[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-124815-es":3,"doc-seo-124815-110":31,"detail-sidebar-cat-0-es-110":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},124815,962084926284,"Aurora","https://ap-avatar.wpscdn.com/davatar_29158cc5080c5b710cf443261637dec0",41,"Investigación e Informes","Enseñanza del machine learning y la quimiometría en química analítica mediante propuestas prácticas e interactivas - Congreso","La enseñanza del machine learning en química analítica constituye un reto por la falta de conocimientos en programación tanto del profesorado como del estudiantado. El trabajo diagnostica saberes previos en análisis multivariante y programación en alumnado del máster en química. Tras detectar déficits básicos de programación y estadística, se plantean acciones formativas para integrar aprendizaje automático y química analítica. Se propone usar Orange y programar apps con MATLAB en prácticas de laboratorio, diseñando sesiones sobre espectroscopía infrarroja y aplicaciones en contextos cotidianos, con mejoras observadas en interés y comprensión.","Enseñanza del machine learning y la quimiometría en química analítica mediante propuestas prácticas e interactivas  \nTeaching of Machine Learning and Chemometrics in Analytical Chemistry Based on Interactive Hands-on Activities  \nÁngel Sánchez-Illanaa, Bayden R. Woodb y David Pérez-Guaitac*  \naDepartamento de Química Analítica, Facultad de Química, Universitat de València   \nbCentre for Biospectroscopy and School of Chemistry, Monash University  \n*cDepartamento de Química Analítica, Facultad de Química, Universitat de València, [david.perez-guaita@uv.es](david.perez-guaita@uv.es)   \nHow to cite: Ángel Sánchez-Illana, Bayden R. Wood y David Párez-Guaita. 2023. Enseñanza del machine learning en química analítica mediante propuestas prácticas e interactivas. En libro de actas: IX Congreso de Innovación Educativay Docencia en Red. Valencia, 13-14 de julio de 2023. Doi: [https://doi.org/10.4995/INRED2023.2023.16679](https://doi.org/10.4995/INRED2023.2023.16679)  \nAbstract  \nDespite the growing popularity of machine learning (ML), the teaching of this disruptive field in analytical chemistry is challenging due to the lack of enough programming background in both, professors, and students. Because of that, this subject is sometimes underrated or even ignored in chemistry curriculums. In this work, we firstly surveyed the previous knowledge in multivariate analysis and programming by students enrolled in the master’s degree in chemistry. Upon recognizing a deficiency in fundamental programming and statistical principles, we carried out actions to close the gap between ML and analytical chemistry in under-and post-graduate level. Accordingly, we proposed the use of the interactive software Orange and the programming of apps with MATLAB for teaching ML in the laboratory lessons of analytical chemistry. With this approach, two laboratory lessons were designed and conducted which are focused on analysis of foodstuffs by infrared spectroscopy and using ML in daily contexts. The evaluation of the methodologies proposed indicated that the use of interactive software made ML more appealing to the students and contributed to abetter understanding of ML concepts.  \nKeywords: Machine Learning, Analytical Chemistry, Chemometrics, Methodology, Laboratory, Programming  \nResumen  \nA pesar de la creciente popularidad de las técnicas de aprendizaje automático (“machine learning”, en inglés) su enseñanza en química analítica es un reto debido a la falta deconocimientos en programación por parte del alumnado y el profesorado. Debido a ello, estas técnicas suelen obviarse o incluirse sucintamente en los currículos. En este trabajo, estudiamos los conocimientos previos de programación y análisis multivariante del alumnado matriculado en el Máster en Química e identificamos diferentes deficiencias en conceptos básicos de programación y estadística. En consecuencia, para cerrar la brecha entre el aprendizaje automático y la química analítica, planteamos el uso del programa  \ninteractivo Orange y la programación de aplicaciones con MATLAB. Utilizando esteenfoque, diseñamos y llevamos a cabo dos sesiones prácticas consistentes en el análisis dealimentos mediante espectroscopía infrarroja y en la implementación de modelos deaprendizaje automático aplicados a contextos cotidianos. Tras evaluar las metodologías propuestas, comprobamos que estas hacen el aprendizaje automático más atractivo para el estudiantado contribuyendo a su mejor aprendizaje.  \nPalabras clave: Aprendizaje Automático, Machine Learning, Química Analítica, Quimiometría, Metodología, Laboratorio  \n1. Introducción  \nEn las últimas décadas, los avances en computación y análisis de datos han transformado profundamente muchos aspectos de la química. En este contexto, la quimiometría y el aprendizaje automático (másconocido por su denominación en inglés, machine learning) juegan un papel clave en el análisis masivo de datos adquiridos mediante los instrumentos y sensores de última generación (Debus ","cbCaihJtZwh71RvI","https://ap.wps.com/l/cbCaihJtZwh71RvI","pdf",2742751,2,1,15,"Spanish","es",110,"# Introducción\n## Contexto y motivación\n## Antecedentes y limitaciones en la formación\n## Accesibilidad actual de herramientas de computación\n# Metodología y propuestas prácticas\n## Software Orange y programación con MATLAB\n## Diseño de sesiones de laboratorio\n## Evaluación de la metodología\n# Conclusiones","[{\"question\":\"¿Por qué la enseñanza del machine learning en química analítica resulta difícil?\",\"answer\":\"Porque el alumnado y el profesorado suelen carecer de conocimientos suficientes en programación y de bases estadísticas necesarias para aplicar el enfoque en el contexto de la química analítica.\"},{\"question\":\"¿Qué software y herramientas se proponen para impartir la asignatura?\",\"answer\":\"Se propone utilizar el software interactivo Orange y programar aplicaciones con MATLAB para integrar el machine learning en las lecciones prácticas de laboratorio.\"},{\"question\":\"¿Qué contenidos se trabajan en las sesiones prácticas diseñadas?\",\"answer\":\"Dos sesiones prácticas centradas en el análisis de alimentos mediante espectroscopía infrarroja y en la implementación de modelos de aprendizaje automático aplicados a contextos cotidianos.\"}]","Enseñanza del machine learning y la quimiometría en química analítica mediante propuestas prácticas e interactivas - Congreso | PDF",1785894806,23,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"teaching-machine-learning-and-chemometrics-in-analytical-chemistry-through-practical-and-interactive-proposals-conference","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,48,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":20},"https://docshare.wps.com/es/document/","Document",{"item":49,"name":12,"@type":44,"position":50},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/es/document/teaching-machine-learning-and-chemometrics-in-analytical-chemistry-through-practical-and-interactive-proposals-conference/124815/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-08","2026-08-05",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"¿Por qué la enseñanza del machine learning en química analítica resulta difícil?","Question",{"text":76,"@type":77},"Porque el alumnado y el profesorado suelen carecer de conocimientos suficientes en programación y de bases estadísticas necesarias para aplicar el enfoque en el contexto de la química analítica.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"¿Qué software y herramientas se proponen para impartir la asignatura?",{"text":81,"@type":77},"Se propone utilizar el software interactivo Orange y programar aplicaciones con MATLAB para integrar el machine learning en las lecciones prácticas de laboratorio.",{"name":83,"@type":74,"acceptedAnswer":84},"¿Qué contenidos se trabajan en las sesiones prácticas diseñadas?",{"text":85,"@type":77},"Dos sesiones prácticas centradas en el análisis de alimentos mediante espectroscopía infrarroja y en la implementación de modelos de aprendizaje automático aplicados a contextos cotidianos.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,113,117,121,125,129],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},39,"Cómic",60,"comic",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},43,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},38,"Examen","exam",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":112},"research-report",{"id":114,"doc_module":4,"doc_module_name":47,"category_name":115,"show_sort_weight":97,"slug":116},37,"Literatura","literature",{"id":118,"doc_module":4,"doc_module_name":47,"category_name":119,"show_sort_weight":97,"slug":120},22,"Relatos y Novelas","story-novel",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},42,"Religión y Espiritualidad","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},40,"Salud y Atención Médica","healthcare",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},24,"Tecnología","technology"]