Estudio de Caso : Evaluación sumativa

0


 Estudio de Caso : Evaluación sumativa(materia de Robótica)


Análisis de datos en Python para un proceso de evaluación sumativa en la materia de robótica. Utilizaré datos ficticios para 25 participantes con los parámetros mencionados: prácticas (10 puntos), laboratorios (10 puntos), parciales (30 puntos), proyecto final (50 puntos), con un total de 100 puntos, y la nota de aprobación establecida en 51.


import pandas as pd
import numpy as np

# Generar datos ficticios
np.random.seed(42)  # Para reproducibilidad
participantes = range(1, 26)
practicas = np.random.randint(0, 11, 25)
laboratorios = np.random.randint(0, 11, 25)
parciales = np.random.randint(0, 31, 25)
proyecto_final = np.random.randint(0, 51, 25)

# Calcular puntajes totales
puntajes_totales = practicas + laboratorios + parciales + proyecto_final

# Crear DataFrame con los datos
data = {
    'Participante': participantes,
    'Prácticas': practicas,
    'Laboratorios': laboratorios,
    'Parciales': parciales,
    'Proyecto Final': proyecto_final,
    'Puntaje Total': puntajes_totales
}

df = pd.DataFrame(data)

# Calcular la nota final y aprobar o reprobar
nota_aprobacion = 51
df['Estado'] = np.where(df['Puntaje Total'] >= nota_aprobacion, 'Aprobado', 'Reprobado')

# Estadísticas básicas
estadisticas = df.describe()

# Mostrar el DataFrame y las estadísticas
print("DataFrame de Evaluación:")
print(df)
print("\nEstadísticas Básicas:")
print(estadisticas)


Este código crea datos ficticios para los puntajes de prácticas, laboratorios, parciales y proyecto final para 25 participantes. Luego, se calcula el puntaje total y se determina si cada participante aprobó o reprobó según la nota de aprobación de 51. Finalmente, se muestran el DataFrame con los datos y las estadísticas básicas.

Ten en cuenta que este es un ejemplo básico y que en un entorno real podrías necesitar manejar datos de entrada más complejos, además de realizar análisis más detallados según tus necesidades específicas.

agregaré código adicional para mostrar el detalle de la planilla y generar algunas gráficas correspondientes al análisis de los datos. Utilizaré la biblioteca matplotlib para las visualizaciones. Asegúrate de tenerla instalada antes de ejecutar el código:

pip install matplotlib

A continuación, se presenta el anterior código ampliado:


import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# Generar datos ficticios
np.random.seed(42)  # Para reproducibilidad
participantes = range(1, 26)
practicas = np.random.randint(0, 11, 25)
laboratorios = np.random.randint(0, 11, 25)
parciales = np.random.randint(0, 31, 25)
proyecto_final = np.random.randint(0, 51, 25)

# Calcular puntajes totales
puntajes_totales = practicas + laboratorios + parciales + proyecto_final

# Crear DataFrame con los datos
data = {
    'Participante': participantes,
    'Prácticas': practicas,
    'Laboratorios': laboratorios,
    'Parciales': parciales,
    'Proyecto Final': proyecto_final,
    'Puntaje Total': puntajes_totales
}

df = pd.DataFrame(data)

# Calcular la nota final y aprobar o reprobar
nota_aprobacion = 51
df['Estado'] = np.where(df['Puntaje Total'] >= nota_aprobacion, 'Aprobado', 'Reprobado')

# Detalle de la planilla
print("Detalle de la Planilla:")
print(df)

# Estadísticas básicas
estadisticas = df.describe()
print("\nEstadísticas Básicas:")
print(estadisticas)

# Visualizaciones
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(12, 8))

# Gráfico de barras para puntajes totales
axes[0, 0].bar(df['Participante'], df['Puntaje Total'], color='blue')
axes[0, 0].set_title('Puntajes Totales')
axes[0, 0].set_xlabel('Participante')
axes[0, 0].set_ylabel('Puntaje Total')

# Gráfico de pastel para el estado de aprobación
aprobados = df[df['Estado'] == 'Aprobado'].shape[0]
reprobados = df[df['Estado'] == 'Reprobado'].shape[0]
axes[0, 1].pie([aprobados, reprobados], labels=['Aprobados', 'Reprobados'], autopct='%1.1f%%', colors=['green', 'red'])
axes[0, 1].set_title('Estado de Aprobación')

# Histograma para los puntajes totales
axes[1, 0].hist(df['Puntaje Total'], bins=10, color='orange', edgecolor='black')
axes[1, 0].set_title('Histograma de Puntajes Totales')
axes[1, 0].set_xlabel('Puntaje Total')
axes[1, 0].set_ylabel('Frecuencia')

# Gráfico de dispersión para prácticas vs. laboratorios
axes[1, 1].scatter(df['Prácticas'], df['Laboratorios'], color='purple')
axes[1, 1].set_title('Prácticas vs. Laboratorios')
axes[1, 1].set_xlabel('Prácticas')
axes[1, 1].set_ylabel('Laboratorios')

plt.tight_layout()
plt.show()


Este código agrega una sección para mostrar el detalle de la planilla, así como visualizaciones mediante gráficos de barras, pastel, histograma y dispersión. Estos gráficos proporcionan una visión general de la distribución de los puntajes totales, el estado de aprobación, la frecuencia de los puntajes totales y la relación entre las prácticas y los laboratorios. Puedes ajustar y personalizar estos gráficos según tus necesidades específicas.



Entradas más recientes Entradas antiguas

Sin comentarios