"En ninguna parte alguien concedería que la ciencia y la poesía puedan estar unidas. Se olvidaron que la ciencia surgió de la poesía, y no vieron que cuando los tiempos cambien las dos podrán reunirse de nuevo en un nivel superior como amigas" -Wolfgang Goethe-


jueves, 26 de enero de 2017

Que le den a la ANECA

Buenas noches

Tras leer algunos comentarios de compañeros míos, y algún que otro artículo en prensa, sobre ANECA y sus nuevos criterios  y haber firmado la petición de mi amigo Victor Molina para que se retiren los criterios en changue.org, voy a exponer el porqué de mi decisión (la de pedir que se eliminen). Esto tal vez no interese a nadie, pero el blog también contempla mi opinión sobre algunos aspectos. 

Para el que no sea de España, la Agencia Nacional de Evaluación de la Calidad y Acreditación (ANECA) es un Organismo Autónomo, adscrito al Ministerio de Educación, Cultura y Deporte, que tiene como objetivo contribuir a la mejora de la calidad del sistema de educación superior mediante la evaluación, certificación y acreditación de enseñanzas, profesorado e instituciones (sic).

Estuve hablando con un par de representantes de un sindicato (yo hace tiempo que dejé de pertenecer a ninguno) y esbocé mi opinión, cuando no había leído del todo los criterios de ANECA. Dije que iba a hacerlo pero no he podido cumplir mi promesa, pues leer eso cansa a cualquiera y he decidido no perder más tiempo de mi vida en leer sandeces. Conste que creo que gracias a ANECA se ha conseguido que mucha gente que no investigaba en la Universidad lo haga, pero ese no debe ser el fin de la agencia, porque no se debe olvidar la enseñanza.

Lo primero es lo enrevesado de dividir a las personas susceptibles de ser acreditados en tipo A y B (también puedes ir de la C a la E). Vamos a ver el tipo A y B, que es lo que definen los criterios publicados y luego hablaré de como se combina esto. Me fijaré solo en la acreditación de Titular, por no seguir leyendo, como he dicho antes.

Para ser un candidato a Titular Tipo A  (excelencia) en investigación en Química necesitas 85 publicaciones (50 de primer tercio JCR, autoría preferente en 10 de ellas), 15 de ellas de proyectos propios. Y luego al menos cinco méritos de los siguientes: IP (investigador principal) de al menos 2 proyectos competitivos nacionales o internacionales, ser jefe de grupo de investigación, pertenecer a comités científicos internacionales, a paneles de expertos internacionales, tres conferencias plenarias en congreso internacional, cinco invitadas, estancias de seis meses con publicaciones asociadas... 

Para no ser malo del todo, diré que para ser un Titular con una B en investigación (y hablo de Química), la cosa se relaja, son casi como los criterios de antes, con sus 20 publicaciones (15 de buenas buenas, primer tercio JCR; autoría preferente en cuatro de ellas, con las de la tesis supongo que vale), pero con cinco méritos complementarios como 10 artículos extra a los anteriores, un libro técnico, capítulos de libro técnicos, estancias de más de seis meses que hayan dado frutos publicados, dirigir al menos una tesis, pertenecer al consejo editorial de revistas extranjeras de prestigio......).  

Aviso para navegantes, en los próximos sexenios quizá pidan menos de cinco autores por publicación. Esto aparece en la explicación de contribuciones cientificas en los criterios de Titular B (Química), no en el tipo A. Y que me expliquen como se debe justificar que eres autor preferente. Ahora es el primero, el último por ser el "masca" o el que lleva el asterisco (autor de correspondencia). Según área y moda.

En esto de la investigación, la mayor crítica a los criterios que haré (al margen de que hay muchos subcriterios de graduación de méritos que me resultan liosos) es una frase que he visto repetida en los mismos. Resulta que es un mérito de pata negra dirigir proyectos competitivos nacionales y sobre todo internacionales (creo que no valen autonómicos). Y las publicaciones en revistas de alto índice de impacto, que sean de proyectos dirigidos por el solicitante en cuestión.
Lean los criterios de Química (A3) donde en el apartado de publicaciones para Titular tipo A (sea lo que sea esto) dice que 15 deben derivar de proyectos donde el solicitante sea o haya sido IP. Y pregunto:

1) ¿Cuantos profesores aspirantes a Titular tiene la Universidad en España?
2) ¿Cuantos para Catedrático? (Que también tienen que demostrar este mérito)
3) ¿Cuantos proyectos Europeos o Nacionales se dan cada año? Tenga en cuenta que para Titular debe haber sido IP de 2 al menos.
4) ¿Cual sería el número de proyectos que haría falta para mantener una tasa aceptable de funcionarización?
5) ¿Quien financia eso? ¿El Estado y la Unión Europea podrían asegurar un número adecuado de proyectos y que se repartan por igual en áreas no preferentes? ¿O nos dedicamos todos a hacer lo mismo, competir con los grupos fuertes o hacerles trabajos por cuenta? Habrá áreas que dejen de avanzar, de eso hay muchos ejemplos en la Historia.


Y ahora docencia:

El tipo A de docencia no se para que diablos lo definen, pues no se contempla para nada que ser docente de tipo A te sirva de algo, a juzgar por estas tablas:

Extracto del Real Decreto 415/2015, de 29 de mayo, por el que se modifica el Real Decreto 1312/2007, de 5 de octubre, por el que se establece la acreditación nacional para el acceso a los cuerpos docentes universitarios.

Y el docente tipo B, muchas horas de clase (800 mínimas), y como complementario: docencia en máster (al menos tres años), docencia en inglés, IP de proyecto de innovación, dar cursos on-line (y esto a mi no me gusta), dirigir dos Trabajos de máster, una tesis,.... Creo que lo normal para un profesor de Universidad. El problema es poder hacer de todo eso siendo el último mono eligiendo docencia, porque en la Universidad se escoge por orden de prelación (las figuras más altas y de mayor antigüedad primero y por orden). 

Pero al margen de eso, ¿sirve de algo ser docente tipo A? Pues se supone que deberíamos estar más preocupados en eso que en otras cosas. Vamos, no en ser tipo A en docencia por tener los méritos establecidos por una agencia, sino en ser buenos docentes y punto.

Y ahora lo peliagudo,desde mi perspectiva.

1) Si soy jefe de grupo y no soy Catedrático, ¿debo sacrificar a los miembros de mi equipo para llegar yo a Catedrático? Porque no caben méritos para todos, dos personas implican cuatro proyectos de los chulos.
2) Si decido sacrificarme yo y no llegar a Catedrático, ¿a cual de los miembros de mi equipo sacrifico? Porque todos no pueden a la vez. Suponiendo que sea yo quien decida, como los antiguos y al menos haya dos personas que quieran ser Titulares...
3) Si fuese ya Catedrático (de lo que actualmente paso). ¿A quien ayudo a promocionar? Como los antiguos de nuevo, He-Man, yo tengo el poder....
4) Si quiero ir por libre para llegar a Titular o Catedrático, ¿me olvido de mi equipo?

Es decir, ¿volvemos a una Universidad de poder absoluto y selecciones a dedo? ¿De rancio abolengo? ¿De luchas encarnizadas entre compañeros, zancadillas y demás? ¿De pleitesía y rencores? ¿Ya no trabajamos en equipo?

Perdonen mi expresión, pero para esta mierda, que le den a la ANECA.

Yo prefiero seguir trabajando en equipo con mis compañeros y amigos. Disfrutar mis publicaciones de alto, medio, bajo y muy bajo impacto. De aportar a congresos aunque sea un póster y pagarme yo mismo las copas. De dar alguna charla o curso cuando me invitan mis amigos, aunque no seamos de prestigio. Y, espero no me excomulguen, incluso publicaciones docentes, reconocidas o no por editoriales. También blogs de docencia o divulgación que no lee nadie. Disfrutar mis clases, el contacto con mis alumnos, jóvenes investigadores, técnicos, Titulares y Catedráticos, personal de mantenimiento, administración y servicios. 

Además de eso quiero llegar a casa y olvidarme de todo y disfrutar de mi familia, en especial mis hijos y esposa, mis amigos, mis plantas, mis peces, tortugas, mis vecinos, un buen vino...

En una balanza, lo importante es equilibrar los platos. Así que, lo siento, "Señores de la ANECA", pero yo no juego. Trabaja para vivir y no vivas para trabajar.

Es mi simple opinión y desde mi perspectiva actual. Tomando esto como lo que es, una carrera de fondo, tal vez algún día algo cambie y decida ponerme en juego, pero seguro que no con estas reglas. Además, cuando a un candidato a concejal le pidan pasar por una acreditación, que me avisen. O a algunos cargos de diputaciones y consejerías. Ese día me replantearé esta entrada del blog.

Espero no haberos cansado. 

PD: Posiblemente he metido la pata en algunas cosas de esos documentos que no he leído del todo. Admito críticas.

PD2: Soy Titular de Universidad, tal vez por eso paso un poco de este tema. Pero me aterra pensar en las criaturas que empiecen ahora su carrera docente en la Universidad. Esto es estresante. Por eso creo que hay que revisar el fondo y retirar estos criterios.

PD3: Lo he revisado dos días después y he retocado algo, pero en esencia la entrada sigue igual que el día de publicación.

domingo, 2 de octubre de 2016

Regresión lineal múltiple con Excel: resolución de mezclas en espectroscopia molecular

Allá por julio de 2015 proponía una entrada sobre la resolución de sistemas de ecuaciones con Excel en la que se usaba como ejemplo la cuantificación en una mezcla de dos sustancias, previa medida de patrones de ambas sustancias por separado. Aquel era un ejemplo simplista, fácil de encontrar en manuales de Química Analítica. A veces la realidad es otra, y para resolver una mezcla de dos o más sustancias no basta con medir los patrones de cada una por separado para obtener unos coeficientes de absortividad molar y resolver así el sistema de ecuaciones. Generalmente se suele medir una serie de patrones, mezcla de los componentes a determinar, registrando la absorbancias a varias longitudes onda. Con estos datos se puede obtener un modelo de regresión lineal múltiple que permita relacionar mediante una función la concentración de cada analito con las absorbancias medidas a las distintas longitudes de onda y cuantificarlos así en una muestra.

El siguiente ejemplo es una simulación hecha en Excel para tres componentes (C1, C2 y C3) en concentraciones molares, midiendo la absorbancia (A1, A2, A3) a tres longitudes de onda. En la simulación se ha empleado un error aleatorio para las señales de un 2% de media. 

C1 C2 C3 A1 A2 A3
0.0075 0.0075 0.0075 1.076 1.08 0.646
0.0025 0.0075 0.0075 0.55 0.965 0.64
0.0075 0.0025 0.0075 0.981 0.615 0.591
0.0025 0.0025 0.0075 0.475 0.55 0.63
0.0075 0.0075 0.0025 1.031 0.96 0.346
0.0025 0.0075 0.0025 0.54 0.91 0.325
0.0075 0.0025 0.0025 0.936 0.55 0.316
0.0025 0.0025 0.0025 0.465 0.435 0.285
0.005 0.005 0.005 0.736 0.775 0.465
0.005 0.005 0.005 0.731 0.785 0.465

Los datos se introducen en la matriz A1:G11, incluyendo encabezados de columna y fila.

Datos de calibración para el ejemplo propuesto



 Tendremos que construir tres modelos de regresión lineal múltiple, uno por cada analito, para relacionar las absorbancias medidas (variables independientes en nuestro modelo) con las concentraciones (variables dependientes). Para ello empleamos la fórmula matricial =ESTIMACION.LINEAL(). 

En el caso de C1, seleccionamos la matriz K2:N6 e introducimos la fórmula =ESTIMACION.LINEAL() desde el menú Formulas/ Insertar función. Como valores de Conocido_y introducimos la matriz B2:B11, que se corresponde con los valores de C1. Como Conocido_x se introducen los valores para A1, A2 y A3, es decir, la matriz E2:G11. Se emplea Constante 1 (VERDADERO) si el modelo contempla un término independiente. En principio lo dejaremos así, si se quisiese obviar se introduce 0 (FALSO). En Estadística introducimos 1 para que calcule errores de los coeficientes, coeficiente de determinación, error de residuales y otros parámetros ya explicados en la entrada sobre regresión lineal en Excel, como el valor F de Fisher, los grados de libertad, suma de cuadrados de regresión y suma de cuadrados de residuales.  Si se prefiere se puede escribir directamente  =ESTIMACION.LINEAL(B2:B11,E2:G11,1,1) con la matriz K2:N6 seleccionada previamente. De cualquiera de las formas, pulsar al mismo tiempo "Ctrl+Alt+Enter".

Formulario de entrada para la función =ESTIMACION.LINEAL()

Si todo ha ido bien, la matriz K2:N6 queda rellena con una serie de valores. En la siguiente figura aparecen dichos valores con unos encabezados explicativos. C1 (en la celda J1) se refiere a la especie 1. C_A1, C_A2 y C_A3 se refiere a los coeficientes que relacionan cada absorbancia con C1. Constant se refiere al termino independiente. En la matriz K2:N2 están los valores de los coeficientes y en la matriz K3:N3 sus errores. El coeficiente de determinación aparece en K4 y el error de residuales en L4. El valor de F, grados de libertad, suma de cuadrados de regresión y suma de cuadrados de residuales aparecen en K5, L5, K6 y L6, respectivamente. Además, más abajo, se incluye el valor calculado de t (valor del coeficiente dividido entre su error) y la probabilidad p de que ese coeficiente valga cero. La explicación de esta prueba la podéis encontrar en una entrada anterior. En este ejemplo, t se calcula en valor absoluto.

Resultados del modelo de regresión lineal para la especie C1


De acuerdo a la prueba t, el coeficiente para A3 (para una probabilidad de 0.05) podría ser obviado, y el modelo recalculado con menos parámetros. Para no alargar la entrada, las pruebas eleminando coeficientes no han sido realizadas.

Algo que conviene recordar es el hecho que los coeficientes par A1, A2 y A3 aparecen en la matriz de resultados en orden inverso a como estén ordenandas las columnas en los datos.

Los resultados para C2 y C3 se realizarían con la misma función. En mi hoja de cálculo lo hice en K18:N22 y K32:N36, respectivamente.

Resultados para C2 y C3
De esta forma se tienen las ecuaciones:

C1 = 0.0103*A1- 0.0019*A2 - 0.00035*A3 + 0.0009
C2 = - 0.002*A1 + 0.0119*A2 - 0.0032*A3 +0.0006
C3 = 7.15*10^(-5)*A1 - 0.0013*A2 + 0.0164 *A3 + 0.002

Los coeficientes de correlación son de 0.996, 0.992 y 0.992 para los tres modelos. El ajuste parece ser adecuado.

Para comprobar la calidad del modelo se han simulado las absorbancias para tres muestras con concentraciones nominales conocidas de la misma forma que se hicieron los patrones. Con las ecuaciones anteriores se calcularon las concentraciones experimentales. Se calculan recuperaciones como (Valor calculado/valor nominal *100). Se observa que los valores de recuperación oscilan entre 93% y 112%, debido al error aleatorio que se le introdujo a las señales. Estos resultados podrían mejorarse si se incluyese un mayor número de medidas de absorbancias y un mayor número de patrones. Pero ese no es el objeto de esta entrada.

Muestras simuladas con sus concentraciones nominales, señales, concentraciones calculadas con el modelo y recuperaciones.
Hemos decidido calcular el modelo con la función matricial =ESTIMACION.LINEAL(), pero el mismo cálculo se podría haber hecho empleando la herramienta de Regresión del complemento Análisis de datos. Por ejemplo, para el compuesto C1:

Herramienta Regresión

Entrada de datos para el compuesto C1
 Hemos seleccionado las matrices de entrada de datos incluyendo el encabezado. Cuando se hace eso es necesario seleccionar Rótulos en el formulario. Ademas se ha seleccionado Residuos y Gráfico de residuales, por si alguien quiere analizar los mismos.
Resultados par C1
La ventaja es que, si se seleccionan los rótulos en el formulario, en la matriz de resultados queda claramente establecido que coeficiente corresponde a cada variable. Además de poder ver el ANOVA y los gráficos de residuales (y la representación de los valores reales y los estimados para los patrones, en caso de seleccionar la Curva de regresión ajustada. Otra ventaja es que se presentan los resultados de significación de cada coeficiente directamente (Probabilidad tras el valor del Estadístico t). En este caso, t no se obtiene en valor absoluto, pero la probabilidad si se obtiene para el valor positivo de t.
Resultados para C1, detalle de los coeficientes
En cuanto a los residuales, es otra ventaja el no tener que calcularlos a mano. En este caso se observa una distribución aleatoria de los mismos.

Detalle de los gráficos de residuales para C1

El mismo procedimiento podría llevarse a cabo para las concentraciones de C2 y C3. La herramienta a emplear es elección de quien realiza los cálculos. Aquí no continuaremos con ello, pero el lector puede comprobar los resultados por sí mismo.

Nota: En este ejemplo hemos generado tres modelos (uno para cada sustancia) que relacionan la concentración de la sustancia con absorbancias medidas a varias longitudes de onda (tres en este caso). Un ejemplo parecido a este, con esta misma forma de proceder se puede encontrar en Miller y Miller, 2002. Está forma de relacionar las variables facilita mucho el cálculo posterior en la muestra, al obtener directamente la concentración de cada analito mediante una función. Si se hubiesen relacionado las absorbancias con las concentraciones podríamos haber obtenido los coeficientes de absortividad molar para cada sustancia a cada longitud de onda. En ese caso, al medir cada muestra nos quedaría  un sistema con tres ecuaciones (tantas como absorbancias medidas) de las que habría que despejar las concentraciones. Esto complica el cálculo, pues primero habría que solucionar el ajuste lineal múltiple y luego el sistema de ecuaciones. Por eso parece más lógico relacionar directamente la concentración de cada sustancia con las absorbancias medidas. Ver: J. N. Miller, J. C. Miller, Estadística y Quimiometría para Química Analítica, Prentice Hall, Madrid, 2002, pp. 239-242

domingo, 25 de septiembre de 2016

¿Son mis coeficientes de ajuste significativamente distintos de cero?

No es la primera vez ni será la última en la que me encuentre a científicos que incluyen el punto (0, 0) en una curva de calibración (me refiero a calibración lineal en toda la entrada). Yo siempre lo desaconsejo, pues para mí el calibrado es válido solo entre los puntos que se incluyen de forma experimental. Además, es muy común que a concentraciones bajas existan desviaciones de la supuesta linealidad del calibrado. En algunas técnicas, como la espectroscopia de absorción atómica con atomización electrotémica (ETAAS) es fácil asumir que el punto (0, 0), que se obtiene poniendo el equipo a cero cuando se mide el blanco, podría ser incluido, porque ciertamente hay buena linealidad a concentraciones muy bajas para esta técnica. Pero en fin, en el fondo es cuestión de escuelas de pensamiento...

Hoy no pretendo hablar de esto, aunque si de algo relacionado. Porque una cosa es incluir el punto (0, 0) en un calibrado cuando se ha medido el blanco y patrones de muy baja concentración (ng/mL, en el ejemplo de ETAAS), y otra es asumir ese valor sin haber comprobado lo que ocurre a concentraciones bajas. Y eso es lo que hace mucha gente cuando "obliga" a la recta de calibración a pasar por el origen de coordenadas. A veces, un valor muy distinto al cero puede ser significativamente igual al mismo, y un valor muy próximo a cero no serlo en absoluto. Aquí repasaremos el test estadístico más habitual para comprobar si un coeficiente es significativamente igual a cero, lo que puede ser utilizado para cualquier tipo de ajuste.

Una serie de datos de calibración, dos opciones de ajuste

Antes de empezar decir que estos datos son simulados, y que en un ajuste real, posiblemente la mayor variabilidad de los resultados hagan que no sea tan simple tomar decisiones. En mi opinión, tampoco es tan imperante eliminar la ordenada en el origen de una regresión lineal simple, pues la ecuación resultante es sencilla para realizar posteriores operaciones. No suelo emplear este procedimiento salvo que estuviésemos comprobando varias variables (cada una con su coeficiente) en un ajuste múltiple, o queramos eliminar algún orden superior de un polinomio. Otra advertencia es que este test es extremadamente sensible al nivel de errores aleatorios del sistema de medida, es decir, una mayor variabilidad puede eliminar un coeficiente sin necesidad y una poca variabilidad mantener un coeficiente innecesario. Pero al menos tenemos unas reglas que se pueden aplicar para tomar decisiones.

Imaginemos los siguientes datos de señal (Y) y de concentración (X). Calculemos la ecuación de la recta de mejor ajuste mediante la fórmula matricial =ESTIMACION.LINEAL(B2:B7,A2:A7,1,1). Este procedimiento se explica en la entrada del blog Cálculo de regresión en Excel 2007, que es perfectamente extrapolable a cualquier otra versión de Excel. Se observa una pendiente b=0.0244 ± 0.0001 y una ordenada en el origen a= 0.0027 ± 0.0006, con un coeficiente de determinación R^2=0.99984. La ordenada en el origen es muy pequeña, con lo que uno puede pensar en eliminarla. Pero, ¿sería correcto? Si obtuviésemos la ecuación de la recta haciendo cero la ordenada en el origen (=ESTIMACION.LINEAL(B2:B7,A2:A7,0,1)), el nuevo coeficiente de determinación sería R^2=0.99983. Casi el mismo valor, con lo que uno se piensa si merece la pena eliminar la ordenada en el origen del ajuste. 

Introducción de los datos del primer ejemplo y cálculo de la recta de mejor ajuste, con ordenada en el origen.
Pero no es esa la forma correcta de comprobarlo. Lo habitual en la mayoría de los paquetes estadísticos, y Excel no es una excepción, es mostrar los resultados con una prueba t de Student asociada que compara el valor del coeficiente con el cero (la hipótesis nula es que el valor del coeficiente es estadísticamente igual a cero). Es muy simple, porque el valor de t se obtiene dividiendo el coeficiente entre su error y se compara este valor con el t crítico para una probabilidad α y n-k grados de libertad (n es el número de puntos del calibrado y k el número de parámetros que se estiman en el modelo). En las versiones más recientes de Excel se emplea la fórmula =INV.T.2C(probabilidad,grados_de_libertad) para obtener el valor de t crítico (en versiones antiguas =DISTR.T.INV(), que aún funciona en las nuevas versiones). Esta es la forma que prefiero personalmente para comprobarlo, calcular los valores de t de los parámetros y el valor crítico, y compararlos directamente. Si el valor calculado es mayor que el crítico, se rechaza la hipótesis nula y se dice que el coeficiente es significativo. En caso contrario, el coeficiente es igual a cero, desde un punto de vista estadístico, para la probabilidad seleccionada (generalmente α=0.05).

 Aunque en la mayoría de los paquetes estadísticos no se suele calcular el valor crítico de t y compararlo directamente con el t calculado para el parámetro, sino que se calcula la probabilidad de que  t calculado sea menor que t crítica, o lo que es lo mismo, que el coeficiente sea igual a cero. En Excel se puede usar la función =DISTR.T.2C(x,grados_de_libertad) para obtener esta probabilidad, siendo x el valor de t calculado para el parámetro. En las siguientes figuras se ve como se introducen estas fórmulas en nuestro ejemplo y como quedarán los resultados.

Introducción de los datos del ejemplo para comprobar la significación de los coeficientes 

Resultados de la comprobación
Como puede verse, ambos valores de t son mayores que el valor crítico, o bien ambas probabilidades (p) son inferiores a 0.05. Es decir, los coeficientes no son significativamente iguales a cero y no se deben eliminar del modelo.

Esto mismo lo hace Excel empleando la función Regresión del complemento Análisis de datos del menú Datos. El complemento hay que activarlo en Archivo/Opciones/Complementos. Esta función se explica en  Cálculo de regresión en Excel 2007 y también se puede ver en el tutorial de ajuste en Excel publicado en la revista Educación Química. El formulario de esta función, que aparece en la siguiente figura, genera una hoja nueva en el libro de la que podemos sacar la misma información que  he indicado antes.

Formulario de la función Regresión del complemento Análisis de Datos

Resultados para la función Regresión del complemento análisis de datos.
En las celdas B17 y B18 aparecen los valores de ordenada en el origen (intercepción o intercepto) y pendiente, respectivamente. En las celdas C17 y C18 aparecen sus errores. Los valores de t calculado aparecen en las celdas D17 y D18 y la probabilidad de que el coeficiente sea igual a cero en las celdas E17 y E18. Además calcula unos límites de confianza para los coeficientes como (Coeficiente ± error del coeficiente* t calculado) para un nivel de confianza dado. Como se observa, los resultados son similares a los que se han obtenido mediante fórmulas.

El segundo ejemplo lo dejo a modo de ejercicio. Es curioso como ahora que tenemos una ordenada en el origen de 1.3 ± 1.0, el coeficiente es estadísticamente igual a cero. Como he dicho, todo depende de los errores del parámetro...

Segundo ejemplo, para que lo haga aquel que esté interesado






viernes, 13 de mayo de 2016

Dar clases es una pérdida de tiempo, hay que dedicarse a publicar JCRs

Si el título de esta entrada fuese además mi opinión personal, alguno se echaría las manos a la cabeza, y otros no tanto. Pero este título no hace más que sacar de contexto una transcripción que he encontrado (gracias a una compañera de la Universidad de Sevilla) en una publicación del diario electrónico BEZ titulado Privatización de la Ciencia en una Universidad cada vez más miserable. Y digo sacar de contexto porque lo que dice el señor al que se refiere el periódico es:

<<“Para acreditaros y para, después, conseguir las plazas que salen a concurso, tenéis que publicar artículos JCR y, a ser posible, en solitario". Reitera: "¡Dejaos de todo lo demás: JCR y en solitario!>>. 

Esto no tendría mayor importancia si en la noticia no se hiciese referencia a quien lo dice. Según el autor del artículo, esto lo dice un señor de la ANECA (Agencia Nacional de Evaluación de la Calidad y Acreditación). La ANECA es la entidad que vela, entre otras cosas, para que el profesorado universitario cumpla unos mínimos de calidad, pues se encarga de acreditar que una persona es adecuada para ser contratado por una Universidad en las escalas de Ayudante Doctor, Profesor Contratado Doctor, Profesor Titular de Universidad y Catedrático de Universidad. Y si este señor nos dice, en una charla para profesores, que solo importa publicar JCRs, yo me pregunto: ¿dar clase (bien) no es importante?

Imagino que este señor, rompiendo una lanza a su favor, se sinceró y dio a los presentes un consejo para que sepan a qué atenerse con la ANECA. Esta recomendación no es exclusiva de "el señor de la ANECA". ¿Quién no ha oído esto alguna vez en un pasillo de una facultad cualquiera? ¿Quién no le ha dicho a un amigo en edad de merecer que lo mejor es pedir la acreditación cuando tenga un buen número de JCRs? Yo no puedo tirar la primera piedra. Recomiendo a la gente que trabaje para publicar, porque ese es el medio para estar entre los contratables. Esa fue mi propia estrategia. Pero me parece un error que se le quite importancia a lo demás, al menos sin aclarar que entre lo demás no debemos considerar la docencia. Porque la docencia para un profesor de Universidad debe ser lo más sagrado

Pero la realidad es otra. Recuerden como el Real Decreto-ley 14/2012, de 20 de abril, de medidas urgentes deracionalización del gasto público en el ámbito educativo, en su artículo 68, metió la pata. Si, si, metió la pata indicando que el que no tuviese sexenios tenía que dar 80 horas más de clase que sus compañeros. Como si fuera un castigo.

Extracto del artículo 68, RD-L 14/2012
Por cierto que para obtener un sexenio en mi área (Química) se necesitan al menos 5 trabajos JCR en el primer cuartil del listado. Es decir, trabajos en revistas de alto indice de impacto. Y ya conocéis mi opinión al respecto.

Vaya por delante que después, el Ministerio de Educación, Cultura y Deporte dejó la pelota en el tejado de  las Universidades, reculando sobre el contenido el artículo en una nota aclaratoria.

Luego, tergiversando mucho los desvelos de nuestros amados políticos para que seamos los mejores docentes universitarios del mundo mundial y el de los encargados de velar por nuestro buen hacer, dar clases es una pérdida de tiempo, hay que dedicarse a publicar JCRs.

NOTA: He solicitado al diario digital si es posible que me indiquen donde se dieron esas palabras, ya por mera curiosidad. 



domingo, 1 de mayo de 2016

Separation Science: recursos on-line y de libre acceso

Buscando algo de material para mis alumnos he descubierto la web Separation Science, donde científicos de la talla de  John Dollan, Matthew Klee, Frederick Klink,  David Sparkman, Cari Sänger escriben sobre cromatografía líquida de alta eficacia (HPLC), cromatografía de gases (GC), espectrometría de masas (MS) y electroforesis capilar (CE). Se presentan aplicaciones en el campo del análisis de alimentos, medioambiental, farmacéutico y bioclínico


Logotipo de la web Separation Science

La propia web se define como el portal educativo más importante para los usuarios habituales de cromatografía y espectrometría de masas. Creo que merece la pena echarle un vistazo.

viernes, 29 de abril de 2016

ChemWiki, recursos educativos de la Universidad de California, Davis

Quiero recomendar una página web que he descubierto hace poco, aunque lleva tiempo funcionando. Se trata de ChemWiki, de la Universidad de California en Davis. Se define como una de las principales aplicaciones de la STEMWiki Hyperlibrary (empresa multi-institucional para desarrollar textos electrónicos de libre acceso con fines educativos en STEM ( Ciencia , Tecnología , Ingeniería y Matemáticas ). Con lo cual, también disponen de BioWiki, GeoWiki, StatWiki, PhysWiki y MathWiki. Todos se pueden acceder desde el enlace anterior.

Captura de la página principal de ChemWiki


En cuanto a ChemWiki destaco los Textbooks Maps, y sobre todo el Analytical Chemistry Texbook Maps, donde se encuentra el libro del profesor David Harvey: Analytical Chemistry 2.0, que ya habiamos mencionado en este blog.
Pero también incluye material de Química General, Química Orgánica, Química Inorgánica, Química Física, Química Teórica...
Hay contenidos de algunos libros que todos conocemos, todo de libre acceso. Os invito a indagar según vuestras necesidades.

viernes, 22 de abril de 2016

Lo que hace mi Facultad: bioplásticos de cangrejo

Hoy tengo el gusto de compartir una noticia que ha aparecido en el Diario de Sevilla sobre el trabajo de Manuel Félix Ángel con profesores del departamento de Ingeniería Química. Manuel fue mi alumno, de ahí que me agrade ver su nombre en una nota de prensa sobre los frutos de su investigación. Esta es mi forma de darle la enhorabuena. El trabajo que han realizado versa sobre el aprovechamiento de subproductos y residuos de la industria del cangrejo rojo. Os enlazo además la nota de prensa de la Universidad  de Sevilla a este respecto y los enlaces a los dos trabajos que allí se citan. He buscado la tesis, que parece ser se leyó en enero, pero aun no la he visto en el repositorio de la Universidad de Sevilla. Si tengo su título: Valorización de subproductos y residuos de la industria del cangrejo rojo en base a su contenido proteico.

Captura de la noticia en el diario de Sevilla, versión digital.


Referencias

M. Félix, A. Romero, F. Cordobés, A. Guerrero. Development of crayfish bio-based plastic materials processed by small-scale injection moulding. Journal of the Science of Food and Agriculture. 2015, 95, 679-87.

M. Felix, A. Romero, J.E. Martín-Alfonso, A. Guerrero. Development of crayfish protein-PCL biocomposite material processed by injection moulding.  Composites Part B Engineering, 2015; 78, 291-297.