Aplicación del algoritmo K-Medoid para la segmentación de los alumnos ingresantes de una universidad.
Actualmente, en el área de educación superior se ha vuelto indispensable la gestión de los datos para la toma de decisiones académicas y la mejora de los procesos educativos, para ello la analítica y estadística han sido llevados al ámbito tecnológico, donde prima la automatización de procesos y la...
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | article |
| Language: | spa |
| Published: |
2021
|
| Subjects: | |
| Online Access: | https://dspace.espoch.edu.ec/handle/123456789/14598 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Add Tag | Summary: | Actualmente, en el área de educación superior se ha vuelto indispensable la gestión de los datos para la toma de decisiones académicas y la mejora de los procesos educativos, para ello la analítica y estadística han sido llevados al ámbito tecnológico, donde prima la automatización de procesos y la gestión de grandes bases de datos a través de algoritmos de Machine Learning, uno de los más utilizados son los algoritmos clustering, cuyo propósito es agrupar datos por similitud. El presente estudio tuvo como objetivo encontrar tipos de estudiantes universitarios respecto a sus variables sociodemográficas, económicas y de rendimiento académico, utilizando el algoritmo K-medoid en datos de alumnos ingresantes a la Universidad Nacional Agraria La Molina de Lima, Perú. Se pudo determinar que los ingresantes en estudio se pueden segmentar en 3 grupos, cada uno con características propias, lo que permitirá impulsar cambios a favor de la calidad educativa y promover la renovación de los espacios de enseñanza de manera personalizada en torno al tipo de estudiante que la universidad gestiona. |
|---|