UTEMPRI es un proyecto de extensión de la Escuela de Matemática desarrollado durante el año 2018. En este proyecto se llevaron a cabo sesiones de capacitación dirigidas a docentes de primaria de escuelas públicas del cantón central de Cartago y de Turrialba, sobre el uso de tecnologías para la enseñanza de la matemática.

Se desarrollaron sesiones presenciales y virtuales mediante las cuales, los docentes se capacitaron en el uso de diferentes aplicaciones educativas que constituyen herramientas con las cuales pueden hacer frente a la reforma educativa, pues dentro de los ejes disciplinares que se establecen en los nuevos programas de matemática del MEP, se encuentra el uso inteligente y visionario de las tecnologías digitales. 

Además, el proyecto colaboró con el proceso de formación de estudiantes de la carrera MATEC, pues propició su participación como instructores durante las sesiones de capacitación.

En el proyecto participaron 72 docentes de primaria provenientes de un total de 40 escuelas públicas de las regiones educativas de Cartago y Turrialba (una escuela geográficamente está en la provincia de Limón pero pertenece a la región educativa de Turrialba), que asistieron a sesiones de capacitación sobre el uso de tecnología para la enseñanza de la matemática.

Para cumplir el objetivo planteado, cada mes, durante siete meses, se capacitó un grupo diferente de doce docentes mediante dos talleres presenciales y dos talleres virtuales. El primer taller fue presencial y en este aprendieron sobre diferentes tres aplicaciones educativas que podían aplicar en sus clases durante los procesos de enseñanza y aprendizaje. El segundo taller fue virtual durante toda una semana y fue complemento de lo visto en el primer taller, pues el docente debía poner en práctica las aplicaciones aprendidas, mediante el desarrollo de actividades educativas en la clase con sus estudiantes. En el tercer taller aprendieron nuevas aplicaciones educativas y el cuarto taller, que fue virtual, debían desarrollar actividades en sus clases, donde pusieran en práctica lo aprendido en el taller presencial.

• Con el desarrollo del proyecto se obtienen las siguientes conclusiones: Se logró capacitar un grupo de 72 de docentes. Casi el 100% de la cantidad de prevista que eran 80 docentes. De los 72 docentes que participaron en las capacitaciones, 34 finalizaron de manera exitosa.

• Durante los talleres presenciales los docentes tuvieron la oportunidad de conocer y utilizar diferentes aplicaciones educativas con las que pueden desarrollar actividades educativas lúdicas que pueden compartir fácilmente con sus estudiantes.

• El proyecto de extensión UTEMPRI colaboró con el MEP mediante la capacitación de docentes de primaria para el uso visionario de las nuevas tecnologías en educación según el objetivo estratégico de PLANES “Propiciar el trabajo conjunto entre las universidades y el Ministerio de Educación Pública para incidir en la calidad y pertinencia de la educación nacional” y según los ejes disciplinares establecidos por el MEP.

• También, a través de este proyecto, se promovió la participación de estudiantes de la carrera MATEC impartida en el TEC como instructores de aplicaciones educativas lo cual contribuyó significativamente a su desarrollo profesional como futuros educadores haciéndolos partícipes del contexto y de la realidad nacional, lo cual es un aspecto importante también para los procesos de capacitación.

• La pertinencia social de este proyecto se apoyó en el modelo académico del TEC en el que se asume un compromiso con el mejoramiento de los otros niveles educativos de la sociedad.

• Proyectos de este tipo son de suma importancia para los docentes ya que contribuyen a potenciar las habilidades requeridas para implementar con éxito los nuevos programas de estudio del MEP.

Metodología para el reconocimiento automático de patrones del pensamiento computacional en estudiantes de la educación general básica para mejorar los procesos de gestión

El desarrollo del Pensamiento Computacional es indispensable para mejorar las condiciones sociales y de empleabilidad de las personas. Este tipo de pensamiento incentiva el uso de la abstracción, planificación, la descomposición de los problemas en las partes que los constituyen, el aprendizaje de habilidades para la especificación, análisis y la solución de problemas. Además de contribuir con la formación del pensamiento crítico, la creatividad y la cooperación entre los alumnos. Sin embargo, en la actualidad no se cuentan con metodologías robustas y escalables que permitan estudiar las enormes bases de código fuente existentes, producto de ejercicios, exámenes y tareas para reconocer los patrones de aprendizaje predominantes y determinar el cumplimiento de objetivos, competencias y metas planteadas.

Como consecuencia, se requiere efectuar el análisis exhaustivo de habilidades, conocimientos, resultados y niveles de aprendizaje de alumnos para identificar los puntos de mejora de los objetivos de aprendizaje, planes de estudio, ejercicios y el desarrollo de las habilidades de los estudiantes.  Como consecuencia, esta investigación tiene por fin definir una metodología de análisis avanzado del código fuente generado por los estudiantes con el fin de correlacionar los objetivos de aprendizaje con las habilidades de Pensamiento Computacional desarrolladas los alumnos de forma automática.

Periodo del proyecto: del 1 de enero de 2020 al 31 de diciembre de 2022.

Se plantea descubrir los rasgos más determinantes usados por algoritmos de deep learning con redes neuronales convolucionales (CNN) en la identificación de taxones (especies, géneros y familias) usando como referencia algunas especies de plantas de Costa Rica.

La investigación se apoyará en los resultados de trabajo previo que hemos desarrollado investigadores del grupo PARMA, particularmente en el proyecto “Identificación de Especies de Plantas de Costa Rica Utilizando Visión por Computadora” en el cual se realizó la construcción de dos bases de datos: una con imágenes de hojas de 255 especies de plantas de Costa Rica (HOJASCR) y otra de pliegos de herbario de esas 255 especies de plantas de Costa Rica (PLIEGOSCR). Además, se cuenta con una CNN que exitosamente identifica especies, géneros y familias a partir de las dos bases de datos construidas. Con este proyecto, es la primera vez que se hace un estudio que considere tanto hojas como pliegos de herbario. Hasta ahora, no se ha estudiado el tema con respecto a grupos taxonómicos superiores, como los géneros y las familias, pero esto es muy importante desde un punto de vista práctico: las bases de datos de imágenes disponibles en el mundo son muy dispares con respecto a número de imágenes a nivel de especie pero un poco más uniformemente distribuidas a nivel de taxones superiores.

Los beneficiarios directos serán los taxónomos botánicos, es decir, los científicos que constantemente hacen identificaciones mediante claves de identificación y que podrán contar con una CNN que no solamente sea efectiva sino que tienen un componente explicativo. En segunda instancia, se benefician los procesos de curación de datos en herbarios y, por lo tanto, el flujo de trabajo científico que lleva a la identificación eficiente de especies.

Esto es fundamental para realizar inventarios rápidos y confiables de la biodiversidad, que actualmentne tienen propensión a errores, son lentos y carecen de suficientes taxónomos para hacerlo. También se cuenta con el libre uso de su equipo de alto rendimiento (múltiples GPU) que posee el Centro Nacional de Computación Avanzada del CENAT.

Identificación automática de especies forestales maderables de Costa Rica amenazadas, mediante técnicas de visión artificial

Esta investigación generó siete artículos que ya fueron publicados en revistas o congresos con comité editorial y dos más que están en preparación (ver apéndices y resúmenes en Sección 8.1). Por esta razón presentamos este informe técnico de manera resumida enfatizando los resultados de precisión alcanzada en los experimentos para desarrollar la aplicación móvil denominada Cocobolo e indicamos las publicaciones en las que se puede encontrar el detalle sobre aspectos tales como naturaleza del problema, justificación, marco teórico, estado del arte, y otros experimentos, entre otros. 

eBridge es un grupo de investigación multidisciplinario, que tiene por objetivo la predicción de fallas en puentes a través del monitoreo de variables en estas estructuras. Es parte del programa de investigación eScience.

El grupo inició en el año 2011 y ha desarrollado varios proyectos de investigación dentro del Centro de Investigaciones en Vivienda y Construcción y el Programa de Evaluación de Estructuras de Puentes de la Escuela de Ingeniería en Construcción.

Actualmente se trabaja en el proyecto de investigación: "Metodología no destructiva para evaluación de patologías asociadas al concreto, tomando como referencia el valor de BHI en estructuras de puentes".

Se han realizado los siguientes proyectos de investigación y extensión:

• Propuesta de un índice de salud para puentes (BHI) para Costa Rica. (2020-2021)
• Priorización de intervenciones de puentes utilizando indicadores de desempeño: Plan piloto Municipalidad de El Guarco. (2018 -2019)
• eBridge 3.0: Sistemas para el monitoreo de estructuras de puentes (2016 -2017)
• eBridge 2.0: Sistema de información integrado para determinación del desempeño de estructuras de puentes (2012 -2015)
• eBridge 1.0: Predicción remota de fallas en puentes (2011 -2012)