Redes de conocimiento en la era del Covid-19

Abstract

Grosso modo, se explican las redes de conocimiento a partir de una red neuronal en la que se establecen grados de aprendizaje, considerando las diferencias entre la capa de entrada, la capa intermedia u oculta y la capa de salida. Se realizó un estudio no experimental, transversal y exploratorio con una selección no probabilística de 300 estudiantes, directivos y docentes de una universidad pública del centro de México. Los resultados muestran una asimetría factorial de una unidad de capa de entrada para tres unidades de capa de salida, lo que sugiere que existe un grado significativo de aprendizaje en torno a la red de conocimiento. Sin embargo, existen áreas de oportunidad alrededor de la capa oculta, ya que sus unidades revelan un procesamiento de la información que reduce la incertidumbre de la capa de entrada y amplifica el conocimiento de la capa de salida.

Roughly speaking, knowledge networks are explained from a neural network in which degrees of learning are established, considering the differences between the input layer, the intermediate or hidden layer and the output layer. A non-experimental, cross-sectional and exploratory study was carried out with a non-probabilistic selection of 300 students, managers and teachers from a public university in central Mexico. The results show a factorial asymmetry of one input layer unit for three output layer units, suggesting that there is a significant degree of learning around the knowledge network. However, there are areas of opportunity around the hidden layer, since its units reveal information processing that reduces the uncertainty of the input layer and amplifies the knowledge of the output layer.