Aplicación de técnicas de minería de datos para predecir la deserción estudiantil de la facultad de ingeniería de la Universidad Nacional Daniel Alcides Carrión
Descripción del Articulo
La Minería de datos es usado para estudiar los datos disponibles en el cualquier campo y descubrir el conocimiento oculto en ella. Los métodos de clasificación como árboles de decisión, las reglas, red bayesiana, etc. se pueden aplicar a los datos académicos de una universidad para predecir el compo...
Autor: | |
---|---|
Formato: | tesis de maestría |
Fecha de Publicación: | 2019 |
Institución: | Universidad Nacional Daniel Alcides Carrión |
Repositorio: | UNDAC-Institucional |
Lenguaje: | español |
OAI Identifier: | oai:repositorio.undac.edu.pe:undac/829 |
Enlace del recurso: | http://repositorio.undac.edu.pe/handle/undac/829 |
Nivel de acceso: | acceso abierto |
Materia: | Aplicación de técnicas de minería Datos para predecir la deserción estudiantil Ingeniería de Sistemas y Comunicaciones |
Sumario: | La Minería de datos es usado para estudiar los datos disponibles en el cualquier campo y descubrir el conocimiento oculto en ella. Los métodos de clasificación como árboles de decisión, las reglas, red bayesiana, etc. se pueden aplicar a los datos académicos de una universidad para predecir el comportamiento de los estudiantes, el rendimiento en los exámenes, deserción estudiantil, etc. Esta predicción ayudará a las autoridades para identificar la deserción estudiantil y poder determinar la proyección de secciones y otras acciones. El algoritmo de árbol de decisión C4.5 (J48) se aplica en los datos de las notas finales semestrales de los estudiantes para predecir si abandona o no los estudios. El resultado del árbol de decisión predijo el número de estudiantes que son propensos a abandonar la carrera profesional. El resultado lo pueden utilizar a las autoridades para que puedan tomar las medidas para mejorar la toma de decisiones. Después de la evaluación con los datos originales se introducen un conjunto de datos de prueba en el sistema para analizar los resultados. El análisis comparativo de los resultados indica que la predicción ha ayudado determinar con mayor precisión el mejoramiento en el resultado. Para analizar la exactitud del algoritmo, se compara con el algoritmo Random Tree y se encontró que es tan eficiente en términos de precisión de los resultados académicos del estudiante y el tiempo tomado para crear el árbol. |
---|
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).