Minería de datos aplicada a la segmentación de estudiantes y captación de nuevos perfiles mediante técnicas de clustering

El presente proyecto tuvo como objetivo aplicar herramientas de minería de datos, específicamente técnicas de agrupamiento (clustering), para identificar los perfiles más representativos de los estudiantes que han asistido a la Escuela de Conducción Profesional CONDUESPOCH, ubicada en la ciudad de Riobamba. La investigación se desarrolló bajo un enfoque cuantitativo, de carácter exploratorio y metodología aplicada. Se utilizó el procesamiento de información histórica proporcionada por la institución y se implementaron dos modelos de agrupamiento: K-Means y DBSCAN. Cada modelo fue evaluado en función de la naturaleza y distribución de los datos, considerando sus respectivas fortalezas y limitaciones. Los resultados evidenciaron que el modelo DBSCAN obtuvo un mejor desempeño, alcanzando un coeficiente de silueta de 0,78 y un índice de Davies-Bouldin de 0,27, lo que indicó una segmentación más adecuada para el caso de estudio. A partir del análisis de las características de los grupos formados, se propusieron estrategias de captación diferenciadas que permitan optimizar la inscripción de nuevos estudiantes antes de cada periodo académico. Se concluyó que la incorporación de técnicas de minería de datos en la gestión institucional facilita la toma de decisiones informadas y mejora la eficiencia del proceso de captación. Se recomendó continuar con el fortalecimiento del uso de estas tecnologías para mantener la competitividad de la escuela en el ámbito regional y reforzar el aprovechamiento de los datos disponibles.

• Auteur principal: Guffantte Salazar, Carlos Rafael (author)
• Format: masterThesis
• Publié: 2025
• Sujets: MINERÍA DE DATOS; CLUSTERING; SEGMENTACIÓN DE PERFILES; ESTRATEGIAS DE CAPTACIÓN; CIENCIA DE DATOS
• Accès en ligne: https://dspace.espoch.edu.ec/handle/123456789/24482