Aprendizaje orientado a la programación en economía, negocios y finanzas

Francisco Salas-Molina, David Pla-Santamaria

Resumen

La evolución entre la relación entre los estudiantes (profesores) y la tecnología de la información, requiere nuevas herramientas para mejorar el aprendizaje (enseñanza) en las ciencias sociales. La economía, los negocios y las finanzas se basan principalmente en los datos y el tratamiento de los datos requiere habilidades y técnicas específicas, como la programación informática, para aprovechar al máximo el potencial de la mayoría de los modelos cuantitativos. En este documento, proponemos un método de aprendizaje orientado a la programación basado en Python Notebooks, que está diseñado específicamente para estudiantes de títulos en economía, negocios y finanzas. Nuestra estrategia de aprendizaje es eminentemente práctica motivando a los estudiantes a implementar modelos económicos como una forma adecuada de mejorar la comprensión de los conceptos fundamentales. Como ejemplo ilustrativo, también describimos un estudio de caso en el que Python Notebooks es la herramienta clave para enseñar gestión de efectivo en un programa de Máster en Administración de Empresas. Dado que los estudiantes de hoy son los que toman las decisiones del mañana, una ventaja adicional del uso de un lenguaje de programación como herramienta de enseñanza es la posibilidad de conectar la teoría con la práctica al permitir a los estudiantes implementar sus propias herramientas de apoyo a la decisión.


Palabras clave

Python Notebooks; economía; enseñanza

Texto completo:

PDF

Referencias

Acikalin, M. and Erdinc, D. (2005). The use of computer technologies in the social studies classroom. TOJET: The Turkish Online Journal of Educational 9 Technology, 4(2).

Barba, L. (2013). Cfd python: 12 steps to navier-stokes. http://lorenabarba.com/blog/cfd-python-12-steps-to-navier-stokes/

da Costa Moraes, M. B., Nagano, M. S., and Sobreiro, V. A. (2015). Stochastic cash ow management models: A literature review since the 1980s. In Decision Models in Engineering and Management, pages 11-28. Springer International Publishing.

DiSessa, A. A. (2001). Changing minds: Computers, learning, and literacy.

Mit Press.

Edelson, D. C., Gordin, D. N., and Pea, R. D. (1999). Addressing the challenges of inquiry-based learning through technology and curriculum design.

Journal of the learning sciences, 8(3-4), 391-450. https://doi.org/10.1080/10508406.1999.9672075

Google (2017). Colaboratory.

Gregory, G. (1976). Cash ow models: a review. Omega, 4(6), 643-656. https://doi.org/10.1016/0305-0483(76)90092-X

Gutiérrez, L. M. G., Pita, J. L. C., and Burgos, D. E. (2016). Implantación de metodologías de cálculo a través del lenguaje Python para asignaturas impartidas en las titulaciones de la ETSIN. Modelling in Science Education and Learning, 9(1), 151-160. https://doi.org/10.4995/msel.2016.4597

Guzdial, M. (2010). Why is it so hard to learn to program? In Making software: What really works, and why we believe it, pages 111-121. O'Reilly Media, Inc.

Ketcheson, D. I. (2014). Teaching numerical methods with iPython notebooks and inquiry-based learning. In Proceedings of the 13th Python in Science Conference. SciPy. org.

Kluyver, T., Ragan-Kelley, B., P_erez, F., Granger, B. E., Bussonnier, M., Frederic, J., Kelley, K., Hamrick, J. B., Grout, J., Corlay, S., et al. (2016). Jupyter notebooks-a publishing format for reproducible computational workows. In ELPUB, pages 87-90.

Microsoft (2017). Azure notebooks.

Miller, M. H. and Orr, D. (1966). A model of the demand for money by firms. The Quarterly journal of economics, 80(3), 413-435. https://doi.org/10.2307/1880728

Mula, J. and Poler, R. (2011). Applied mathematical modelling for industrial engineers. Modelling in Science Education and Learning 4, 307-318. https://doi.org/10.4995/msel.2011.3097

Myers, G. J., Sandler, C., and Badgett, T. (2011). The art of software testing. John Wiley & Sons.

Pérez, F. and Granger, B. E. (2007). Ipython: a system for interactive scientific computing. Computing in Science & Engineering, 9(3). https://doi.org/10.1109/MCSE.2007.53

Rossant, C. (2014). IPython interactive computing and visualization cookbook. Packt Publishing Ltd.

Sargent, T. J. and Stachurski, J. (2017). Lectures in quantitative economics. https://lectures.quantecon.org/

Srinivasan, V. and Kim, Y. H. (1986). Deterministic cash ow management: state of the art and research directions. Omega, 14(2), 145-166. https://doi.org/10.1016/0305-0483(86)90017-4

VanderPlas, J. (2016). Python Data Science Handbook: Essential Tools for Working with Data. O'Reilly.

Wilensky, U., Brady, C. E., and Horn, M. S. (2014). Fostering computational literacy in science classrooms. Communications of the ACM, 57(8), 24-28. https://doi.org/10.1145/2633031

Abstract Views

3991
Metrics Loading ...

Metrics powered by PLOS ALM




Esta revista esta bajo una Licencia licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional

Universitat Politècnica de València

e-ISSN: 1988-3145   https://dx.doi.org/10.4995/msel