Estudio comparativo de Técnicas de supervisadas de Minería de Datos para Segmentación de Alumnos

Descripción del Articulo

En este trabajo se realiza un estudio comparativo de técnicas no supervisadas de minería de datos para la segmentación de alumnos utilizando algoritmos de K-means y PAM dentro del clustering particional y métodos de ward, single, complete, average, mcquitty, median y centroid del clustering jerárqui...

Descripción completa

Detalles Bibliográficos
Autor: Laura Ochoa, Leticia Marisol
Formato: tesis de grado
Fecha de Publicación:2017
Institución:Universidad Católica de Santa María
Repositorio:UCSM-Tesis
Lenguaje:español
OAI Identifier:oai:repositorio.ucsm.edu.pe:20.500.12920/6021
Enlace del recurso:https://repositorio.ucsm.edu.pe/handle/20.500.12920/6021
Nivel de acceso:acceso abierto
Materia:Minería de datos
segmentación académica
clustering
id UCSM_96f8039935c8ab55dd7b3d1d49cac819
oai_identifier_str oai:repositorio.ucsm.edu.pe:20.500.12920/6021
network_acronym_str UCSM
network_name_str UCSM-Tesis
repository_id_str 4282
dc.title.es.fl_str_mv Estudio comparativo de Técnicas de supervisadas de Minería de Datos para Segmentación de Alumnos
title Estudio comparativo de Técnicas de supervisadas de Minería de Datos para Segmentación de Alumnos
spellingShingle Estudio comparativo de Técnicas de supervisadas de Minería de Datos para Segmentación de Alumnos
Laura Ochoa, Leticia Marisol
Minería de datos
segmentación académica
clustering
title_short Estudio comparativo de Técnicas de supervisadas de Minería de Datos para Segmentación de Alumnos
title_full Estudio comparativo de Técnicas de supervisadas de Minería de Datos para Segmentación de Alumnos
title_fullStr Estudio comparativo de Técnicas de supervisadas de Minería de Datos para Segmentación de Alumnos
title_full_unstemmed Estudio comparativo de Técnicas de supervisadas de Minería de Datos para Segmentación de Alumnos
title_sort Estudio comparativo de Técnicas de supervisadas de Minería de Datos para Segmentación de Alumnos
author Laura Ochoa, Leticia Marisol
author_facet Laura Ochoa, Leticia Marisol
author_role author
dc.contributor.author.fl_str_mv Laura Ochoa, Leticia Marisol
dc.subject.es.fl_str_mv Minería de datos
segmentación académica
clustering
topic Minería de datos
segmentación académica
clustering
description En este trabajo se realiza un estudio comparativo de técnicas no supervisadas de minería de datos para la segmentación de alumnos utilizando algoritmos de K-means y PAM dentro del clustering particional y métodos de ward, single, complete, average, mcquitty, median y centroid del clustering jerárquico aglomerativo, luego se elige el algoritmo de minería de datos con la que se obtiene mejor calidad de agrupamiento utilizando medidas internas como las distancias intra-cluster e inter-cluster, y el coeficiente de silueta, obteniendo mejores resultados con la técnica de clustering particional K-means para la segmentación académica en tres grupos que puede ser utilizado para reforzar el aprendizaje de los alumnos en los niveles básico, intermedio y avanzado.
publishDate 2017
dc.date.accessioned.none.fl_str_mv 2017-01-16T15:52:46Z
dc.date.available.none.fl_str_mv 2017-01-16T15:52:46Z
dc.date.issued.fl_str_mv 2017-01-16
dc.type.es.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://repositorio.ucsm.edu.pe/handle/20.500.12920/6021
url https://repositorio.ucsm.edu.pe/handle/20.500.12920/6021
dc.language.iso.es.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.es.fl_str_mv Universidad Católica de Santa María
dc.source.es.fl_str_mv Universidad Católica de Santa María - UCSM
Repositorio de tesis de la Universidad Católica de Santa María
dc.source.none.fl_str_mv reponame:UCSM-Tesis
instname:Universidad Católica de Santa María
instacron:UCSM
instname_str Universidad Católica de Santa María
instacron_str UCSM
institution UCSM
reponame_str UCSM-Tesis
collection UCSM-Tesis
bitstream.url.fl_str_mv https://repositorio.ucsm.edu.pe/bitstream/20.500.12920/6021/3/N7.0298.SE.pdf.txt
https://repositorio.ucsm.edu.pe/bitstream/20.500.12920/6021/4/N7.0298.SE.pdf.jpg
https://repositorio.ucsm.edu.pe/bitstream/20.500.12920/6021/1/N7.0298.SE.pdf
https://repositorio.ucsm.edu.pe/bitstream/20.500.12920/6021/2/license.txt
bitstream.checksum.fl_str_mv 3ade7fcaf85244f37fd592f60c69526b
eaa33d00e6023f4e24487f6fafe498cd
606bd75273f6d648a407083e941ed832
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional de la Universidad Católica de Santa María
repository.mail.fl_str_mv repositorio.biblioteca@ucsm.edu.pe
_version_ 1847062456541642752
spelling Laura Ochoa, Leticia Marisol2017-01-16T15:52:46Z2017-01-16T15:52:46Z2017-01-16https://repositorio.ucsm.edu.pe/handle/20.500.12920/6021En este trabajo se realiza un estudio comparativo de técnicas no supervisadas de minería de datos para la segmentación de alumnos utilizando algoritmos de K-means y PAM dentro del clustering particional y métodos de ward, single, complete, average, mcquitty, median y centroid del clustering jerárquico aglomerativo, luego se elige el algoritmo de minería de datos con la que se obtiene mejor calidad de agrupamiento utilizando medidas internas como las distancias intra-cluster e inter-cluster, y el coeficiente de silueta, obteniendo mejores resultados con la técnica de clustering particional K-means para la segmentación académica en tres grupos que puede ser utilizado para reforzar el aprendizaje de los alumnos en los niveles básico, intermedio y avanzado.spaUniversidad Católica de Santa Maríainfo:eu-repo/semantics/openAccessUniversidad Católica de Santa María - UCSMRepositorio de tesis de la Universidad Católica de Santa Maríareponame:UCSM-Tesisinstname:Universidad Católica de Santa Maríainstacron:UCSMMinería de datossegmentación académicaclusteringEstudio comparativo de Técnicas de supervisadas de Minería de Datos para Segmentación de Alumnosinfo:eu-repo/semantics/bachelorThesisSUNEDUTEXTN7.0298.SE.pdf.txtN7.0298.SE.pdf.txtExtracted texttext/plain144987https://repositorio.ucsm.edu.pe/bitstream/20.500.12920/6021/3/N7.0298.SE.pdf.txt3ade7fcaf85244f37fd592f60c69526bMD53THUMBNAILN7.0298.SE.pdf.jpgN7.0298.SE.pdf.jpgGenerated Thumbnailimage/jpeg9393https://repositorio.ucsm.edu.pe/bitstream/20.500.12920/6021/4/N7.0298.SE.pdf.jpgeaa33d00e6023f4e24487f6fafe498cdMD54ORIGINALN7.0298.SE.pdfN7.0298.SE.pdfapplication/pdf3645652https://repositorio.ucsm.edu.pe/bitstream/20.500.12920/6021/1/N7.0298.SE.pdf606bd75273f6d648a407083e941ed832MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ucsm.edu.pe/bitstream/20.500.12920/6021/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5220.500.12920/6021oai:repositorio.ucsm.edu.pe:20.500.12920/60212023-01-24 08:37:49.966Repositorio Institucional de la Universidad Católica de Santa Maríarepositorio.biblioteca@ucsm.edu.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
score 12.888917
Estudio comparativo de Técnicas de supervisadas de Minería de Datos para Segmentación de Alumnos
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).

Ejemplares Similares