Percepción de residentes de medicina de urgencias en Colombia del ambiente educativo en los servicios de urgencias

Introducción: La atención de calidad en urgencias sólo es posible si los médicos han recibido una enseñanza de alta calidad. La escala PHEEM (Postgraduate Hospital Educational Environment Measure) es un instrumento válido y fiable, utilizado internacionalmente para medir el entorno educativo, en la formación médica de posgrado. Materiales y métodos: Estudio de corte trasversal que utilizó la escala PHEEM versión en español para conocer el entorno educativo de los programas de urgencias. El coeficiente alfa de Cronbach se calculó para determinar la consistencia interna. Se aplicó estadística descriptiva a nivel global, por categorías e ítems de la escala PHEEM y se compararon resultados por sexo, año de residencia y programa. Resultados: 94 (94%) residentes llenaron el cuestionario. La puntuación media de la escala PHEEM fue 93,91 ± 23,71 (58,1% de la puntuación máxima) que se considera un ambiente educativo más positivo que negativo, pero con margen de mejora. Hubo una diferencia estadísticamente significativa en la percepción del ambiente educativo entre los programas de residencia (p =0,01). El instrumento es altamente confiable (alfa de Cronbach = 0,952). La barrera más frecuente en la enseñanza fue el hacinamiento y la evaluación fue percibida con el propósito de cumplir normas. Discusión: Los resultados de este estudio aportaron evidencia sobre la validez interna de la escala PHEEM en el contexto colombiano. Este estudio demostró cómo la medición del ambiente educativo en una especialidad médico-quirúrgica, con el uso de una herramienta cuantitativa, puede proporcionar información en relación a las fortalezas y debilidades de los programas.

Estudio sobre el impacto de las TIC en estudiantes y profesores de la Universidad del Rosario

Se evalúa la percepción de los estudiantes y profesores de la Universidad del Rosario sobre el uso de las TIC dentro del espacio educativo de la Universidad. Evaluando aspectos como conectividad, infraestructura, competencias generales, uso de las herramientas tecnológicas en la aulas de clase entre otros.

Impact on the quality of learning as a result of the use of computers in schools

The educational software and computer assisted learning has been used in schools to promote the interest of students in new ways of thinking and learning so it can be useful in the reading learning process. Experimental studies performed in preschool and school age population have shown a better yield and a positive effect in reading, mathematics and cognitive skills in children who use educative software for fi fteen to twenty minutes a day periods. The goal of this study was to evaluate the progression in verbal, visual-motor integration and reading skills in children who were using educational software to compare them with a group in traditional pedagogic methodology. Results: All children were evaluated before using any kind of pedagogic approach. Initial evaluation revealed a lower–age score in all applied test. 11% of them were at high risk for learning disorders. There was a second evaluation that showed a significant positive change compared with the fi rst one. Nevertheless, despite some items, there were no general differences comparing the groups according if they were using or not a computer. In conclusion, policies on using educational software and computers must be revaluated due to the fact that children in our public schools come from a deprived environment with a lack of opportunities to use technologies.

An artificial economy based on reinforcement learning and agent based modeling

In this paper, we employ techniques from artificial intelligence such as reinforcement learning and agent based modeling as building blocks of a computational model for an economy based on conventions. First we model the interaction among firms in the private sector. These firms behave in an information environment based on conventions, meaning that a firm is likely to behave as its neighbors if it observes that their actions lead to a good pay off. On the other hand, we propose the use of reinforcement learning as a computational model for the role of the government in the economy, as the agent that determines the fiscal policy, and whose objective is to maximize the growth of the economy. We present the implementation of a simulator of the proposed model based on SWARM, that employs the SARSA(λ) algorithm combined with a multilayer perceptron as the function approximation for the action value function.