Modelo de optimización que apoye en la toma de decisiones académicas basado en minería de datos para el Departamento de Ciencias de la Computación. Un enfoque en la demanda de cupos, matriculación y rendimiento académico

El proceso de asignación académica en las instituciones de educación superior enfrenta desafíos significativos en la planificación y distribución de recursos para la enseñanza, los cuales permiten la asignación de cupos para los estudiantes, la apertura de aulas, laboratorios y designar los respectivos docentes para cada período académico. Este proceso, tradicionalmente manual y sujeto a una imprecisión alta conlleva a errores en la planificación curricular y se requiere de una solución que optimice la estimación de estudiantes por asignatura. Para abordar este problema, se desarrolló una herramienta tecnológica de apoyo basada en la minería de datos, utilizando el marco de trabajo CRISP-DM para la gestión y análisis de datos. El enfoque incluyó la recolección y reconstrucción de historiales académicos mediante el algoritmo BFS y el análisis estadístico del rendimiento de los estudiantes. Como resultado, se implementó un modelo predictivo en Python, empleando un agente inteligente con una precisión del 73.21%, que pronostica la demanda estudiantil por materia para futuros períodos. Esta herramienta, desarrollada bajo una arquitectura cliente-servidor para aplicaciones web, facilita la toma de decisiones para Directores de Carrera y departamentos, mediante reportes que aportan analítica de periodos anteriores, beneficiando a la comunidad universitaria en su conjunto al mejorar la calidad y precisión en la asignación de NRCs.

• Main Author: Coronel Rodrigues, Andrés Alejandro (author)
• Other Authors: Rosero Mosquera, Theo Martin (author)
• Format: bachelorThesis
• Published: 2024
• Subjects: : ETL; MINERÍA DE DATOS; CRISP-DM; MODELO PREDICTIVO; ASIGNACIÓN DE CURSOS.
• Online Access: https://repositorio.espe.edu.ec/handle/21000/41512