Modelo de Kirkpatrick: Descripción de los 4 niveles
Nivel 1 – Reacción: Mide cómo reaccionan los participantes ante la formación. ¿Les pareció útil, relevante e interesante?
Aplicado a Ciencias de Datos: Se puede evaluar si los estudiantes encontraron el contenido interesante, si creen que es útil para su carrera, y si se sintieron motivados por la metodología (ej. uso de casos reales, herramientas como Python, etc.).
Nivel 2 – Aprendizaje: Evalúa el grado en que los participantes adquirieron los conocimientos, habilidades o actitudes deseadas.
Aplicado a Ciencias de Datos: Se mide si el participante ha aprendido conceptos clave como estadística, machine learning, visualización de datos, o ha adquirido habilidades prácticas en R, Python, SQL, etc., mediante pruebas, proyectos o ejercicios prácticos.
Nivel 3 – Comportamiento: Examina si los conocimientos aprendidos se están aplicando en el entorno laboral o académico.
Aplicado a Ciencias de Datos: Se observa si el participante empieza a usar técnicas de análisis de datos en su trabajo, desarrolla dashboards, aplica modelos predictivos o toma decisiones basadas en datos.
Nivel 4 – Resultados: Mide el impacto general de la formación en los objetivos del negocio o del entorno donde se aplica.
Aplicado a Ciencias de Datos: Se evalúa si el uso de ciencia de datos ha mejorado la toma de decisiones, incrementado la eficiencia operativa, optimizado procesos, o aportado a mejores resultados en políticas públicas, emprendimientos o empresas.
