Estudio comparativo de técnicas de minería de datos para la predicción de la deserción universitaria

Bossero, Julio César

Veuillez utiliser cette adresse pour citer ce document : http://repositoriocyt.unlam.edu.ar/handle/123456789/864

Affichage complet

Élément Dublin Core	Valeur	Langue
dc.rights.license	Licencia Creative Commons Atribución-Sin Derivados 4.0 Internacional (CC BY-ND 4.0)	spa
dc.contributor	Spositto, Osvaldo Mario	spa
dc.creator	Bossero, Julio César	spa
dc.date	1996	spa
dc.date.accessioned	2021-12-16T17:30:54Z	-
dc.date.available	2021-12-16T17:30:54Z	-
dc.identifier	https://ror.org/01bmj8t37	spa
dc.identifier.citation	Bossero, J. C. (1996). Estudio comparativo de técnicas de minería de datos para la predicción de la deserción universitaria [Tesis de maestría, Universidad Nacional de La Matanza]. Repositorio Digital UNLaM. http://repositoriocyt.unlam.edu.ar/handle/123456789/864	spa
dc.identifier.uri	http://repositoriocyt.unlam.edu.ar/handle/123456789/864	spa
dc.description	La Minería de Datos Educacional (MDE o EDM1), es una rama de la Minería de Datos (MD o DM2), que se ha dedicado a aplicar diversas técnicas para analizar datos provenientes de ambientes relacionados a la educación formal, y a extraer la mayor cantidad de conocimiento, con el objeto de entender mejor a los estudiantes, profesores y actores involucrados, y así mejorar los procesos educativos En la actualidad, la tendencia en las universidades es trabajar con tecnologías MDE, que faciliten y mejoren el desarrollo de las actividades académicas, creándose de esta forma un aprendizaje electrónico añadido al tradicional. El uso de estos nuevos medios tiene grandes ventajas, una de ellas es que permite generar una gran cantidad de datos producidos por el estudiante durante el proceso de aprendizaje. La Minería de Datos, entre otras técnicas, utiliza Inteligencia Artificial para encontrar patrones y relaciones entre los datos, permitiendo la creación de modelos y representaciones abstractas de la realidad. En este trabajo se realiza una introducción a dos técnicas de MD, por un lado RedNeuronal Artificial (RNA o ANN6) del tipo Perceptron Multicapa (PM), y por otro una Máquina de Vectores Soporte (MVS o SVM7), para explorar su aplicabilidad en el terreno de la MDE como instrumento de modelización y predicción no paramétrica. Con tal objeto, se pretende desarrollar ambos modelos, y luego ser posteriormente aplicados en la predicción de perfiles de alumnos desertores, utilizando datos reales provenientes de un Almacén de Datos (AD o DW8). Los resultados obtenidos serán comparados para determinar cuál de ellos es más eficaz y eficiente en la predicción y poder ser utilizado, de ser necesario, por las autoridades para tomar acciones anticipadas que ayuden a disminuir el índice de deserción o desgranamiento universitario.	spa
dc.description	Fil: Bossero, Julio César. Universidad Nacional de La Matanza; Argentina.	spa
dc.format	application/pdf	spa
dc.format.extent	131 p.	spa
dc.language	spa	spa
dc.publisher	Universidad Nacional de La Matanza	spa
dc.rights	info:eu-repo/semantics/openAccess	spa
dc.rights	https://creativecommons.org/licenses/by-nd/4.0/	spa
dc.subject	ANALISIS DE DATOS	spa
dc.subject	ABANDONO DE ESTUDIOS	spa
dc.subject	ENSEÑANZA SUPERIOR	spa
dc.subject	MODELADO DE DATOS	spa
dc.subject.ddc	006.312	spa
dc.subject.other	Data mining	spa
dc.title	Estudio comparativo de técnicas de minería de datos para la predicción de la deserción universitaria	spa
dc.type	info:eu-repo/semantics/masterThesis	spa
dc.type	info:ar-repo/semantics/tesis de maestría	spa
dc.type	info:eu-repo/semantics/acceptedVersion	spa
Collection(s) :	Maestría en Informática

Fichier(s) constituant ce document :

Fichier	Description	Taille	Format
MI-Bossero.pdf		4.25 MB	Adobe PDF	Voir/Ouvrir

Affichage abbrégé