El cáncer es la segunda causa de muerte en la población Chilena y se proyecta que en diez años será la primera causa de muerte en el país. A nivel regional, la región de O Higgins es la que presenta la mayor incidencia de muertes por cáncer. Actualmente, Chile invierte alrededor del 1% del PIB en atención y tratamiento del cáncer. Es indispensable y urgente comenzar a caracterizar molecularmente los cánceres prevalentes de la población Chilena pues esto permitirá integrar información que impactará las decisiones clínicas permitiendo la implementación de tratamientos específicos para los pacientes. El estudio genómico y molecular de sistemas biológicos complejos, como el desarrollo y progresión del cáncer, requieren del desarrollo de nuevos algoritmos y modelos teóricos para analizar e interpretar datos genómicos complejos (big- data). El principal objetivo del laboratorio de genómica computacional que instalaré en el instituto de ciencias de la ingeniería de la Universidad de O Higgins será desarrollar investigación de vanguardia entorno al diseño y aplicación de nuevos algoritmos y tecnologías ómicas para estudiar la arquitectura genómica de cánceres prevalentes de la población Chilena. La meta a largo plazo es trasladar estas tecnologías a la práctica clínica e impulsar la implementación de programas de medicina de precisión enfocados en el tratamiento y prevención del cáncer en nuestro país y región. Un segundo objetivo es impulsar y liderar investigación multidisciplinaria en temáticas de salud, agroindustria y minería, sectores críticos a desarrollar en la región de O’Higgins. Finalmente, el laboratorio de genómica computacional contribuirá a la formación de capital humano avanzado en áreas asociadas a la genómica, bioinformática y biología computacional.
Nuevos métodos computacionales para caracterizar la arquitectura genética de reordenamientos genómicos complejos en cánceres Chilenos
Aprendizaje activo para algoritmos basados en bolsas de características con aplicaciones en textos e imágenes
Escuela de Verano Latino Americana de Robotica (LACORO)
KhipuX support grant for organizing the Third Latin American Summer School on Cognitive Robotics (LACORO) https://www.lacoro.org/
La literatura muestra que diferencias en las habilidades matemáticas tempranas son fuertes predictores de desempeño matemático posterior e incluso afectan la selección de carreras universitarias. Además, aquellos niños que ingresan a la etapa escolar con habilidades matemáticas deficientes, mantienen bajos desempeños académicos durante toda su trayectoria escolar. De hecho, las condiciones iniciales de aprendizaje matemático determinan las trayectorias futuras de aprendizaje. En este contexto, un proyecto FONDEF (2019 – 2021) de la Universidad de OHiggins nos permitió desarrollar el Test de Pensamiento Matemático (TPM, ver https://jugarmate.org/tpm/) para evaluar aprendizajes matemáticos en niveles de pre-kínder, kínder y 1ro básico. El TPM es un test basado en siete juegos digitales cuya aplicación en grupos grandes de estudiantes es rápida y sencilla por lo que permite recolectar una gran cantidad de datos de aprendizaje con poco esfuerzo. En congruencia con avances recientes en el desarrollo de habilidades matemáticas tempranas, este instrumento logra capturar dos dimensiones del pensamiento matemático infantil que son el pensamiento numérico y el razonamiento espacial. Estos desarrollos previos presentan una gran oportunidad para investigar las condiciones iniciales de los aprendizajes matemáticos y las posibles trayectorias de aprendizajes posteriores. La hipótesis que sustenta este proyecto es que existen perfiles de pensamiento matemático temprano que son capturados en los puntajes TPM y que las primeras trayectorias de aprendizaje se pueden modelar como un tránsito por estos perfiles. En este contexto, el presente proyecto propone la aplicación de algoritmos de inteligencia artificial para el procesamiento y visualización de datos TPM para primero identificar distintos perfiles de pensamiento matemático temprano para luego encontrar patrones de tránsito entre éstos perfiles y así identificar trayectorias iniciales de aprendizaje matemático. La metodología propone analizar conjuntos de datos TPM obtenidos en una muestra de más de 700 estudiantes de prekinder, kinder y 1ro básico aplicando métodos de reducción de dimensionalidad (p.ej., análisis de componentes principales) y algoritmos de agrupamiento (p.ej., clustering). Los resultados de los algoritmos de agrupamiento se interpretan como perfiles de pensamiento matemático, mientras que análisis de evolución de perfiles se interpretan como las trayectorias iniciales de aprendizaje de las matemáticas tempranas. Se espera que los resultados de esta investigación se utilicen para el diseño de intervenciones remediales personalizadas que permitan potenciar el desarrollo de habilidades matemáticas tempranas.
Esta propuesta se construye a partir de un proyecto previo (FONDEF ID19I10030) donde desarrollamos y validamos un modelo de enseñanza matemática con base en juegos de mesa y evaluaciones digitales para estudiantes en el nivel de transición de la educación parvularia. Por un lado, elaboramos 12 juegos de mesa cuyos efectos positivos en el aprendizaje matemático se validaron a través de una intervención escolar controlada. Por otro lado, desarrollamos el test de pensamiento matemático (TPM) para evaluar objetivos curriculares matemáticos del nivel de transición. El TPM utiliza tabletas para automatizar la mediación, lo cual permite que su formato de aplicación sea grupal, recolectando grandes cantidades de datos con poco esfuerzo y de manera inmediata (p.ej., evalúa aulas completas en una hora). Datos de una muestra de 750 niños, permitió verificar su validez de contenido, criterio y constructo, para asegurar que puede ser utilizado como instrumento de evaluación de los logros de aprendizaje declarados en el currículo chileno. En consecuencia, la prueba de concepto de nuestro modelo de enseñanza fue exitoso.
Estudios recientes demuestran que en Chile los procesos de capacitación docente no producen mejoras en los aprendizajes estudiantiles, indicando que la superación del problema de bajos desempeños exige la creación de estrategias curriculares más intensivas e integrales. En este contexto, el presente proyecto busca desarrollar un sistema de apoyo docente, cuyo núcleo pedagógico sea el modelo de enseñanza descrito arriba, y que pueda ser llevado con éxito a aulas reales del sistema educativo chileno. El primer resultado de este proyecto fortalece el TPM dotándole de la capacidad para entregar retroalimentación personalizada de manera automatizada en formato de recomendaciones de actividades para mejorar los aprendizajes. Para esto, crearemos algoritmos de inteligencia artificial que serán entrenados a partir de un etiquetado de datos (elaborado por educadoras expertas) que asignen actividades de aprendizaje adecuadas a los resultados TPM. El segundo resultado es un sistema de apoyo docente integral e intensivo que facilita la adopción de nuestro modelo de enseñanza en aulas reales. Dicho sistema permite que una institución pública (p.ej., un SLEP) brinde servicios educativos dirigidos a fortalecer la calidad de los aprendizajes matemáticos tempranos en todas las aulas de su red educativa. En más detalle, el sistema de gestión pedagógica del aula matemática coordina el uso de materiales educativos, profesionales expertos y plataformas tecnológicas para mejorar la calidad de los procesos de enseñanza-aprendizaje. La validación de este sistema involucra realizar una intervención escolar de tipo longitudinal, con grupo de control y cuatro medidas repetidas que permitan estimar su efecto en los aprendizajes matemáticos de 400 estudiantes. También se evalúa el nivel de aceptación del sistema por parte del cuerpo docente involucrado. El plan de implementación y masificación contempla que la Fundación Mustakis (mandante) masifique al uso del TPM y el acceso a los programas de capacitación on-line, el DAEM Requinoa (asociada) realice un pilotaje del sistema de gestión pedagógica del aula matemática y que la UOH (beneficiaria) genere alianzas con instituciones públicas (p.ej., DAEM, SLEP) para que adopten este sistema y puedan brindar servicios educativos que mejoren los aprendizajes matemáticos en las aulas de sus redes educativas.
Fondos para apoyar la realizacion de la Third Latin American Summer School on Cognitive Robotics (LACORO 2024). La primera edición se realizó online en octubre de 2020; la segunda fue presencial en enero de 2023; la tercera versión tendrá lugar entre el 9 y el 13 de diciembre de 2024 en la Universidad de O’Higgins en Rancagua, Chile. https://lacoro.org/
Esta Escuela de Verano beneficiará principalmente a Estudiantes y Académicos de las Américas interesados en la Investigación en Inteligencia Artificial aplicada a la Robótica. Nuestro objetivo es fomentar la colaboración nacional y regional en esta área de investigación. Para la primera edición, alcanzamos 241 inscripciones para actividades online de todo el mundo, y la segunda versión tuvo 166 inscripciones para actividades presenciales en enero de 2023, principalmente de Chile, México, Argentina, Brasil y Uruguay.
Festival de la Ciencia 2023
promoverán la socialización del conocimiento y la instalación de capacidades en comunidades educativas, con el propósito de fortalecer las competencias CTCI en niñas, niños y adolescentes.