Predicción del rendimiento académico aplicando técnicas de minería de datos

• Autor: Menacho Chiok, Cesar Higinio
• Formato: artículo
• Fecha de Publicación: 2017
• Institución: Universidad Nacional Agraria La Molina
• Repositorio: Revistas - Universidad Nacional Agraria La Molina
• Lenguaje: español
• OAI Identifier: oai:revistas.lamolina.edu.pe:article/811
• Enlace del recurso: https://revistas.lamolina.edu.pe/index.php/acu/article/view/811
• Nivel de acceso: acceso abierto

El rendimiento académico de los estudiantes es uno de los temas de mayor preocupación que deben abordar las instituciones educativas superiores. Las Técnicas de minería de datos (TMD) aplicadas a los datos generados en los ambientes educativos, están demostrando ser herramientas eficaces para predecir el rendimiento académico de los estudiantes; con la finalidad de identificar los factores que más influyen en su aprendizaje y apoyar a los profesores a mejorar el proceso de enseñanza a través de realizar acciones pedagógicas más eficientes y oportunas. Esta investigación tiene como objetivo aplicar las TMD de regresión logística, árboles de decisión, redes bayesianas y redes neuronales usando los datos académicos de los estudiantes matriculados en el curso de Estadística General de la UNALM en los semestres 2013 II y 2014 I, con la finalidad de predecir la clasificación final (Desaprobado o Aprobado) de los futuros estudiantes matriculados en el curso. Se usa la matriz de confusión para comparar y evaluar la precisión de los clasificadores. Los resultados indican que la red Naive de Bayes obtuvo la mayor tasa de buena clasificación (71,0%).