Innovación en al aprendizaje estadístico: inferencia Bayesiana amigable en el lenguaje de programación R

Martínez-Álvaro, Marina (Universitat Politècnica de Valéncia, España) ; Ibáñez-Escriche, Noelia (Universitat Politècnica de Valéncia, España) ; Casto-Rebollo, Cristina (Universitat Politècnica de Valéncia, España)

Abstract: Este trabajo describe la implementación del programa runRabbit como herramienta de aprendizaje innovadora para enseñar inferencia Bayesiana aplicada a la genética cuantitativa. El programa, un software didáctico e interactivo diseñado con el lenguaje R, fue utilizado por estudiantes del Máster en Mejora Genética Animal de la Universidad Politécnica de Valencia para resolver un problema estadístico habitual. RunRabbit ayudó a los estudiantes a comprender mejor la materia, que expresaron una gran satisfacción con el programa y el deseo de utilizar la inferencia Bayesiana para resolver nuevos desafíos. A pesar del pequeño tamaño muestral de este estudio preliminar, los resultados sugieren que runRabbit es una herramienta de aprendizaje efectiva para mejorar la comprensión teórica de la inferencia Bayesiana. Para corroborar estos resultados, runRabbit será probado en grupos más grandes en futuros estudios. Su potencial se extiende más allá de la genética cuantitativa y podría aplicarse a cualquier ámbito que utilice estadística bayesiana.

DOI: 10.26754/CINAIC.2023.0003

Año: 2023

En: Actas del VII Congreso Internacional sobre Aprendizaje, Innovación y Cooperación, CINAIC 2023 (18-20 de Octubre de 2023, Madrid, España)