Metodología Invertida para la Investigación Científica (MÉTODO MIIC)
Archibold Suárez, Raúl; Tuñón Solano, haiska; Mapp, Ulina
Metodología Invertida para la Investigación Científica (MÉTODO MIIC)
Autores Tuñón Solano, haiska
Autores Mapp, Ulina
Tema investigación científica
Tema algoritmos conceptuales
Tema MÉTODO MIIC
Tema semilleros de investigación
Tema Metodología invertida
Tema investigación científica
Tema algoritmos conceptuales
Tema MÉTODO MIIC
Tema semilleros de investigación
El objetivo específico se enfoca en la valoración de algunos algoritmos conceptuales en el planteamiento del problema e investigaciones multivariables conceptuales, en una relación causa y problema o efecto, en donde, para los nuevos algoritmos conceptuales, una posible causa (variable conceptual independiente), se simboliza con la letra “A” y las subcausas (variables conceptuales operacionales independientes), con a1 + a2 + a3 + , el problema o efecto (variable conceptual dependiente), con “B” y los subproblemas o subefectos (variable conceptuales operacionales dependientes), por b1 + b2 + b3 + . Los algoritmos conceptuales de la metodología invertida para la investigación científica, permitieron el diseño sistémico de elementos para los protocolos de investigación de lo siguiente: 31 en educación primaria, 6 en pre–media, 163 en licenciatura, 42 en maestrías, 18 en doctorados, 32 en diplomados y 10 ideas de emprendimiento. En conclusión, se ha observado que los algoritmos claves del método MIIC utilizado por nuevos semilleros de investigación, ha aumentado la productividad en diferentes grupos en un período de cinco años.
Descripción Fecha de recepción, mayo 2020
Fecha de aprobación, agosto 2020
La formación de nuevos investigadores y el fomento de las ciencias, es uno de los grandes retos que tiene el sistema educativo panameño. El presente estudio demuestra que la Metodología Invertida para la Investigación Científica, por sus siglas (MIIC), facilita el diseño sistémico de protocolos de investigación y la formación de nuevos semilleros de investigación en los diferentes niveles educativos.
El objetivo específico se enfoca en la valoración de algunos algoritmos conceptuales en el planteamiento del problema e investigaciones multivariables conceptuales, en una relación causa y problema o efecto, en donde, para los nuevos algoritmos conceptuales, una posible causa (variable conceptual independiente), se simboliza con la letra “A” y las subcausas (variables conceptuales operacionales independientes), con a1 + a2 + a3 + , el problema o efecto (variable conceptual dependiente), con “B” y los subproblemas o subefectos (variable conceptuales operacionales dependientes), por b1 + b2 + b3 + . Los algoritmos conceptuales de la metodología invertida para la investigación científica, permitieron el diseño sistémico de elementos para los protocolos de investigación de lo siguiente: 31 en educación primaria, 6 en pre–media, 163 en licenciatura, 42 en maestrías, 18 en doctorados, 32 en diplomados y 10 ideas de emprendimiento. En conclusión, se ha observado que los algoritmos claves del método MIIC utilizado por nuevos semilleros de investigación, ha aumentado la productividad en diferentes grupos en un período de cinco años.
Tipo info:eu-repo/semantics/publishedVersion
Tipo Artículo revisado por pares
Identificador 10.61454/959tdf87
Fuente Espectro Investigativo Latinoamericano; Vol. 3 No. 1 (2020): Espila; 4-11
Fuente 2710-7515
Derechos https://creativecommons.org/licenses/by-nc-sa/4.0