Martín Venegas

• Sociólogo de la Universidad de Chile con foco en estadística aplicada, diseño de encuestas, procesamiento y análisis de datos. A lo largo de su trayectoria ha desarrollado competencias en el uso de R, Quarto, Git y métodos cuantitativos robustos para abordar problemas complejos. Le interesa especialmente el uso de datos para comprender y transformar realidades sociales, con un fuerte compromiso con la accesibilidad del conocimiento y la investigación reproducible. Busco participar en proyectos que combinen rigurosidad técnica con impacto social positivo.

Víctor Jiménez

• Titulado en Sociología de la Universidad de Chile, egresado del Magister y Políticas Publicas del departamento de Ingeniería Industrial de la Universidad de Chile. Integrante e investigador de NUDESOC (Núcleo de Sociología Contingente). Ex-investigador en CEFECH (Centro de Estudios, Federación Universidad de Chile). Ha trabajado como asistente de investigación en CIAE y consultor asociado en Consultora Inclusión y Equidad. Áreas de Interés: Educación, Políticas Publicas, Economía, Movimientos Sociales, Salud, Trabajo, vivienda digna, entre otras.

Consideraciones:

• Como se puede ver en la página del programa del curso, la Evaluación de la Unidad 2 vale un 40% de la nota del curso.
• La prueba combina aspectos prácticos de análisis en R y también interpretación de resultados.
• La prueba será frente al computador vía test de u-cursos, para así poder realizar las preguntas de análisis de datos.
• Las preguntas conceptuales también se responderán en el computador.
• Recomendamos que cada estudiante asista con su propio computador, ya que esto permite una mayor personalización y familiarización con sus espacios de trabajo. Sobre todo, en lo que respecta a la configuración de RStudio y la carga de paquetes en R.
• Si no puede asistir con su propio computador, debe inscribirse en el siguiente enlace (cupos limitados): https://forms.gle/tvwmrc4CRvMhPrV76 este formulario estará habilitado hasta hoy a las 17:00 ya que eventualmente necesitaremos reservar una segunda sala

Recomendaciones

• Recomendamos llegar unos minutos antes del inicio de la prueba (8:30) para prender su computador, abrir Rstudio, u-cursos, etc. y así aprovechar al máximo el tiempo disponible para la prueba.
• Se sugiere responder las preguntas de la prueba en un archivo de código de R, y al final cortar y pegar las respuestas en este mismo formulario.
• Se sugiere guardar sus respuestas en un documento aparte para tenerlo como respaldo.

¿Cómo será la evaluación?

• Habrá preguntas en tres temas:
  • correlación
  • matrices de correlación y casos perdidos
  • asociación en tablas de contingencia
• Serán preguntas puntuales de análisis e interpretación, y se calcula que cada pregunta requiere una dedicación de no más de 20 min, por lo que la prueba se puede contestar en aproximadamente una hora. De todas maneras, quienes requieran tiempo adicional, la prueba se podrá entregar hasta las 10:00.
• Recuerde que la prueba se cerrará automáticamente a las 10:00 y no se podrá agregar información adicional.
• Cada tema tiene 4 puntos, 1 punto será por análisis de datos, y 3 por temas conceptuales/interpretación.
• Pueden utilizar apuntes de clases, los recursos de la página del curso o cualquier otro material que estimen conveniente. No se pueden utilizar plataformas de comunicación (WhatsApp, redes sociales, Telegram, etc.) ni inteligencia artificial (ChatGPT, Gemini AI, etc.).

¿Cómo prepararse?

• En los prácticos de la Unidad 2 hay una sección de ejercicio autónomo, el realizar estos ejercicios y luego corregirlos (aparecen también desarrollados en la misma página) es la mejor forma de prepararse, tanto en términos de análisis como de interpretación
• Están también arriba los videos de los últimos dos prácticos realizados durante la reciente movilización y también la resolución del ejercicio autónomo del práctico de resumen realizado el lunes 20 de octubre.
• Revisar el material de las presentaciones y lecturas sugeridas
• Software: revisar que los ejercicios de los prácticos los puedan desarrollar bien en el computador que traerán a la evaluación. Quienes no pueden traer computador podrán realizar la evaluación en la sala de computación.

Consideraciones:

• La prueba será frente al computador, para así poder realizar las preguntas de análisis de datos.
• Las preguntas conceptuales también se responderán en el computador
• Las respuestas tanto de análisis como conceptuales se responderán en un formulario habilitado en UCursos

¿Cómo será la evaluación?

• Habrá preguntas en tres temas:
  • correlación
  • matrices de correlación y casos perdidos
  • asociación en tablas de contingencia
• Serán preguntas puntuales de análisis e interpretación, y se calcula que cada pregunta requiere una dedicación de no más de 20 min, por lo que la prueba se puede contestar en aproximadamente una hora. De todas maneras, quienes requieran tiempo adicional, la prueba se podrá entregar hasta las 10:00
• Cada tema tiene 4 puntos, 1 punto será por análisis de datos, y 3 por temas conceptuales/interpretación
• Se permitirá acceso a apuntes y a la página del curso online, no se permite el uso de otras plataformas como whatsapp o IA.

¿Cómo prepararse?

• En los prácticos de la Unidad 2 hay una sección de ejercicio autónomo, el realizar estos ejercicios y luego corregirlos (aparecen también desarrollados en la misma página) es la mejor forma de prepararse, tanto en términos de análisis como de interpretación
• Están también arriba los videos de los últimos dos prácticos
• Revisar el material de las presentaciones y lecturas sugeridas
• Asistir a la sesión de preparación/ensayo de la prueba miércoles 15 (es voluntario)
• Software: revisar que los ejercicios de los prácticos los puedan desarrollar bien en el computador que traerán a la evaluación. Quienes no pueden traer computador podrán realizar la evaluación en la sala de computación.

Pauta y recorrecciones

La pauta de evaluación se puede revisar aquí

Librerías, datos y ajustes

pacman::p_load(tidyverse, sjmisc, sjPlot, kableExtra, sjlabelled, readxl, here)

 [1] "rut"        "integrante" "P1a"        "P1b"        "P1c"       
 [6] "P2a"        "P2b"        "P2c"        "Puntaje"    "Nota"      
[11] "asistencia" "grupo"     

# Label variables

prueba1$p1a <- set_label(x = prueba1$p1a, 
                         label = "Error tipo II")
prueba1$p1b <- set_label(x = prueba1$p1b, 
                         label = "Significancia")
prueba1$p1c <- set_label(x = prueba1$p1c, 
                         label = "Rechazo H0 valor p")
prueba1$p2a <- set_label(x = prueba1$p2a, 
                         label = "Formulación hipótesis")
prueba1$p2b <- set_label(x = prueba1$p2b, 
                         label = "Contraste de prueba t")
prueba1$p2c <- set_label(x = prueba1$p2c, 
                         label = "Intervalo confianza de prueba t")
prueba1$nota <- set_label(x = prueba1$nota, 
                         label = "Nota final")
prueba1$asistencia <- set_label(x = prueba1$asistencia, 
                         label = "Asistencia ")
prueba1$grupo <- set_label(x = prueba1$grupo, 
                         label = "Grupo u-cursos")

Descriptivos

prueba1 %>% descr(., show = c("label","range", "mean", "sd", "n"))%>% kable(.,"markdown", digits=2)

hist(prueba1$nota)

plot_frq(data = prueba1$nota,type = "hist",show.mean = T)

prueba1 <- prueba1 %>%  mutate(notas_cat=cut(nota, breaks=c(-Inf,40,50,60, Inf), labels=c("Menor a 4.0","4.0-5.0","5.0-6.0","6.0-7.0")))

frq(prueba1$notas_cat, out="browser", show.na = FALSE, title = "Rangos de notas")

prueba1 <- prueba1 %>% dplyr::select(-notas_cat)

Preguntas y asociaciones

tab_corr(select(prueba1, 3:11),
         triangle = "lower")

ggplot(prueba1, aes(x = asistencia, y = nota)) + 
  geom_jitter(width = 0.2, color = "red", size = 4) + 
  labs(title = "Relación entre asistencia y notas en Evaluación 1 (r=0.23)") + 
  labs(x = "Asistencia", y = "Nota") + 
  theme(axis.title = element_text(size = 12),        # Tamaño de las etiquetas de los ejes
        axis.text = element_text(size = 12)) +       # Tamaño del texto de los ejes
  theme(aspect.ratio = 1/1.5) +
  theme(plot.title = element_text(size = 12,         # Tamaño del título
                                  face = "bold",     # Tipo de letra (negrita)
                                  hjust = 0.5)) +
  scale_x_continuous(breaks = seq(1, 100, by = 10), limits = c(1, 100)) +   # Ajuste del eje de asistencia
  scale_y_continuous(breaks = seq(1, 70, by = 5), limits = c(1, 70))       # Ajuste del eje de notas de 1 a 7

Consistencia interna

pacman::p_load(psych)

preguntas <- prueba1 %>% dplyr::select(3:6)
psych::alpha(preguntas)$total$raw_alpha

[1] 0.4067615

Diferencias por grupos

prueba1 %>%
  group_by(grupo) %>%
  summarise(
    rango   = paste0(min(nota, na.rm = TRUE), " – ", max(nota, na.rm = TRUE)),
    media   = mean(nota, na.rm = TRUE),
    sd      = sd(nota, na.rm = TRUE),
    n       = n()
  ) %>%
  knitr::kable(digits = 2)