Evaluación de métodos y algoritmos para realizar minería de datos educacionales
Con el desarrollo de las técnicas de minería de datos, en los últimos años se ha intensificado el análisis de información académica para determinar las causas que ocasionan la deserción, la permanencia y la culminación exitosa en las carreras a nivel universitario. Muchos trabajos, estudios y artícu...
שמור ב:
| מחבר ראשי: | |
|---|---|
| פורמט: | bachelorThesis |
| שפה: | spa |
| יצא לאור: |
2017
|
| נושאים: | |
| גישה מקוונת: | http://repositorio.ute.edu.ec/handle/123456789/16869 |
| תגים: |
הוספת תג
אין תגיות, היה/י הראשונ/ה לתייג את הרשומה!
|
הוספת תג | סיכום: | Con el desarrollo de las técnicas de minería de datos, en los últimos años se ha intensificado el análisis de información académica para determinar las causas que ocasionan la deserción, la permanencia y la culminación exitosa en las carreras a nivel universitario. Muchos trabajos, estudios y artículos se han realizado sobre este tema, los cuales en su generalidad, concluyen que es posible predecir el porcentaje de graduación, deserción y el nivel de permanencia de estudiantes en las instituciones de educación superior. El presente proyecto de titulación presenta la minería de datos educacionales, evaluación de métodos y algoritmos existentes. Se utiliza la metodología KDD por sus siglas en inglés (Knowledge Discovery in Database) que realiza el proceso de descubrimiento del conocimiento en bases de datos. Como primeros pasos se da un especial énfasis al estudio de los datos mediante la selección, limpieza y transformación de los mismos creando un dataset que representa el conjunto completo de los datos de una universidad particular ubicada en la ciudad de Quito, Ecuador. Sobre el dataset se aplican técnicas de predicción utilizando diferentes criterios de representación y aplicación de algoritmos de clasificación como árboles de decisión, redes bayesianas, reglas de decisión y metaclasificadores. Para determinar cuáles son los más óptimos se realiza experimentos utilizando dos métodos de clasificación la validación cruzada y división porcentual con las clases de graduación y deserción estudiantil. Las herramientas de minería de datos usadas en este trabajo son: WEKA, ORANGE 3 Y RAPID MINER. Los resultados obtenidos permiten predecir u obtener patrones con datos educativos con un modelo que indica los porcentajes de la deserción y graduación de estudiantes en la universidad, para que las autoridades puedan predecir tendencias que permitirán tomar acciones correctivas y preventivas, mejorando los procesos de enseñanza de los nuevos estudiantes que ingresen a la carrera de Ingeniería Informática |
|---|