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...

Descripción completa

Detalles Bibliográficos
Autor: ALANIA RICALDI, Pit Frank
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
Descripción
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).