Análisis comparativo de modelos de clasificación de minería de datos (Data Mining). Su aplicación en la predicción de perfiles de alumnos en riesgo de deserción.

Ryckeboer, Hugo Emilio Julio Ludovico; Spositto, Osvaldo Mario; Castro, Hugo Martín; Bossero, Julio César; Gargano, Cecilia Victoria; Matteo, Lorena Romina; Prilusky, Elisa Mirta; Procopio, Gastón Emanuel; Quintana, Fabio Hernán

Por favor, use este identificador para citar o enlazar este ítem: http://repositoriocyt.unlam.edu.ar/handle/123456789/576

Registro completo de metadatos

Campo DC	Valor	Lengua/Idioma
dc.rights.license	Licencia Creative Commons Atribución-NoComercial-CompartirIgual 2.5 Argentina (CC BY-NC-SA 2.5 AR)	spa
dc.contributor	Ryckeboer, Hugo Emilio Julio Ludovico	spa
dc.contributor	Spositto, Osvaldo Mario	spa
dc.creator	Ryckeboer, Hugo Emilio Julio Ludovico	spa
dc.creator	Spositto, Osvaldo Mario	spa
dc.creator	Castro, Hugo Martín	spa
dc.creator	Bossero, Julio César	spa
dc.creator	Gargano, Cecilia Victoria	spa
dc.creator	Matteo, Lorena Romina	spa
dc.creator	Prilusky, Elisa Mirta	spa
dc.creator	Procopio, Gastón Emanuel	spa
dc.creator	Quintana, Fabio Hernán	spa
dc.date	2016	spa
dc.date.accessioned	2021-06-11T17:37:11Z	-
dc.date.available	2021-06-11T17:37:11Z	-
dc.identifier.citation	Ryckeboer, H, E. J. L., Spositto, O. M., Castro, H. M., Bossero, J. C., Gargano, C. V., Matteo, L. R., Prilusky, E. M.,… Quintana, F. H. (2016). Análisis comparativo de modelos de clasificación de minería de datos (Data Mining). Su aplicación en la predicción de perfiles de alumnos en riesgo de deserción [Archivo PDF]. San Justo: Universidad Nacional de La Matanza. Recuperado de http://repositoriocyt.unlam.edu.ar/handle/123456789/576	spa
dc.identifier.uri	http://repositoriocyt.unlam.edu.ar/handle/123456789/576	spa
dc.description	El presente trabajo muestra los resultados de la comparación entre diferentes técnicas de minería de datos (MD) con el objetivo de identificar en forma automática a los estudiantes con mayor riesgo de deserción de las carreras de Ingeniería de la UNLaM, a partir de los datos socioeconómicos y académicos de los mismos. Para desarrollar este trabajo se aplicó la metodología para proyectos de MD conocida como KDD. Dicha metodología estructura el proceso en seis fases, que interactúan entre ellas de forma iterativa. Se aplicaron las técnicas de Redes Neuronales, Árboles de decisión y K-vecino más próximo, como algoritmos supervisados y K-Means, como no supervisado, para analizar el comportamiento de los estudiantes evaluando la calificación obtenida en las asignaturas comunes del primer año de las distintas carrera, y además otros datos como la edad, el sexo, etc. Los datos se obtuvieron de un almacén de datos construido para tal fin en proyectos anteriores. La muestra que se utilizó para entrenar los algoritmos fue de 1499 sujetos (cohorte 2013 y 2014). Mientras que para testear los modelos creados se utilizaron 793 alumnos de la cohorte 2015. Se empleó la herramienta libre Weka y ejecutar y evaluar el desempeño de los algoritmos. Se encontró que el algoritmo del J48 permitió obtener efectividades mayor que los otros algoritmos. Se observó que todos los algoritmos supervisados, en su etapa de entrenamiento, arrojan un desempeño general, con porcentajes mayores al 90% de exactitud, mientras que estos mismos algoritmos cuando son convertidos a modelos y son testeados con nuevos lotes de prueba, el porcentaje de acierto baja a valores apenas superiores al 50%. El conocimiento generado permitirá soportar la toma de decisiones eficaces de las directivas universitarias enfocadas a formular políticas y estrategias relacionadas con los programas de retención estudiantil que actualmente se encuentran establecidos.	spa
dc.description	Fil: Ryckeboer, Hugo Emilio Julio Ludovico. Universidad Nacional de La Matanza. Departamento de Ingeniería e Investigaciones Tecnológicas; Argentina.	spa
dc.description	Fil: Spositto, Osvaldo Mario. Universidad Nacional de La Matanza. Departamento de Ingeniería e Investigaciones Tecnológicas; Argentina.	spa
dc.description	Fil: Castro, Hugo Martín. Universidad Nacional de La Matanza. Departamento de Ingeniería e Investigaciones Tecnológicas; Argentina.	spa
dc.description	Fil: Bossero, Julio César. Universidad Nacional de La Matanza. Departamento de Ingeniería e Investigaciones Tecnológicas; Argentina.	spa
dc.description	Fil: Gargano, Cecilia Victoria. Universidad Nacional de La Matanza. Departamento de Ingeniería e Investigaciones Tecnológicas; Argentina.	spa
dc.description	Fil: Matteo, Lorena Romina. Universidad Nacional de La Matanza. Departamento de Ingeniería e Investigaciones Tecnológicas; Argentina.	spa
dc.description	Fil: Prilusky, Elisa Mirta. Universidad Nacional de La Matanza. Departamento de Ingeniería e Investigaciones Tecnológicas; Argentina.	spa
dc.description	Fil: Procopio, Gastón Emanuel. Universidad Nacional de La Matanza. Departamento de Ingeniería e Investigaciones Tecnológicas; Argentina.	spa
dc.description	Fil: Quintana, Fabio Hernán. Universidad Nacional de La Matanza. Departamento de Ingeniería e Investigaciones Tecnológicas; Argentina.	spa
dc.format	application/pdf	spa
dc.format.extent	44 p.	spa
dc.language	spa	spa
dc.publisher	Universidad Nacional de La Matanza. Departamento de Ingeniería e Investigaciones Tecnológicas	spa
dc.relation	info:eu-repo/grantAgreement/SPU/PROINCE/C-176/AR. Buenos Aires. San Justo/Análisis comparativo de modelos de clasificación de minería de datos (Data Mining). Su aplicación en la predicción de perfiles de alumnos en riesgo de deserción.	spa
dc.rights	info:eu-repo/semantics/openAccess	spa
dc.rights	https://creativecommons.org/licenses/by-nc-sa/2.5/ar/	spa
dc.subject	MINERIA DE DATOS	spa
dc.subject	ALGORITMOS	spa
dc.subject	ABANDONO DE ESTUDIOS	spa
dc.subject.ddc	006.312	spa
dc.title	Análisis comparativo de modelos de clasificación de minería de datos (Data Mining). Su aplicación en la predicción de perfiles de alumnos en riesgo de deserción.	spa
dc.type	info:eu-repo/semantics/report	spa
dc.type	info:ar-repo/semantics/informe técnico	spa
dc.type	info:eu-repo/semantics/acceptedVersion	spa
Aparece en las colecciones:	Investigaciones

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
Análisis comparativo de modelos de clasificación de minería de datos (Data Mining). Su aplicación en la predicción de perfiles de alumnos en riesgo de deserción..pdf		2.08 MB	Adobe PDF	Visualizar/Abrir

Mostrar el registro sencillo del ítem