Explorando la expansión urbana en Bolivia con Python: análisis y visualización de datos
Creado por Gabriel C.
Cómo fue en el aula
Todavía nadie ha contado cómo le fue con este recurso.
Descripción
Este plan de clase está diseñado para estudiantes universitarios de Ingeniería de Sistemas y tiene como propósito introducirlos en el análisis de la expansión urbana en Bolivia utilizando herramientas de programación en Python. Los estudiantes aprenderán a manipular y analizar datos geoespaciales reales, aplicando técnicas de análisis de datos y visualización para comprender los patrones de crecimiento urbano en diversas ciudades bolivianas.
El enfoque de Aprendizaje Basado en Investigación permitirá a los estudiantes formular preguntas investigativas, explorar bases de datos reales y aplicar métodos científicos para interpretar resultados. Esta experiencia conecta con problemáticas actuales de urbanización, planificación territorial y sostenibilidad, aspectos clave para ingenieros de sistemas interesados en soluciones tecnológicas con impacto social.
Además, dominarán habilidades prácticas en Python, incluyendo bibliotecas especializadas como Pandas, Geopandas y Matplotlib, herramientas esenciales para el análisis de datos en ingeniería. El aprendizaje es activo y colaborativo, fomentando el pensamiento crítico y la capacidad de comunicar hallazgos de forma efectiva.
Objetivos de Aprendizaje
- Analizar datos geoespaciales y estadísticos de expansión urbana en Bolivia utilizando Python.
- Formular preguntas de investigación sobre patrones de urbanización y responderlas mediante métodos científicos y análisis de datos.
- Aplicar técnicas de visualización para representar gráficamente la expansión urbana y facilitar la interpretación.
- Evaluar las implicaciones del crecimiento urbano en Bolivia desde una perspectiva tecnológica y social.
- Comunicar hallazgos de manera clara y estructurada mediante informes y presentaciones digitales.
Recursos Necesarios
- Computadoras con entorno Python instalado (Jupyter Notebook, Anaconda, o similar) - 1 por estudiante o grupo
- Dataset geoespacial de expansión urbana en Bolivia (archivos shapefile y CSV con datos estadísticos)
- Software GIS básico para visualización complementaria (opcional: QGIS)
- Bibliotecas Python: Pandas, Geopandas, Matplotlib, Seaborn, Jupyter Notebook
- Proyector y pantalla para presentaciones
- Conexión a internet para consultas y búsqueda de fuentes primarias
- Material impreso con guía de instalación de librerías y resumen de funciones Python utilizadas
- Plantillas para reporte de investigación y presentación de resultados
Requisitos Previos
- Conocimientos básicos de programación en Python (variables, estructuras de control, funciones)
- Conceptos fundamentales de análisis de datos y estadística descriptiva
- Familiaridad con conceptos básicos de geografía y sistemas de información geográfica (GIS)
- Habilidades para trabajo colaborativo y comunicación oral y escrita
Actividades
Sesión 1: Introducción y formulación de preguntas de investigación
Fase de Inicio
Tiempo estimado:
15 minutos
Propósito de la sesión:
Conectar con conocimientos previos y presentar el objetivo de analizar la expansión urbana en Bolivia mediante Python para comprender sus patrones y consecuencias.
Activación de conocimientos previos:
- Docente: Presenta un mapa general de Bolivia con las principales ciudades y pregunta: "¿Cuáles creen que son las zonas urbanas que más han crecido en Bolivia en la última década y por qué?"
- Estudiantes: Discuten brevemente en parejas y comparten ideas en plenaria.
Motivación y enganche:
- Docente: Muestra una visualización inicial de datos reales de expansión urbana en La Paz y Santa Cruz, destacando un dato curioso como: "Santa Cruz ha crecido en superficie un 50% en los últimos 10 años, ¿qué factores creen que han impulsado este crecimiento?"
- Estudiantes: Reflexionan y anotan sus impresiones para generar interés.
Contextualización:
- Docente: Explica brevemente cómo la expansión urbana afecta la calidad de vida y la planificación tecnológica, vinculándolo con el rol del ingeniero de sistemas en análisis de datos urbanos.
- Estudiantes: Relacionan el tema con su entorno y posibles aplicaciones profesionales.
Fase de Desarrollo
Tiempo estimado:
95 minutos
Presentación del contenido:
Introducción al dataset y al uso de Python para análisis geoespacial. Se fomenta la exploración activa mediante preguntas guiadas y desafíos para que los estudiantes formulen hipótesis de investigación.
Actividades de aprendizaje activo:
- Actividad 1: Exploración inicial del dataset
Objetivo: Analizar la estructura y contenido de los datos
Instrucciones:
- Docente: Divide a los estudiantes en grupos de 3-4 y les entrega el dataset y un cuaderno Jupyter con código base para cargar datos.
- Los estudiantes inspeccionan columnas, tipos de datos y variables geográficas y temporales.
- Discuten qué información puede ayudar a responder preguntas sobre expansión urbana.
Producto: Informe breve con descripción del dataset y posibles preguntas de investigación
Tiempo: 35 minutos
Rol docente: Observa, responde dudas, guía con preguntas como "¿Qué variables parecen más relevantes para medir crecimiento urbano?" - Actividad 2: Formulación de preguntas de investigación
Objetivo: Formular preguntas claras y relevantes sobre la expansión urbana
Instrucciones:
- En grupos, los estudiantes discuten y redactan 2-3 preguntas investigativas basadas en la exploración previa.
- Comparten sus preguntas con el resto para recibir retroalimentación.
Producto: Lista de preguntas de investigación
Tiempo: 30 minutos
Rol docente: Facilita la discusión, ayuda a enfocar preguntas y sugiere mejoras. - Actividad 3: Introducción a Python para análisis geoespacial
Objetivo: Familiarizarse con librerías básicas y comandos para manipular datos geoespaciales
Instrucciones:
- Docente realiza una demostración práctica en Jupyter Notebook mostrando cómo cargar datos con Pandas y Geopandas, visualizar mapas simples y calcular áreas.
- Los estudiantes replican los pasos en sus equipos, realizando ejercicios guiados.
Producto: Código Python funcional y capturas de pantalla de resultados
Tiempo: 30 minutos
Rol docente: Explica, corrige errores y fomenta preguntas.
Diferenciación:
- Estudiantes que terminan antes exploran datos adicionales o prueban funciones avanzadas de visualización.
- Estudiantes que necesitan apoyo reciben ayuda personalizada y ejemplos simplificados, además de actividades de refuerzo para comprensión básica de Python.
Transiciones:
Para cerrar el desarrollo, el docente conecta la formulación de preguntas con la necesidad de aplicar técnicas precisas de análisis y visualización en Python, preparando el terreno para la sesión siguiente.
Fase de Cierre
Tiempo estimado:
10 minutos
Síntesis:
- Docente: Solicita que cada grupo comparta una pregunta investigativa y una idea clave aprendida hoy.
- Estudiantes: Resumen y anotan en un organizador gráfico colaborativo en pantalla.
Reflexión metacognitiva:
- ¿Qué aspectos del análisis de datos geoespaciales les resultaron más interesantes o difíciles?
- ¿Cómo creen que el análisis con Python puede ayudar a entender la expansión urbana?
- ¿Qué preguntas de investigación consideran más relevantes para explorar en la próxima sesión?
Retroalimentación:
Docente ofrece comentarios sobre la claridad de preguntas planteadas y el manejo inicial de Python, destacando progresos y áreas a mejorar.
Transferencia:
Se anuncia que en la siguiente sesión se aplicarán técnicas de análisis y visualización para responder las preguntas formuladas.
Tarea o reto:
Investigar brevemente factores sociales o económicos que podrían influir en la expansión urbana en Bolivia para enriquecer la próxima sesión.
Sesión 2: Análisis de datos y visualización básica con Python
Fase de Inicio
Tiempo estimado:
10 minutos
Propósito de la sesión:
Revisar la formulación de preguntas y preparar a los estudiantes para aplicar análisis y visualizaciones en Python para responderlas.
Activación de conocimientos previos:
- Docente: Recapitula preguntas investigativas y pregunta: "¿Qué técnicas en Python creen que nos ayudarán a responder estas preguntas?"
- Estudiantes: Comparten ideas y relacionan conceptos vistos.
Motivación y enganche:
- Docente: Presenta un gráfico de expansión urbana dinámico que se generará durante la sesión para mostrar el poder de la programación aplicada.
- Estudiantes: Se motivan ante la demostración visual y tecnológica.
Fase de Desarrollo
Tiempo estimado:
100 minutos
Presentación del contenido:
Demostración y práctica guiada para aplicar análisis estadístico y visualizaciones básicas con Python, enfocadas en responder preguntas investigativas específicas.
Actividades de aprendizaje activo:
- Actividad 1: Cálculo de métricas de expansión urbana
Objetivo: Analizar cuantitativamente el crecimiento urbano
Instrucciones:
- Docente explica cómo calcular áreas de expansión y tasas de crecimiento temporal usando Geopandas y Pandas.
- Estudiantes aplican funciones para obtener métricas en el dataset.
Producto: Tabla con métricas calculadas y primeras conclusiones
Tiempo: 40 minutos
Rol docente: Supervisa, resuelve dudas y fomenta interpretación de resultados. - Actividad 2: Visualización gráfica de la expansión urbana
Objetivo: Crear mapas y gráficos que evidencien patrones de urbanización
Instrucciones:
- Docente guía para elaborar mapas temáticos y gráficos de líneas usando Matplotlib y Geopandas.
- Estudiantes generan visualizaciones para diferentes ciudades y periodos.
Producto: Gráficos generados y breve explicación escrita
Tiempo: 40 minutos
Rol docente: Acompaña, sugiere mejoras y ayuda con errores de código. - Actividad 3: Interpretación grupal de resultados
Objetivo: Analizar críticamente los datos y visualizaciones
Instrucciones:
- En grupos, estudiantes discuten qué indican los resultados sobre la expansión urbana y cómo responden sus preguntas investigativas.
- Preparan una presentación corta con hallazgos.
Producto: Presentación oral y escrita
Tiempo: 20 minutos
Rol docente: Facilita discusión, plantea preguntas guía y evalúa comprensión.
Diferenciación:
- Estudiantes avanzados exploran visualizaciones interactivas con librerías como Folium o Plotly.
- Estudiantes con dificultades reciben apoyo individual, ejemplos paso a paso y material adicional.
Transiciones:
Se conecta el análisis cuantitativo con la interpretación crítica, preparando el análisis más profundo para la siguiente sesión.
Fase de Cierre
Tiempo estimado:
10 minutos
Síntesis:
- Los grupos comparten una visualización creada y su interpretación clave.
- Docente sintetiza puntos comunes y destaca aprendizajes técnicos.
Reflexión metacognitiva:
- ¿Cómo ayudó la visualización a entender mejor la expansión urbana?
- ¿Qué dificultades encontraron al trabajar con datos geoespaciales en Python?
- ¿Qué preguntas les gustaría seguir investigando?
Retroalimentación:
Docente ofrece comentarios constructivos sobre las visualizaciones y análisis, destacando mejoras y avances.
Transferencia:
Se anticipa la aplicación de análisis estadísticos más complejos y discusión de implicaciones sociales en la próxima sesión.
Tarea o reto:
Preparar un resumen escrito de los hallazgos y reflexiones para compartir en la siguiente sesión.
Sesión 3: Análisis avanzado y discusión de implicaciones
Fase de Inicio
Tiempo estimado:
10 minutos
Propósito de la sesión:
Revisar avances y preparar el análisis avanzado de datos para comprender impactos sociales y tecnológicos.
Activación de conocimientos previos:
- Docente pregunta: "¿Qué factores externos podrían influir en los patrones observados de expansión urbana?"
- Estudiantes discuten en grupos y comparten brevemente.
Motivación y enganche:
- Docente presenta un breve caso real de impacto urbano en Bolivia y cómo el análisis puede aportar soluciones.
- Estudiantes reflexionan sobre la relevancia social del análisis técnico.
Fase de Desarrollo
Tiempo estimado:
100 minutos
Presentación del contenido:
Aplicación de análisis estadísticos avanzados y correlación con factores externos para entender causas y consecuencias del crecimiento urbano.
Actividades de aprendizaje activo:
- Actividad 1: Análisis estadístico avanzado
Objetivo: Identificar correlaciones y tendencias en los datos
Instrucciones:
- Docente explica técnicas como correlación, regresión lineal simple y análisis temporal con Python.
- Estudiantes aplican estas técnicas para analizar la relación entre expansión urbana y variables socioeconómicas disponibles.
Producto: Reporte con resultados estadísticos y conclusiones
Tiempo: 50 minutos
Rol docente: Orienta, responde preguntas y supervisa la correcta aplicación de métodos. - Actividad 2: Discusión sobre implicaciones y propuestas
Objetivo: Evaluar impactos y proponer soluciones tecnológicas
Instrucciones:
- En grupos, estudiantes discuten las posibles consecuencias del crecimiento urbano y cómo la ingeniería de sistemas puede aportar soluciones (e.g., sistemas de monitoreo, aplicaciones para planificación urbana).
- Preparan una propuesta breve para presentar a la clase.
Producto: Propuesta escrita y presentación oral
Tiempo: 50 minutos
Rol docente: Facilita discusión, fomenta pensamiento crítico y evalúa propuestas.
Diferenciación:
- Estudiantes avanzados pueden explorar análisis multivariados o modelaciones predictivas.
- Estudiantes que requieran apoyo reciben material guía y ejemplos detallados para análisis estadístico.
Transiciones:
Se conecta la discusión de implicaciones con la necesidad de comunicar resultados efectivamente, preparando la sesión final.
Fase de Cierre
Tiempo estimado:
10 minutos
Síntesis:
- Resumen grupal de propuestas y aprendizajes clave.
- Docente destaca la integración de análisis técnico y social.
Reflexión metacognitiva:
- ¿Qué aprendieron sobre la relación entre datos técnicos y problemas sociales?
- ¿Cómo pueden aplicar lo aprendido a futuros proyectos?
- ¿Qué habilidades técnicas consideran que mejoraron?
Retroalimentación:
Docente proporciona retroalimentación sobre análisis y propuestas, resaltando aspectos positivos y áreas a fortalecer.
Transferencia:
Se anticipa la última sesión para consolidar, comunicar resultados y reflexionar sobre el aprendizaje global.
Tarea o reto:
Preparar la presentación final y un informe resumido para la siguiente sesión.
Sesión 4: Presentación final y reflexión integradora
Fase de Inicio
Tiempo estimado:
10 minutos
Propósito de la sesión:
Preparar y organizar las presentaciones finales y generar un ambiente de reflexión colectiva.
Activación de conocimientos previos:
- Docente repasa objetivos del proyecto y solicita a estudiantes revisar sus notas y reportes.
- Estudiantes organizan sus ideas y materiales.
Motivación y enganche:
- Docente motiva destacando la importancia de comunicar hallazgos para la toma de decisiones.
- Estudiantes se preparan para compartir su trabajo con confianza.
Fase de Desarrollo
Tiempo estimado:
100 minutos
Presentación del contenido:
Ejecutar la presentación de resultados y elaboración de conclusiones integradoras.
Actividades de aprendizaje activo:
- Actividad 1: Presentaciones grupales
Objetivo: Comunicar resultados de forma clara y estructurada
Instrucciones:
- Cada grupo presenta su análisis, visualizaciones, interpretación y propuesta en un tiempo máximo de 15 minutos.
- Docente y compañeros realizan preguntas y comentarios constructivos.
Producto: Presentación oral con soporte visual
Tiempo: 80 minutos (5 grupos aprox.)
Rol docente: Modera, evalúa comunicación y contenido, fomenta discusión. - Actividad 2: Reflexión metacognitiva colectiva
Objetivo: Consolidar aprendizajes y autoevaluar progreso
Instrucciones:
- Docente propone preguntas para reflexión escrita individual:
- ¿Qué habilidades técnicas y de investigación desarrollé durante este proyecto?
- ¿Cómo me ayudó el trabajo colaborativo a mejorar mi aprendizaje?
- ¿Qué aspectos del análisis urbano me parecen más importantes para mi formación?
Producto: Respuestas escritas breves
Tiempo: 20 minutos
Rol docente: Recoge respuestas y ofrece retroalimentación general.
Diferenciación:
- Estudiantes avanzados pueden incluir demostraciones en vivo o código adicional.
- Estudiantes con dificultades reciben apoyo para estructurar presentaciones y expresarse con confianza.
Transiciones:
Se conecta la reflexión final con la importancia continua del análisis de datos en la ingeniería y la investigación aplicada.
Fase de Cierre
Tiempo estimado:
10 minutos
Síntesis:
- Docente realiza un resumen final destacando los logros y competencias desarrolladas.
- Estudiantes comparten una idea clave aprendida y un compromiso para aplicar lo aprendido.
Reflexión metacognitiva:
- ¿Cómo contribuyó este proyecto a mi formación como ingeniero de sistemas?
- ¿Qué me gustaría profundizar en temas de análisis urbano y Python?
Retroalimentación:
Docente entrega retroalimentación general y sugerencias para el desarrollo futuro.
Transferencia:
Incentiva a los estudiantes a explorar proyectos similares y aplicar Python en otros contextos de ingeniería.
Tarea o reto:
Invitación a realizar un portafolio digital con todos los productos generados y a preparar un blog o video divulgativo sobre el tema.
Evaluación
Tipo de evaluación:
- Diagnóstica: Sesión 1, durante la activación de conocimientos y formulación de preguntas.
- Formativa: Durante todas las sesiones en actividades de análisis, visualización, discusión y presentación.
- Sumativa: Sesión 4, evaluación integradora de presentaciones finales, informes y reflexión metacognitiva.
Criterios de evaluación:
- Capacidad para formular preguntas de investigación claras y pertinentes (Objetivo 2).
- Habilidad para utilizar Python en análisis y visualización de datos geoespaciales (Objetivos 1 y 3).
- Capacidad para interpretar resultados y evaluar implicaciones sociales y tecnológicas (Objetivo 4).
- Claridad y estructura en la comunicación de hallazgos (Objetivo 5).
- Colaboración efectiva y participación activa en actividades grupales.
Instrumentos sugeridos:
- Rúbrica para evaluar presentaciones orales y escritas.
- Lista de cotejo para seguimiento de habilidades técnicas en Python.
- Observación directa en actividades grupales.
- Portafolio digital con códigos, análisis y reportes.
- Autoevaluación y coevaluación reflexiva.
Evidencias de aprendizaje:
- Preguntas investigativas formuladas y justificadas.
- Código Python funcional para análisis y visualización de datos.
- Visualizaciones y reportes con interpretación crítica.
- Presentaciones grupales y propuestas de solución.
- Respuestas a preguntas de reflexión metacognitiva.