Academic risk forecast model for undergraduate students of the National University of Engineering
Descripción del Articulo
The present work, uses unstructured information in order to predict the academic risk of a student, making use of Machine Learning techniques. Phases: Construction of the datamart: The data from the different sources will be integrated to build the objective data repository, which...
| Autores: | , |
|---|---|
| Formato: | artículo |
| Fecha de Publicación: | 2020 |
| Institución: | Universidad Nacional de Ingeniería |
| Repositorio: | Revistas - Universidad Nacional de Ingeniería |
| Lenguaje: | español inglés |
| OAI Identifier: | oai:oai:revistas.uni.edu.pe:article/1073 |
| Enlace del recurso: | https://revistas.uni.edu.pe/index.php/iecos/article/view/1073 |
| Nivel de acceso: | acceso abierto |
| Materia: | Machine learning integración de datos predicción machine learning data integration prediction |
| id |
REVUNI_8c1a03e201d7d52092d6df93193b9027 |
|---|---|
| oai_identifier_str |
oai:oai:revistas.uni.edu.pe:article/1073 |
| network_acronym_str |
REVUNI |
| network_name_str |
Revistas - Universidad Nacional de Ingeniería |
| repository_id_str |
|
| spelling |
Academic risk forecast model for undergraduate students of the National University of EngineeringModelo de pronóstico de riesgo académico de los alumnos de pregrado de la Universidad Nacional de IngenieríaGarrafa Aragón, HernánSoto Rodríguez, IvánMachine learningintegración de datospredicciónmachine learningdata integrationpredictionThe present work, uses unstructured information in order to predict the academic risk of a student, making use of Machine Learning techniques. Phases: Construction of the datamart: The data from the different sources will be integrated to build the objective data repository, which will be divided into two: Training data and test data, Training of the model: which consists in elaborating the training model based on data from thedatamart, applying vectorial support machine. Validation of the model: It consists of evaluating the model obtained previously, using the test data from the datamart. El presente trabajo de investigación usó información no estructurada generada en las unidades académicas de la Universidad Nacional de Ingeniería, a fin de predecir el nivel de riesgo académico de un estudiante, haciendo uso de técnicas de Machine Learning. Las fases en que se consideraron fueron: Construcción del datamart: En esta fase se realizó integración de datos de las diferentes fuentes para construir el repositorio de datos objetivo, el cual se dividió en datos de entrenamiento y datos de prueba. Entrenamiento del modelo: Elaboración del modelo de entrenamiento basado en los datos del datamart, aplicando Maquina de Soporte Vectorial. Validación y prueba del modelo: Evaluación del modelo obtenido anteriormente, usando los datos de prueba del datamart. Universidad Nacional de Ingeniería2020-11-13info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionPeer ReviewedEvaluado por paresapplication/pdfaudio/mpegaudio/mpeghttps://revistas.uni.edu.pe/index.php/iecos/article/view/107310.21754/iecos.v21i1.1073revista IECOS; Vol. 21 No. 1 (2020); 121-129Revista IECOS; Vol. 21 Núm. 1 (2020); 121-1292788-74802961-284510.21754/iecos.v21i1reponame:Revistas - Universidad Nacional de Ingenieríainstname:Universidad Nacional de Ingenieríainstacron:UNIspaenghttps://revistas.uni.edu.pe/index.php/iecos/article/view/1073/1660https://revistas.uni.edu.pe/index.php/iecos/article/view/1073/3213https://revistas.uni.edu.pe/index.php/iecos/article/view/1073/3214Derechos de autor 2020 Hernán Garrafa Aragón, Iván Soto Rodríguezhttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessoai:oai:revistas.uni.edu.pe:article/10732025-01-21T15:26:32Z |
| dc.title.none.fl_str_mv |
Academic risk forecast model for undergraduate students of the National University of Engineering Modelo de pronóstico de riesgo académico de los alumnos de pregrado de la Universidad Nacional de Ingeniería |
| title |
Academic risk forecast model for undergraduate students of the National University of Engineering |
| spellingShingle |
Academic risk forecast model for undergraduate students of the National University of Engineering Garrafa Aragón, Hernán Machine learning integración de datos predicción machine learning data integration prediction |
| title_short |
Academic risk forecast model for undergraduate students of the National University of Engineering |
| title_full |
Academic risk forecast model for undergraduate students of the National University of Engineering |
| title_fullStr |
Academic risk forecast model for undergraduate students of the National University of Engineering |
| title_full_unstemmed |
Academic risk forecast model for undergraduate students of the National University of Engineering |
| title_sort |
Academic risk forecast model for undergraduate students of the National University of Engineering |
| dc.creator.none.fl_str_mv |
Garrafa Aragón, Hernán Soto Rodríguez, Iván |
| author |
Garrafa Aragón, Hernán |
| author_facet |
Garrafa Aragón, Hernán Soto Rodríguez, Iván |
| author_role |
author |
| author2 |
Soto Rodríguez, Iván |
| author2_role |
author |
| dc.subject.none.fl_str_mv |
Machine learning integración de datos predicción machine learning data integration prediction |
| topic |
Machine learning integración de datos predicción machine learning data integration prediction |
| description |
The present work, uses unstructured information in order to predict the academic risk of a student, making use of Machine Learning techniques. Phases: Construction of the datamart: The data from the different sources will be integrated to build the objective data repository, which will be divided into two: Training data and test data, Training of the model: which consists in elaborating the training model based on data from thedatamart, applying vectorial support machine. Validation of the model: It consists of evaluating the model obtained previously, using the test data from the datamart. |
| publishDate |
2020 |
| dc.date.none.fl_str_mv |
2020-11-13 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Peer Reviewed Evaluado por pares |
| format |
article |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
https://revistas.uni.edu.pe/index.php/iecos/article/view/1073 10.21754/iecos.v21i1.1073 |
| url |
https://revistas.uni.edu.pe/index.php/iecos/article/view/1073 |
| identifier_str_mv |
10.21754/iecos.v21i1.1073 |
| dc.language.none.fl_str_mv |
spa eng |
| language |
spa eng |
| dc.relation.none.fl_str_mv |
https://revistas.uni.edu.pe/index.php/iecos/article/view/1073/1660 https://revistas.uni.edu.pe/index.php/iecos/article/view/1073/3213 https://revistas.uni.edu.pe/index.php/iecos/article/view/1073/3214 |
| dc.rights.none.fl_str_mv |
Derechos de autor 2020 Hernán Garrafa Aragón, Iván Soto Rodríguez https://creativecommons.org/licenses/by/4.0 info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Derechos de autor 2020 Hernán Garrafa Aragón, Iván Soto Rodríguez https://creativecommons.org/licenses/by/4.0 |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf audio/mpeg audio/mpeg |
| dc.publisher.none.fl_str_mv |
Universidad Nacional de Ingeniería |
| publisher.none.fl_str_mv |
Universidad Nacional de Ingeniería |
| dc.source.none.fl_str_mv |
revista IECOS; Vol. 21 No. 1 (2020); 121-129 Revista IECOS; Vol. 21 Núm. 1 (2020); 121-129 2788-7480 2961-2845 10.21754/iecos.v21i1 reponame:Revistas - Universidad Nacional de Ingeniería instname:Universidad Nacional de Ingeniería instacron:UNI |
| instname_str |
Universidad Nacional de Ingeniería |
| instacron_str |
UNI |
| institution |
UNI |
| reponame_str |
Revistas - Universidad Nacional de Ingeniería |
| collection |
Revistas - Universidad Nacional de Ingeniería |
| repository.name.fl_str_mv |
|
| repository.mail.fl_str_mv |
|
| _version_ |
1833562788206739456 |
| score |
13.958958 |
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).
