Estimación de Riesgo de Fallo en Materias Basado en Similitud y Manejo de Incertidumbre Dada por Datos Académicos Históricos

La deserción en la educación superior es un problema que no solo afecta a los estudiantes, sino también a las universidades, pues al ofrecer educación incompleta se usan ineficientemente los recursos; uno de los factores relacionados es la habilidad interpersonal, la cual le permite a un estudiante entablar relaciones con profesores y compañeros, pues contribuyen a culminar de manera exitosa su carrera; el servicio de Consejerías Académicas que ofrece la ESPOL, permite a los estudiantes entablar una relación con un profesor consejero, quien brinda una guía para mejorar el desempeño mediante recomendaciones; las recomendaciones que brinda son basadas en su experiencia e información académica del estudiante, pero este proceso podría mejorar su precisión al agregar un factor de estimación del riesgo de reprobación que el estudiante afrontará durante el semestre. El siguiente trabajo propone una arquitectura que utiliza herramientas de clustering y prototipado difuso, para clasificación no-supervisada y predicción mediante extracción de variables descriptivas. Se desarrolló un software que implementa el modelo propuesto, el cual posee tres componentes principales: pre-procesamiento, clustering, y clasificación; dicho software permitió validar el modelo para predecir el riesgo de reprobación de estudiantes, basado en su carga académica y rendimiento, con un porcentaje de certeza significativo.

• المؤلف الرئيسي: Vasquez Clad, Anibal Agustin (author)
• التنسيق: article
• اللغة: spa
• منشور في: 2015
• الموضوعات: Inteligencia Artificial; Prototipos Difusos; Lógica Difusa; Clasificación No-supervisada; Predicción
• الوصول للمادة أونلاين: http://www.dspace.espol.edu.ec/xmlui/handle/123456789/30351