Portafolio Estudiantil
Bitácora digital del curso Sistemas de Base de Datos I (II Semestre 2026): conceptos, ciclo de vida, modelaje entidad–relación, normalización y SQL, con cada actividad y aprendizaje documentado.
Secciones que integran el portafolio
- 01Portada
- 02Tabla de contenido
- 03Presentación de la asignatura
- 04Evaluación y cronograma
- 05Contenido del curso · unidades
- 06Carta de presentación
- 07Autorretrato
- 08Asignaciones y bitácora de aprendizajes
- 09Parciales
- 10Corrección del Parcial 1
- 11Consideraciones finales
- 12Materiales de la asignatura
- 13Rúbrica de evaluación
- 14Área para evaluación del profesor
Descripción de la asignatura
El curso Sistemas de Base de Datos I comprende clases teóricas y prácticas, mediante las cuales se proveerá al estudiante de los conocimientos necesarios para el diseño eficiente de bases de datos y la importancia de su uso dentro de una organización. Se profundiza en el desarrollo del modelo conceptual, lógico y físico de una base de datos relacional debidamente normalizada, llevada a la práctica mediante el lenguaje estructurado SQL.
Se abordan como temas prioritarios: conceptos sobre bases de datos, fases en el desarrollo y construcción de una base de datos, modelaje conceptual, fundamentos del modelo relacional, normalización, MS SQL (lenguaje estructurado de consulta), vistas e introducción a los sistemas de gestión de bases de datos NoSQL.
Ficha del curso
Sistemas de Base de Datos I · Cód. 8398
2GS211 · Cód. horario 3971
II Semestre de 2026
Marlenis A. Pimentel M. · marlenis.pimentel@utp.ac.pa
Ingeniería de Sistemas Computacionales · Lic. en Desarrollo y Gestión de Software
Universidad Tecnológica de Panamá
Objetivo general: desarrollar el diseño conceptual y lógico de bases de datos para responder a las necesidades organizacionales, aplicando metodologías, estándares y herramientas tecnológicas del campo de la especialidad.
Distribución de la nota
| Aspecto | Porcentaje | Observación |
|---|---|---|
| Parciales (3) | 30% | 17 de septiembre · 22 de octubre · 26 de noviembre |
| Semestral | 35% | Diciembre de 2026 |
| Tareas | 20% | Trabajos en clase y en grupo |
| Portafolio | 10% | Entrega en 3 partes (1er parcial, 2do parcial y semestral) |
| Asistencia | 5% | Participación y puntualidad |
| Total | 100% | — |
El portafolio se entrega fraccionado: la primera parte el día del primer parcial, la segunda acumulativa el día del segundo parcial y la entrega final el día del semestral.
Siete unidades de contenido
- IConceptos sobre base de datos
- IIFases en el desarrollo y construcción de una BD
- IIIModelaje conceptual de base de datos
- IVFundamentos del modelo relacional
- VNormalización
- VISistemas de base de datos no relacionales (NoSQL)
- VIILenguaje estructurado de consulta (SQL)
El propósito de este portafolio
Este portafolio reúne mi trayectoria en el curso Sistemas de Base de Datos I durante el II semestre de 2026. Su propósito es documentar, organizar y evidenciar los aprendizajes del curso: desde los conceptos fundamentales de las bases de datos y sus sistemas gestores, pasando por el ciclo de vida y las técnicas de levantamiento de hechos, hasta el modelaje entidad–relación, el diseño relacional y la normalización que sustentan una base de datos sólida.
Cada sección incluye las asignaciones desarrolladas en equipo, la bitácora metacognitiva de cada sesión, los materiales de apoyo del curso y una reflexión personal. Mi meta es convertir esta carpeta en una herramienta de estudio y de mejora continua como futuro profesional del desarrollo y la gestión de software.
Autorretrato
Soy estudiante de la Universidad Tecnológica de Panamá. Me considero una persona responsable, organizada y con gusto por el trabajo en equipo; me motiva convertir datos sin estructura en sistemas de información útiles y confiables.
Trabajo en equipo · organización · análisis y resolución de problemas · constancia para alcanzar metas.
Dominar el diseño y la normalización de bases de datos · aprobar los tres parciales y el semestral · aplicar SQL en proyectos personales de software.
Bitácora de aprendizajes
- 01Dinámica "Conectando Historias y Metas" · 20 de agosto
- 02Actividad 1 · Trabajo en clases: entidades · 21 de agosto
- 03Actividad 2 · Técnicas de determinación de hechos · 28 de agosto
- 04Actividad 3 · Ingeniería inversa del negocio · 2–3 de septiembre
- 05Charla BD en el Internet de las Cosas (IoT) · 10 de septiembre
- 06Actividad 4 · Relaciones en el modelo E/R · 11 de septiembre
- 07Actividad 5 · Modelo conceptual del subsistema de compras · 18 de septiembre
- 08Actividad 6 · Cardinalidades y grados E/R · 24 de septiembre
- 09Charla · Tendencias en BD en la computación en la nube · 25 de septiembre
- 10Actividad 7 · Álgebra relacional · 2 de octubre
- 11Charla · Ética, privacidad y protección de datos · 2 de octubre
- 12Actividad 8 · Taller práctico de Álgebra Relacional · 8–9 de octubre
- 13Charla Tema 7 · BD en aplicaciones web y móviles · 9 de octubre
- 14Charla · IA y ML en Bases de Datos · 16 de octubre
- 15Charlas de otros grupos: Big Data · Ciberseguridad
- 16Diario metacognitivo · durante todo el semestre
Conectando Historias y Metas
Dinámica de integración del primer día: fortalecer la confianza del grupo y motivar el arranque del semestre con metas claras.
Cada estudiante compartió una experiencia memorable de sus vacaciones, una fortaleza personal y una meta del semestre.
Descubrimos compañeros que solo estudian, que trabajan y estudian, que hablan otro idioma o desean emprender.
En equipos compartimos un reto académico, una estrategia de éxito y una forma de apoyar al grupo.
Cada quien eligió una palabra para vivir el semestre. Mi palabra: disciplina.
Aprendizaje: entendí que el grupo combina realidades distintas (quienes solo estudian y quienes también trabajan) y que el apoyo mutuo fortalece el semestre.
Actividad 1 · Trabajo en clases
A partir de un caso (un gimnasio) identificamos las entidades principales del dominio y cómo se relacionan entre sí, aplicando por primera vez la lectura de datos como base para un futuro modelo entidad–relación.
Socios
ID, nombre, apellido, correo, teléfono e ID del plan.
Entrenadores
ID, nombre, apellido, correo y teléfono.
Planes de entrenamiento
Planes Básico, Premium y Black.
Relaciones: un socio se inscribe en varios planes y un plan tiene varios socios (relación M:N resuelta con las inscripciones como tabla intermedia); un entrenador guía varias inscripciones, pero cada inscripción tiene un único entrenador responsable.
Técnicas de determinación de hechos
Caso Green Garden: levantamos los requerimientos de la tienda de plantas aplicando tres técnicas complementarias antes de diseñar la base de datos.
Necesidades del negocio y tres preguntas adicionales a la gerente (clientes frecuentes, actualización de inventario y pedidos a proveedores).
Problemas comunes, procesos (venta, inventario, compras) y requisitos funcionales con reportes.
Problemas observados (inventario en papel, sin actualización en tiempo real) y soluciones con códigos de barras y alertas.
Conclusión de la actividad: registrar ventas con fecha, cliente, productos y monto; controlar entradas y salidas del inventario; gestionar pedidos a proveedores y generar reportes diarios.
Ingeniería inversa del negocio
Caso 3B Car (marketplace de autos usados): “desarmamos” la empresa en cinco áreas funcionales y las traducimos a datos y permisos mediante una matriz CRUD.
| Rol | Vehículo | Anuncio | Pago de anuncio | Factura |
|---|---|---|---|---|
| Cliente web | R | R | R | — |
| Vendedor | C, R, U | C, R, U | C, R | R |
| Admin de anuncios | R, U | R, U | R | — |
| Contador | R | R | C, R, U | C, R, U |
| Admin TI | D | D | D | D |
La matriz define seguridad y permisos, valida el modelo de datos y le indica al programador qué pantallas y APIs construir para cada perfil.
Actividad 4 · Relaciones E/R
Taller en grupo sobre las relaciones en el modelo Entidad–Relación: identificamos y analizamos las relaciones entre entidades, reconociendo sus componentes, cardinalidades y grados para representar correctamente los datos.
Los verbos conectan entidades: un profesor imparte un curso, un cliente realiza un pedido y un médico atiende a un paciente.
Clasificamos cada relación en 1:1 (id ↔ estudiante), 1:N (cliente → pedidos) y N:M (autores y libros) según las instancias asociadas en cada lado.
Relaciones binarias (2 entidades) y ternarias, por ejemplo un médico receta un medicamento a un paciente.
Equipo: Johan Gómez · Christopher Burke · Brayan Navarro · Deriz Gutiérrez. La actividad de 100 puntos abarcó identificación de relaciones, clasificación por cardinalidad y grado.
⌅ Ver entrega (DOCX)Modelo conceptual del subsistema de compras
Caso Sistema de Información Tienda: modelamos alrededor de los casos de uso para representar compras, cotizaciones, artículos y proveedores con sus cardinalidades mínima y máxima.
Tienda de productos alimenticios con ~500 clientes, 30 proveedores y 60 compras mensuales. El alcance cubre el subsistema de compras.
Proveedor, Artículo, Tipo de artículo, Compra, Detalle de compra, Cotización y Detalle de cotización.
Un proveedor emite varias compras y cotizaciones; cada compra y cotización tiene varios detalles; un artículo aparece en muchas compras y cotizaciones.
Estrategia: un caso de uso por proceso. Del texto de cada proceso se derivan las entidades, sus atributos y las reglas de negocio; las tablas de detalle resuelven las relaciones 1:N y N:M.
Cardinalidades y grados E/R
Taller de 100 puntos con tres bloques: clasificar cardinalidades, identificar el grado de la relación y reconocer entidades y verbos de relación en enunciados del mundo real.
1:1 persona–identidad; 1:N médico–pacientes; N:M autores–libros. Indica cuántas instancias se relacionan.
Unaria supervisor evalúa supervisor; binaria estudiante solicita libro; ternaria médico receta medicamento a paciente.
Subrayar las entidades y el verbo; contar cuántas entidades participan; validar la cardinalidad con ejemplos de instancias.
Regla clave: cardinalidad = cuántas instancias se relacionan; grado = cuántas entidades participan. Equipo: Christopher Burke · Jackson Del Cid · Deriz Gutiérrez.
La práctica fue muy parecida a una sección del parcial: leer el enunciado, separar entidades y relación, y justificar la respuesta con instancias concretas.
⌅ Ver entrega (DOCX)Álgebra relacional · universidad
Taller práctico con el caso ESTUDIANTE, PROFESOR, ASIGNATURA y MATRICULA: selección, proyección, producto cartesiano, JOIN y operaciones de conjuntos.
σ filtra filas, π elige columnas y elimina duplicados, × combina todo y ⋈ relaciona por una condición.
∪ unión, ∩ intersección y − diferencia. En la diferencia el orden importa.
¿Qué filas quiero? → ¿qué columnas muestro? → ¿qué tablas necesito? → combinar y verificar el resultado.
Ejemplo: π nombre (σ semestre > 4 (ESTUDIANTE)) devuelve los nombres de los estudiantes de semestres superiores a 4. El JOIN conserva solo las combinaciones que cumplen la igualdad; el producto cartesiano genera todas.
Equipo: Johan Gómez · Deriz Gutiérrez · Christopher Burke. Se resolvieron 22 ejercicios y 6 retos, incluyendo consultas con tres y cuatro relaciones.
⌅ Ver entrega (DOCX)Taller práctico de Álgebra Relacional
Caso Sistema de Biblioteca Universitaria: consultas con USUARIO, AUTOR, LIBRO y PRESTAMO aplicando selección, proyección, producto cartesiano, JOIN, unión, intersección y diferencia.
σ, π, ×, ⋈, ∪, ∩, − combinados con condiciones y múltiples relaciones.
Usuarios por carrera/semestre, préstamos por días, libros por autor, usuarios que solicitaron un libro pero no otro, y usuarios con ambos préstamos.
Para encontrar «quienes no solicitaron X»: (π nombre USUARIO) − (π nombre (... JOIN PRESTAMO ... σ cod_libro='X' ...)). Para «ambos»: usar ∩.
Equipo: Johan Gómez · Brayan Navarro · Deriz Gutiérrez.
⌅ Ver actividad (PDF)Tendencias en BD en la computación en la nube
Del servidor local al servicio gestionado: modelos IaaS/PaaS/SaaS, DBaaS, escalabilidad y disponibilidad, migración y desafíos.
IaaS (infraestructura), PaaS (plataforma), SaaS (aplicación). DBaaS delega la gestión del SGBD al proveedor.
Pago por uso, aprovisionamiento bajo demanda, escalado elástico, alta disponibilidad (réplicas, zonas múltiples, failover).
Seguridad y privacidad, dependencia de Internet, migración de sistemas heredados, costos inesperados, capacitación y vendor lock-in.
Relacional (SQL) o NoSQL según el caso. El proveedor se encarga de respaldos, actualizaciones, parches y mantenimiento; la organización debe cuidar permisos, cifrado y gobernanza.
Equipo expositor: Donaciano Rosas · Luis A. Sabin · Kenneth Martinez · Marlenis Quintero · Aristides Yángüez Fuentes.
⌅ Resumen (DOCX) ⌅ Presentación (PDF)Ética, privacidad y protección de datos
Privacidad, principios éticos, marco normativo, filtraciones, IA e inferencia algorítmica.
Consentimiento, finalidad, minimización, transparencia, confidencialidad, exactitud y responsabilidad.
Cifrado en reposo/tránsito, control de acceso y mínimo privilegio, MFA, anonimización/seudonimización, auditorías y copias de respaldo.
Ley 81 (Panamá, 2019), Decreto Ejecutivo 285 (2021), derechos ARCO, RGPD (UE), CCPA, LGPD. También Convenio 108.
El mayor riesgo suele ser humano (phishing/ingeniería social). Caso Equifax 2017 expuso ~147 millones de registros. Con IA, la anonimización tradicional falla: los algoritmos pueden inferir atributos sensibles y generar sesgo algorítmico.
Equipo expositor: Abdiel Castillo · Carlos Montenegro · Yurem Jordan · Jeison Palacio · Khaled Mojica.
⌅ Resumen (DOCX) ⌅ Presentación (PDF)Base de datos en el Internet de las Cosas
Presentación del tema “Base de datos en el IoT”: cómo los dispositivos conectados generan grandes cantidades de datos que exigen sistemas para almacenarlos, procesarlos y analizarlos en tiempo real.
- 01Ideas clave: series temporales, escalabilidad, nube y análisis en tiempo real.
- 02Casos en la industria, la salud y las ciudades: monitoreo de temperatura, presión, velocidad y parámetros del paciente.
- 03Seguridad y privacidad: los dispositivos mal protegidos pueden ser atacados (accesos no autorizados, manipulación de datos y fuga de información personal).
- 04Conclusión: el IoT genera un volumen masivo de datos y las bases de datos son fundamentales para organizar, conservar, consultar y analizar esa información.
Inteligencia Artificial y Machine Learning en bases de datos
Datos confiables como combustible, SQL como puente, In-Database ML, bases inteligentes y bases vectoriales para IA.
Los datos organizados y normalizados alimentan el modelo. La calidad y la integridad condicionan las predicciones.
In-Database ML ejecuta el modelo cerca de los datos. Bases autónomas (self-driving/self-securing/self-repairing). Bases vectoriales y embeddings para búsqueda semántica.
Sesgos por datos incompletos, opacidad de los modelos, transparencia, seguridad y responsabilidad. La IA no reemplaza un buen diseño de BD.
ETL prepara el dataset; JOIN/GROUP BY crean vistas reutilizables. El movimiento masivo de datos a entornos externos crea latencia y costo; acercar el modelo al SGBD reduce ese cuello de botella.
Equipo expositor: Jhon Caballero · José Chavez · Jackson Del Cid · Teddy Soto.
⌅ Resumen (DOCX) ⌅ Presentación (PDF)BD en aplicaciones web y móviles
Charla grupal sobre el Tema 7, presentada el viernes 9 de octubre de 2026 por el equipo (Christofer Burke, Brayan Navarro, Johan Gómez y Deriz Gutiérrez).
- 01Arquitectura en capas de una aplicación con base de datos (cliente, backend/API, SGBD).
- 02Interacción app ↔ SGBD: conectores, lenguajes, ORM, pooling y transacciones ACID.
- 03Operaciones CRUD como ciclo de vida del dato (SQL y sus equivalentes REST).
- 04Motores relacionales y NoSQL para la web; locales (SQLite, Room) y nube (Firebase, Supabase) para el móvil.
- 05Buenas prácticas: seguridad, indexado, migraciones, backups y monitoreo.
Resúmenes de las charlas presentadas
Documento el resumen de cada charla expuesta por los demás equipos del curso, tal como se solicita en el portafolio, con su portada y los conceptos clave de cada tema.
Big Data y el futuro de las bases de datos
Las 5 V del Big Data, los pilares del proceso, Hadoop y Spark, y la analítica aplicada a la toma de decisiones.
Equipo expositor: Bradley S. Gutiérrez · Deyvis Atencio · Alison Santamaría · Carmen Cascante · Keiris Arcia · 11 de septiembre de 2026
⌅ Resumen (DOCX)Ciberseguridad en bases de datos
Tríada CID, control de acceso, respaldos 3-2-1, cifrado y el factor humano frente al ciberataque.
Equipo expositor: Tomás Chavarría · Iván González · Eduardo Morales · Miguel Sánchez · Luis Valdez · 4 de septiembre de 2026
⌅ Resumen (DOCX)BD en la computación en la nube
IaaS/PaaS/SaaS, DBaaS, escalabilidad, disponibilidad, migración y desafíos.
Donaciano Rosas · Luis A. Sabin · Kenneth Martinez · Marlenis Quintero · Aristides Yángüez Fuentes · 25 de septiembre de 2026
⌅ Resumen (DOCX)Ética, privacidad y protección de datos
Principios, medidas, Ley 81 y RGPD, filtraciones, inferencia e IA.
Abdiel Castillo · Carlos Montenegro · Yurem Jordan · Jeison Palacio · Khaled Mojica · 2 de octubre de 2026
⌅ Resumen (DOCX)IA y ML en Bases de Datos
Datos para ML, In-Database ML, bases inteligentes y bases vectoriales.
Jhon Caballero · José Chavez · Jackson Del Cid · Teddy Soto · 16 de octubre de 2026
⌅ Resumen (DOCX)Big Data y el futuro de las bases de datos
El Big Data procesa activos de información masivos que superan las bases de datos tradicionales y agrega valor para la toma de decisiones estratégicas.
1 · Las 5 V: volumen (escala de Terabytes a Zettabytes), velocidad (generación y procesamiento en tiempo real), variedad (datos estructurados, semiestructurados y no estructurados), veracidad (calidad, fiabilidad y limpieza) y valor (utilidad real para el negocio).
2 · Pilares del proceso: fuentes (IoT, redes sociales y sensores) → proceso (almacenamiento y limpieza en infraestructuras escalables) → análisis (modelado y detección de patrones) → decisión (acción estratégica basada en evidencia y predicciones).
3 · Tecnologías y almacenamiento: Hadoop (con HDFS, MapReduce y YARN) y Apache Spark; análisis en tiempo real con Structured Streaming y computación en la nube escalable bajo demanda.
4 · Principales retos: capacidad para escalar, velocidad de consulta, seguridad, calidad (errores, duplicados e incompletos) e integración de múltiples fuentes.
5 · Tipos de análisis: descriptivo (qué ocurrió), diagnóstico (por qué ocurrió), predictivo (qué podría ocurrir) y prescriptivo (qué acciones tomar).
6 · Aplicaciones y futuro: marketing, ventas y detección de fraudes; salud pública, transporte y ciudades inteligentes; evolución hacia IA, machine learning, automatización y Cloud.
Equipo expositor: Bradley S. Gutiérrez · Deyvis Atencio · Alison Santamaría · Carmen Cascante · Keiris Arcia. Presentada el 11 de septiembre de 2026.
Ciberseguridad en bases de datos
Medidas y controles para proteger la información contra ciberataques, accesos no autorizados y pérdidas accidentales.
1 · Tríada CID: confidencialidad (solo usuarios autorizados, con cifrado en reposo y tránsito, RBAC y vistas enmascaradas), integridad (transacciones ACID, restricciones referenciales, funciones hash y auditoría) y disponibilidad (clústeres de alta disponibilidad, réplicas y plan de recuperación DRP).
2 · Amenazas y control de acceso: inyección SQL (SQLi), datos en texto plano y exceso de privilegios; la autenticación (“¿quién eres?”) vs. la autorización (“¿qué puedes hacer?”); MFA y los modelos DAC, MAC, RBAC y ABAC (principio del menor privilegio, PoLP).
3 · Copias de seguridad y recuperación: respaldo completo (100%), diferencial (cambios desde el último completo) e incremental (desde el último respaldo de cualquier tipo); regla 3-2-1 y métricas RPO / RTO con simulacros periódicos de restauración.
4 · Cifrado, mantenimiento y factor humano: cifrado en reposo con FDE y gestores de claves (HSM/KMS) y en tránsito con TLS 1.3 y SSH; parcheo evaluado por gravedad CVSS con monitoreo SIEM; el factor humano como eslabón más débil ante el phishing y la ingeniería social.
Equipo expositor: Tomás Chavarría · Iván González · Eduardo Morales · Miguel Sánchez · Luis Valdez. Presentada el 4 de septiembre de 2026.
Diario metacognitivo
Reflexión de cada sesión de Base de Datos I siguiendo el formato oficial de la guía: información general, ¿qué aprendí?, aspectos fáciles y difíciles, resolución y notas adicionales.
- 01S1 · Presentación y evaluación · 20 de agosto
- 02S2 · Conceptos sobre bases de datos · 21 de agosto
- 03S3 · Ciclo de vida del desarrollo (DSDLC) · 27 de agosto
- 04S4 · Errores comunes por etapa · 28 de agosto
- 05S5 · Fundamento del modelo relacional · 25 de septiembre
- A1Identificando una Base de Datos · 21 de agosto
- A2Técnicas de determinación de hechos · 28 de agosto
- A3Ingeniería inversa del negocio · 2–3 de septiembre
- A4Relaciones en el modelo E/R · 11 de septiembre
- A5Modelo conceptual del subsistema de compras · 18 de septiembre
- A6Cardinalidades y grados E/R · 24 de septiembre
- A7Álgebra relacional · 2 de octubre
- A8Taller práctico de Álgebra Relacional · 8–9 de octubre
Las reflexiones de cada sesión y el resumen de las charlas están organizados en las siguientes slides con el formato oficial del diario metacognitivo.
Sesiones de clase 1 y 2
Sesiones de clase 3 y 4
Identificando una base de datos
Relación clave del caso: un socio se inscribe en varios planes y un plan tiene varios socios (M:N resuelta con la tabla intermedia de inscripciones).
Técnicas de determinación de hechos
Requisitos identificados: registrar ventas (fecha, cliente, productos, monto), controlar inventario y gestionar pedidos a proveedores con reportes diarios.
Ingeniería inversa del negocio
Áreas mapeadas: comercial/anuncios, monetización, finanzas y facturación, verificación de vehículos y atención al cliente; cada perfil tiene permisos propios.
⌅ Entrega (DOCX) ⌅ Matriz CRUD (MD)Relaciones en el modelo E/R
La relación un médico receta un medicamento a un paciente es de grado ternario: participan tres entidades.
Modelo conceptual del subsistema de compras
Entidades clave: Proveedor, Artículo, Tipo de artículo, Compra, Detalle de compra, Cotización y Detalle de cotización. Una compra puede tener varios detalles y un artículo puede aparecer en muchas compras.
Cardinalidades y grados E/R
Regla clave: cardinalidad = cuántas instancias se relacionan (1:1, 1:N, N:M); grado = cuántas entidades participan (unaria, binaria, ternaria).
Fundamento del modelo relacional
Idea clave: el modelo E/R entiende el negocio; el modelo relacional define las tablas que se implementan. La clave foránea materializa las relaciones.
⌅ Guía Unidad IV (DOCX)Álgebra relacional
Ejemplo: π nombre (σ semestre > 4 (ESTUDIANTE)) devuelve los nombres de los estudiantes de semestres superiores a 4.
Parciales y su retroalimentación
17 de septiembre
Parcial escaneado con su corrección y análisis de errores cometidos.
Ver parcial escaneadoIr a sección de corrección22 de octubre
Se anexará el parcial escaneado con su corrección y el análisis de los errores cometidos.
26 de noviembre
Se anexará el parcial escaneado con su corrección y el análisis de los errores cometidos.
Formato exigido por la guía: parciales escaneados y corregidos, con comentarios sobre los aspectos negativos y cómo corregirlos para la siguiente evaluación.
Parcial 1 · Evidencia y errores
Revisión del examen entregado y diagnóstico de los errores detectados en el modelado E/R, las cardinalidades y la identificación de atributos.
Tres páginas del examen entregado el 17 de septiembre.
- 01Cardinalidades: confusión entre relaciones 1:N y M:N al interpretar las reglas del negocio.
- 02Entidades débiles: identificación incorrecta de entidades dependientes y de sus claves.
- 03Atributos: omisión de atributos clave necesarios para completar el modelo.
El parcial evidenció que el problema no fue el dibujo del diagrama, sino la lectura previa de los requerimientos. La corrección se centró en volver a las reglas de negocio antes de fijar cardinalidades.
Correcciones y aprendizajes
- 01Reevaluación de las reglas de negocio para establecer correctamente las relaciones.
- 02Ajuste de cardinalidades y verificación con ejemplos concretos de instancias.
- 03Clarificación de la clave primaria y foránea según el modelo relacional.
- 01Leer detenidamente los requerimientos antes de modelar.
- 02Validar cada relación con ejemplos reales.
- 03Seguir el proceso de diseño conceptual → lógico paso a paso.
La revisión permitió detectar las fallas del Parcial 1 y convertir cada error en una acción concreta para el Parcial 2: reforzar cardinalidades, modelado entidad–relación y análisis de requerimientos. La misma disciplina se aplicará en las actividades restantes del curso.
Conclusiones y reflexión
Este curso me enseñó que una base de datos no es un archivo de Excel grande: es el resultado de entender un negocio, modelarlo con rigor y convertirlo en un sistema normalizado que sobrevive al crecimiento de la organización.
- 01Técnicas de determinación de hechos y matrices CRUD.
- 02Modelaje entidad–relación y mapeo al modelo relacional.
- 03Reglas de normalización para eliminar redundancia.
Conocer al grupo y fijar metas
Convertir el negocio 3B Car en entidades y permisos
Conectar las BD con las apps que uso a diario
“Los datos son el activo más valioso de una organización; aprender a diseñarlos bien es aprender a cuidar ese activo.”
Caja de herramientas del curso
Diapositivas de teoría de la profesora, documentos oficiales y un recurso de estudio propio.
Presentaciones de las primeras semanas, tal como las usa la docente en las sesiones.
Guías, formatos y rúbrica oficiales que rigen el portafolio y las actividades.
Guía práctica para aprender SQL; refuerza los temas de consultas y manipulación de datos del curso.
Material de uso interno compartido por la docente y recursos de estudio agregados por el alumno.
Criterios de evaluación
| Criterio | Por mejorar | Regular | Bueno | Excelente |
|---|---|---|---|---|
| Organización e identificación de secciones | ||||
| Materiales y experiencias adecuadas | ||||
| Comentarios del alumno en cada sección | ||||
| Análisis de las evaluaciones incluidas | ||||
| Nuevos materiales por iniciativa del alumno | ||||
| Anécdotas o eventos importantes | ||||
| Logros sucesivos y corrección de errores | ||||
| Manejo de contenidos (cuadros, resúmenes, materiales) | ||||
| Relaciones con materiales de iniciativa propia e investigación | ||||
| Comentarios del estudiante |
Matriz de evaluación oficial del portafolio; será completada por la docente según los criterios del curso.
Espacio para la evaluación docente
Sección reservada para que la profesora registre la evaluación de la ejecución del estudiante en el curso y en el portafolio.