Evaluación de Aprendizaje en Entornos Simulados

Esta capacitación entrena a los docentes para mitigar el "sesgo de la animación" al momento de calificar los proyectos de sus estudiantes. Los profesores aprenderán a construir criterios de evaluación objetivos y ponderaciones equilibradas que prioricen el rigor lógico, la validación estocástica, el manejo de datos de entrada y la arquitectura de la lógica por encima del atractivo estético tridimensional del modelo.

Objetivos de Aprendizaje

1. Desmitificar la Estética 3D: Aprender a separar el impacto visual del modelo de su validez lógica, matemática y operativa real.
2. Estandarizar Criterios de Evaluación: Desarrollar rúbricas analíticas claras que midan de forma reproducible la calidad del modelado, la recolección de estadísticas y la toma de decisiones basada en datos.
3. Detectar Vicios de Modelado: Desarrollar agudeza técnica para identificar rápidamente errores lógicos ocultos, cuellos de botella artificiales y malas prácticas de flujo en los archivos entregados por los alumnos.

Metodología Se propone un enfoque de Auditoría Pedagógica y Calificación Ciega:

• Taller de Calificación Cruzada: Los docentes evaluarán de manera independiente proyectos con fallas estructurales internas, para luego contrastar y unificar sus criterios de calificación en un panel de discusión.
• Auditoría de "Modelos Fachada": El facilitador presentará modelos que esconden trampas lógicas intencionales (como sobreescritura de datos o bloqueos artificiales) para adiestrar el ojo evaluador del profesor.
• Co-diseño de Rúbricas Maestras: Espacio de trabajo práctico donde cada docente estructurará una matriz de evaluación adaptable al sílabo específico de su asignatura.

Contenido

• El Dilema de la Animación vs. la Lógica
  • Por qué el atractivo visual enmascara errores críticos de ingeniería.
  • Anatomía de una entrega de simulación: Qué auditar primero (datos de entrada, flujos, disparadores y estadísticas).
• Construcción de la Rúbrica de Evaluación Analítica
  • Criterios indispensables: Ajuste de curvas de entrada, verificación de lógicas, número de réplicas, robustez del Experimenter y conclusiones de negocio.
  • Asignación estratégica de pesos y puntajes según el nivel del curso (introductorio vs. avanzado).
• Laboratorio de Diagnóstico Rápido y Feedback
  • Uso de herramientas de FlexSim para evaluar la salud de un modelo en pocos minutos.
  • Cómo estructurar una retroalimentación pedagógica orientada a que el alumno descubra y corrija su error por sí mismo.