cuarta pared?

2
Contenido multimedia

El sistema permite incluir contenido multimedia en las diapositivas.
¡Ejemplo: este texto o este link!

Animaciones

Es posible animar

Audio

Imágenes

Video

3
Contenido web

El sistema permite incluir otros tipos de contenido web en las diapositivas.

(Aparte de los contenidos multimedia de la sección anterior)

4
Contenido interactivo

La presentación vive en el navegador de cada participante, donde puede interactuar con algunos elementos, y también entre participantes de la presentación.

Pendiente

Ya tenemos la llave: WebSockets

5
Contenido matemático

El sistema permite incluir contenido matemático en las diapositivas.

6
Visualización de datos

El sistema permite incluir visualizaciones de datos en las diapositivas, como tablas o gráficas en tiempo real.

7
Contenido de programación

Es posible ver pero también editar y ejecutar (en el navegador) fragmentos de código de Python.

                                
                                    import numpy as np
                                    from scipy import stats
                    
                                    # Generar números aleatorios
                                    x = np.random.normal(size=1000)
                                
                            

Pendiente

8
Resultados de simulaciones

El sistema permite incluir resultados de simulaciones en las diapositivas.

Esto es la combinación de capacidades descritas anteriormente:

• Despliegue de gráficos
• Ejecución de Python en el navegador

9
Sesiones remotas

Sincronización de la presentación del docente en el navegador de cada participante.

10
Registro de participantes

La plataforma tiene un registro de estudiantes matriculados en el o los cursos.

• Registro de participación en actividades
• Notas de participantes en evaluaciones

11
Edición de diapositivas por código

Para bien o para mal, la edición de las presentaciones es enteramente hecha en los archivos de código fuente.

(No hay planes inmediatos de cambiar de paradigma)

12
Software libre

Todo el stack tecnológico está hecho con plataformas de software libre y el repositorio del proyecto es de acceso público.

Contenido web especializado

Categorías diferenciadas de contenido web que son útiles para la enseñanza de teoría matemática y análisis de datos

I
Ecuaciones y otras herramientas matemáticas

Es importante para un curso de teoría matemática básica poder mostrar de forma nativa ecuaciones y gráficos para ilustrar los conceptos.

Ecuaciones en LaTeX

Estáticas

Animadas

$$ x_{1,2} = \frac{-b \pm \sqrt{b^2 - 4ac}}{2a} $$

Manim es un paquete de Python para generación de amimaciones con gráficos, geometrías y ecuaciones.

Opcional Pendiente

Gráficos en Bokeh

Gráficos en TikZ

            
                \begin{tikzpicture}
                    \def \n {5}
                    \def \radius {3cm}
                    \def \margin {8}
                    \foreach \s in {1,...,\n}
                    {
                        \node[draw, circle] at ({360/\n * (\s - 1)}:\radius) {$\s$};
                        \draw[->, >=latex] ({360/\n * (\s - 1)+\margin}:\radius) 
                            arc ({360/\n * (\s - 1)+\margin}:{360/\n * (\s)-\margin}:\radius);
                    }
                \end{tikzpicture}
            
        

II
Visualizaciones de datos

Es importante para un curso basado en análisis de datos poder mostrar diferentes tipos de visualizaciones de datos, como tablas y otros gráficos, inclusive en tiempo real.

Tablas interactivas incrustadas

III
Contenido de programación

Es importante para un curso que incluye computación científica y cálculo numérico para el análisis de datos, mostrar o ejecutar código como método de enseñanza y aprendizaje.

Ejemplo de uso de una terminal interactiva de Python

Ejemplo de un REPL

IV
Interactividad

Es importante para un curso virtual procurar la participación activa de los estudiantes, como método de motivación en clase y de evaluación de conocimientos.

Formulario tipo quiz

Es posible hacer preguntas de revisión durante la presentación.

Actividades pedagógicas

Tipos de actividades pedagógicas propuestas con las capacidades del sistema y los contenidos web especializados

A
Visualizaciones de la teoría

Todos los elementos actualmente utilizados en las presentaciones del curso IE0405 - Modelos Probabilísticos de Señales y Sistemas son soportados por la plataforma, por lo que la migración es posible, aunque laboriosa.

El teorema de Bayes, o regla de la probabilidad condicional inversa, establece que: $$ P(A \mid B) = \frac{P(A)P(B \mid A)}{P(B)} $$

B
Ejemplos prácticos

Ejemplos prácticos explicados por el docente, con ecuaciones, tablas, gráficas, imágenes y otras visualizaciones son posibles.

En investigación clínica, la "probabilidad de detección" es llamada sensitividad y la "tasa negativa verdadera" es llamada especificidad. Estos son ejemplos para exámenes de detección de enfermedades usuales:

Enfermedad	Sensitividad	Especificidad
COVID-19 BioMedomics	89%	91%
Cáncer de próstata	85%	30%
Cáncer de mama	75%	92%

C
Problemas resueltos de práctica

Como curso de teoría matemática, es importante demostrar la resolución numérica de problemas.

Si la tasa de ocurrencia de COVID es de una en cien personas, y si una prueba sale positiva, ¿cuál es la probabilidad de tener realmente la enfermedad? $$ P(A \mid B) = \frac{P(A)P(B \mid A)}{P(B)} = \frac{0.01 \times 0.89}{0.01 \times 0.89 + 0.99 \times 0.09} = 9\% $$

Una adición deseada es Manim, para animaciones de problemas resueltos.

D
Evaluaciones teóricas y prácticas

Con la interactividad será posible hacer preguntas de revisión durante la presentación.

Si la especificidad aumenta a un 99%, ¿cuál es la nueva probabilidad de tener la enfermedad dado un resultado positivo de la prueba?

E
Ejercicios de programación

Tanto para demostración de los conceptos como para evaluación, el curso tiene ejercicios de computación científica con Python.

Típicamente consiste en:

• Selección de un conjunto de datos de prueba (por ejemplo, en Kaggle)
• Uso de Pandas de Numpy para manipulación y limpieza de datos
• Uso de SciPy Stats para modelado probabilístico
• Uso de Matplotlib para visualización (o Bokeh)
• Análisis de resultados

F
Problema de diseño

Es deseable aplicar las actividades anteriores en una situación más realista.

Por esta razón el curso tiene un proyecto de diseño como parte de su evaluación, y cada clase modelo tendrá un ejemplo a pequeña escala del tipo de problemas que será necesario resolver.