COMPUTATIONAL THINKING - INTRODUCCIÓN AL PENSAMIENTO COMPUTACIONAL - T2

¿Qué es lo primero que debemos hacer antes de comenzar cualquier análisis?. Recopilar todos los datos posibles. Identificar qué información necesitamos para resolver el problema. Analizar la calidad de los datos. Definir la herramienta a utilizar.

En el ejemplo de la empresa que quiere saber por qué han disminuido sus ventas, ¿cuál de los siguientes datos sería menos útil?. Las ventas de cada producto. Los comentarios de los clientes. El número de empleados. La temperatura diaria.

¿Qué significa 'datos necesarios'?. Todos los datos que una empresa almacena. Datos que aportan información útil para comprender una situación y tomar una decisión. Datos que se pueden obtener fácilmente. Datos que provienen de fuentes externas.

Al organizar una cena para veinte personas, ¿cuál de los siguientes datos NO sería necesario?. Número de invitados. Presupuesto. Color favorito de cada invitado. Fecha.

Si una empresa quiere mejorar la velocidad de su página web, ¿cuáles serían datos necesarios?. Número de visitas. Tiempo de carga. Navegador utilizado. Todos los anteriores.

¿Cuál es el primer paso recomendado para identificar los datos necesarios?. Definir el problema. Identificar la fuente de datos. Elegir la herramienta de análisis. Determinar el presupuesto.

Analizar datos que no aportan valor puede llevar a: Mejores decisiones. Pérdida de tiempo y decisiones menos acertadas. Aumento de la eficiencia. Descubrimiento de información oculta.

¿Qué es la 'brecha de datos'?. La diferencia entre los datos disponibles y los datos necesarios. La cantidad de datos que no se utilizan. El espacio de almacenamiento necesario para los datos. El error en la recopilación de datos.

Una empresa de transporte quiere reducir retrasos. ¿Cuál de estos datos NO sería útil?. Hora prevista de entrega. Hora real de entrega. Música escuchada durante el trayecto. Condiciones meteorológicas.

¿Qué significa que un conjunto de datos sea 'relevante'?. Que contiene miles de registros. Que es fácil de obtener. Que contiene información útil para responder al problema. Que proviene de una única fuente.

En el ejemplo de una tienda que quiere saber sus productos más vendidos, ¿qué base de datos sería la más relevante?. Recursos Humanos. Inventario. Ventas. Proveedores.

Utilizar un conjunto de datos simplemente porque está disponible, sin importar si responde al problema, es un error común llamado: Falta de validación. Uso indiscriminado de datos. Brecha de datos. Análisis superficial.

¿Qué preguntas debemos hacernos antes de utilizar un conjunto de datos?. ¿Responde a mi problema?. ¿Está actualizado?. ¿Proviene de una fuente fiable?. Todas las anteriores.

La diferencia entre la información disponible y la información necesaria se llama: Calidad de datos. Brecha de datos. Fiabilidad. Validación.

Si una cafetería registra ventas, productos vendidos e importe, pero no la hora exacta de cada venta, ¿qué existe?. Una brecha de datos. Datos duplicados. Datos incompletos. Una validación de rango.

¿Cuál es el objetivo de la 'limpieza de datos'?. Aumentar la cantidad de datos. Eliminar datos innecesarios. Detectar y corregir errores, duplicados y inconsistencias. Reunir datos de diferentes fuentes.

Los errores más habituales en los conjuntos de datos incluyen: Datos duplicados. Datos incompletos. Errores tipográficos. Todos los anteriores.

Si un dato cumple las reglas establecidas y tiene el formato adecuado, pero no refleja la realidad, ¿es válido pero no...?. Completo. Actualizado. Fiable. Consistente.

¿Cuál es la diferencia entre 'validez' y 'fiabilidad'?. La validez se refiere a la exactitud, la fiabilidad a la actualidad. La validez se refiere a si el dato cumple reglas, la fiabilidad a si es verdadero. No hay diferencia, son sinónimos. La validez se aplica a datos numéricos, la fiabilidad a datos textuales.

¿Qué factores aumentan la fiabilidad de los datos?. Proceder de fuentes oficiales. Haber sido verificados. Ser consistentes. Todos los anteriores.

¿Qué significa 'validación de entrada'?. Proceso de limpiar datos después de recopilarlos. Establecer reglas para impedir la introducción de datos incorrectos desde el principio. Verificar la fiabilidad de las fuentes de datos. Transformar datos a un formato único.

Una validación por rango se utiliza para: Comprobar el formato de un correo electrónico. Asegurar que un valor esté dentro de unos límites establecidos. Verificar que un campo obligatorio no esté vacío. Limitar el número de caracteres en una contraseña.

¿Cuál es un beneficio de validar los datos?. Aumenta el tiempo de limpieza posterior. Reduce errores. Disminuye la calidad del análisis. Introduce inconsistencias.

Al recopilar información sobre personas, ¿qué aspectos debemos considerar?. Solo los aspectos legales. Solo los aspectos éticos. Aspectos legales y éticos, actuando con responsabilidad. Ningún aspecto, solo la cantidad de datos.

¿Qué debería informar una organización claramente sobre los datos que recoge?. Qué datos recogen y para qué los utilizan. Durante cuánto tiempo los conservarán. Quién podrá acceder a ellos. Todas las anteriores.

Compartir datos personales con terceros sin autorización es un ejemplo de: Buena práctica. Mala práctica. Uso legal de datos. Análisis correcto.

¿Cuál es el principal objetivo de las infografías?. Presentar datos en tablas complejas. Resumir información de forma visual. Almacenar grandes cantidades de datos. Realizar cálculos estadísticos avanzados.

En el flujo completo de recopilación de datos, ¿qué paso sigue a 'Identificar qué datos necesito'?. Definir el problema. Seleccionar la herramienta adecuada. Buscar las fuentes de información. Organizar la información.

Si la información que necesitamos no existe, ¿qué debemos hacer?. Utilizar datos irrelevantes. Buscar datos en fuentes externas. Crear un nuevo conjunto de datos. Abandonar el análisis.

¿Cuál es una ventaja de la 'observación' como método de recopilación de datos?. Permite conocer opiniones detalladas. Puede requerir mucho tiempo. Los datos obtenidos son directos y reflejan comportamientos reales. Depende de la opinión de las personas.

¿Qué se recomienda al diseñar una encuesta?. Formular preguntas ambiguas. Utilizar un lenguaje complejo. No hacer encuestas excesivamente largas. Influir en la respuesta.

En una entrevista, a diferencia de una encuesta, el investigador puede: Hacer siempre las mismas preguntas. Profundizar en las respuestas y formular nuevas preguntas. No interactuar directamente con la persona. Solo registrar respuestas predefinidas.

¿Qué método es más adecuado para contar personas que entran en una tienda?. Encuesta. Entrevista. Formulario. Observación.

Una contraseña que debe tener al menos ocho caracteres utiliza una validación por: Rango. Lista. Formato. Longitud.

¿Cuál es un beneficio de validar los datos?. Aumentar el tiempo de limpieza. Mejorar la calidad del análisis. Generar más errores. Evitar la búsqueda de fuentes.

¿Qué significa actuar con 'ética' en la recopilación de datos?. Recopilar todos los datos posibles. Actuar de forma responsable y respetuosa con las personas. Omitir información sobre el uso de los datos. Compartir datos con quien los solicite.

Recoger únicamente los datos necesarios es un ejemplo de: Mala práctica. Principio legal. Buena práctica ética. Error de validación.

¿Por qué es importante la confianza de las personas en el tratamiento de sus datos?. Porque aumenta la cantidad de datos que se pueden recopilar. Porque una organización que protege los datos transmite profesionalidad y genera confianza. Porque es un requisito para utilizar hojas de cálculo. Porque reduce la necesidad de validar los datos.

En proyectos de análisis de datos, ¿dónde se estima que se invierte la mayor parte del tiempo?. En crear gráficos complejos. En entrenar modelos de inteligencia artificial. En preparar y limpiar los datos antes del análisis. En seleccionar la herramienta de visualización.

¿Qué es fundamental para que un conjunto de datos sea confiable?. Que sea grande. Que esté limpio, sea válido y fiable. Que provenga de una sola fuente. Que se analice rápidamente.

¿Para qué sirven las herramientas de visualización como Power BI o Tableau?. Para recopilar datos de encuestas. Para organizar bases de datos. Para transformar grandes cantidades de datos en gráficos fáciles de interpretar. Para automatizar procesos de limpieza.

Los lenguajes de programación como Python o R se utilizan principalmente para: Crear formularios de inscripción. Automatizar procesos, limpiar datos y realizar análisis avanzados. Almacenar millones de registros. Diseñar infografías.

En el proceso de recopilación de datos, ¿qué se debe respetar siempre?. La legislación vigente y los principios éticos. Solo la opinión de los expertos. La disponibilidad de las herramientas. La rapidez en la recopilación.

¿Qué implica la frase 'La calidad de los resultados depende de la calidad de los datos'?. Datos de gran volumen garantizan buenos resultados. Un análisis es bueno si las herramientas son complejas. Si los datos son erróneos, los resultados del análisis también lo serán. La fiabilidad de la fuente es lo único importante.

En el ejemplo de la academia que quiere mejorar los resultados de sus alumnos, ¿qué datos ya existen?. Horas de estudio. Calificaciones. Participación en clase. Nivel de satisfacción.

¿Por qué es importante limpiar los datos?. Porque los errores no se propagan. Para obtener resultados incorrectos. Para tomar malas decisiones. Porque los errores se propagan y conducen a resultados incorrectos y malas decisiones.

Un conjunto de datos es relevante cuando: Es fácil de obtener. Contiene información útil para resolver el problema. Se ha recogido recientemente. Proviene de una fuente externa.

Una empresa que registra el salario mensual de sus empleados e impide la entrada de letras, valores negativos o importes exagerados, está aplicando: Validación de entrada. Limpieza de datos. Recuperación de información. Observación.

Las encuestas son útiles para conocer: Comportamientos reales sin intervención. Opiniones, hábitos o experiencias de un grupo de personas. Datos de sistemas automatizados. Información visual compleja.

¿Cuál es la principal ventaja de las entrevistas sobre las encuestas?. Son más rápidas de realizar. Todos los participantes responden exactamente las mismas preguntas. Permiten profundizar en las respuestas y formular nuevas preguntas. No requieren análisis posterior.

Identificar qué información hace falta, comprobar que los datos son correctos, seleccionar las mejores fuentes y recopilar la información de forma organizada son pasos clave para: Finalizar un análisis. Comenzar un buen análisis. Utilizar herramientas de programación. Resolver problemas complejos.