Unos investigadores desarrollan un nuevo entorno virtual de
aprendizaje basado en Google Apps. Para evaluar la incidencia de la utilización
de este nuevo entorno en las calificaciones de los estudiantes, durante dos
años se realiza un estudio de caso con dos grupos de estudiantes: un grupo de
control que utiliza Moodle y un grupo experimental que utiliza Google Apps; el
reparto de sujetos entre ambos grupos se realiza siguiendo un criterio de
paridad de sexo.
1) Observación de los datos y reflexión acerca de
la relación que existe entre las variables calificación, grupo y sexo.
A simple vista ser observa que más mujeres usan
Moodle y que los hombres usan Google Apps. Usando los filtros se pueden
visualizar las notas más altas pertenecen a usuarios de Google Apps.
2) Dibujo en Excel de gráfico de interacción este paso pude completarlo luego de realizada la función aov y el plot de interacción. Una vez conseguidos esos datos, los copie en Excel y entonces pude realizar la gráfica.
¿Coinciden
los resultados mostrados en el gráfico con mis reflexiones del apartado
anterior?
Coinciden los resultados, al punto que mi reflexión anterior parece una explicación del gráfico.
3) Análisis de las diferencias estadísticamente
significativas en las calificaciones en función del grupo y del sexo.
Seguimos el mismo proceso de la T2
Insertar los comandos para función de GRUPO
datosMoodle <- subset(Notas.2grupos.v3, grupo=="Moodle")
datosGoogleApps <- subset(Notas.2grupos.v3, grupo=="Google Apps")
Ahora analizamos la diferencia estadística
t.test(datosMoodle$nota, datosGoogleApps$nota)
data:
datosMoodle$nota and datosGoogleApps$nota
t = -5.6569, df = 38, p-value = 1.683e-06
alternative hypothesis: true difference in means is not
equal to 0
95 percent confidence interval:
-2.715731 -1.284269
sample estimates:
mean of x mean of y
5.25 7.25
Traducción al español, la diferencia entre las medias es de 2 puntos, pero para analizar si es significante estadísticamente la diferencia.
Recordemos siempre que esto nos lo indica el p-value, que si es mayor o igual a 5% (0.05) es considerado significativo.
Busquemos
en el resultado anterior p-value.
Este
es igual a 1.683e-06
0.0001683%
NO llega al 5% y por ende, no es significativa.
Insertar los comandos para función de SEXO
datosMale <- subset(Notas.2grupos.v3, sexo=="M")
datosFemale <- subset(Notas.2grupos.v3, sexo=="F")
Ahora analizamos la diferencia estadística
t.test(datosMale$nota, datosFemale$nota)
Welch Two Sample t-test
data: datosMale$nota and datosFemale$nota
t = 0, df = 28.082, p-value = 1
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.982814 0.982814
sample estimates:
mean of x mean of y
6.25 6.25
Nueva vez, lo relevante aquí es el valor de p
p-value= 1
Multiplicado por 100, da un riesgo de equivocarnos al afirmar que hay una diferencia estadística por el sexo de 100%. Es decir el sexo no influye en las notas.
4) (Mirar este paso antes de realizar el punto 2) Uso de la función aov() de
R para saber si existe una interacción estadísticamente significativa
entre las variables grupo y sexo. Honestamente,
no tengo la más mínima remota idea de dónde sacaron esta función y la
explicación de su uso, la copie del screenshot que tomó Ana Brito para su blog.
¡Gracias!
aov.oc
<-aov(nota~sexo*grupo,Notas.2grupos.v3)
summary(aov.oc)
Df Sum Sq Mean Sq F value Pr(>F)
sexo 1
0.0 0.00 0.00
1
grupo 1
40.0 40.00 47.06 5.02e-08 ***
sexo:grupo 1
16.9 16.90 19.88 7.74e-05 ***
Residuals 36 30.6 0.85
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' '
1
tapply(Notas.2grupos.v3$nota,list(Notas.2grupos.v3$sexo,Notas.2grupos.v3$grupo),mean)
Google AppsMoodle
F 6.6
5.9
M 7.9
4.6
Combinaciones de las
variables grupo y sexo
|
|
Medias de las
calificaciones
|
|
Moodle-Male
|
4.6
|
|
Moodle-Female
|
5.9
|
|
GoogleApps-Male
|
7.9
|
|
GoogleApps-Female
|
6.6
|
Esta fue la tabla que copié a Excel para generar el gráfico de interacción.
Mercadóloga al fin, entiendo mejor los gráficos de pastel, pero estos también dejan ver la relación de los Grupos, Sexo y Notas.
Fue muy difícil realizar esta tarea ya que no contaba con el dominio de los comandos para R.
