Detección de patrones de bajo rendimiento académico mediante técnicas de minería de datos de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios 2018

Descripción del Articulo

El presente estudio se llevó a cabo en la Universidad Nacional Amazónica de Madre de Dios (UNAMAD), ubicado en el departamento de Madre de Dios, durante el año 2018, tuvo como objetivo general detectar los patrones de bajo rendimiento académico de los estudiantes de la Universidad Nacional Amazónica...

Descripción completa

Detalles Bibliográficos
Autor: Holgado Apaza, Luis Alberto
Formato: tesis de maestría
Fecha de Publicación:2019
Institución:Universidad Nacional Del Altiplano
Repositorio:UNAP-Institucional
Lenguaje:español
OAI Identifier:oai:https://repositorio.unap.edu.pe:20.500.14082/9815
Enlace del recurso:http://repositorio.unap.edu.pe/handle/20.500.14082/9815
Nivel de acceso:acceso abierto
Materia:Escalabilidad y rendimiento en análisis inteligente de datos y distribuidos
Técnica de minería de datos
Detección de patrones mediante minería de datos
id RNAP_29e58d220a484b672dd6a689b28e7f6b
oai_identifier_str oai:https://repositorio.unap.edu.pe:20.500.14082/9815
network_acronym_str RNAP
network_name_str UNAP-Institucional
repository_id_str 9382
dc.title.es_PE.fl_str_mv Detección de patrones de bajo rendimiento académico mediante técnicas de minería de datos de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios 2018
title Detección de patrones de bajo rendimiento académico mediante técnicas de minería de datos de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios 2018
spellingShingle Detección de patrones de bajo rendimiento académico mediante técnicas de minería de datos de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios 2018
Holgado Apaza, Luis Alberto
Escalabilidad y rendimiento en análisis inteligente de datos y distribuidos
Técnica de minería de datos
Detección de patrones mediante minería de datos
title_short Detección de patrones de bajo rendimiento académico mediante técnicas de minería de datos de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios 2018
title_full Detección de patrones de bajo rendimiento académico mediante técnicas de minería de datos de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios 2018
title_fullStr Detección de patrones de bajo rendimiento académico mediante técnicas de minería de datos de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios 2018
title_full_unstemmed Detección de patrones de bajo rendimiento académico mediante técnicas de minería de datos de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios 2018
title_sort Detección de patrones de bajo rendimiento académico mediante técnicas de minería de datos de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios 2018
author Holgado Apaza, Luis Alberto
author_facet Holgado Apaza, Luis Alberto
author_role author
dc.contributor.advisor.fl_str_mv Carpio Vargas, Edgar Eloy
dc.contributor.author.fl_str_mv Holgado Apaza, Luis Alberto
dc.subject.es_PE.fl_str_mv Escalabilidad y rendimiento en análisis inteligente de datos y distribuidos
Técnica de minería de datos
Detección de patrones mediante minería de datos
topic Escalabilidad y rendimiento en análisis inteligente de datos y distribuidos
Técnica de minería de datos
Detección de patrones mediante minería de datos
description El presente estudio se llevó a cabo en la Universidad Nacional Amazónica de Madre de Dios (UNAMAD), ubicado en el departamento de Madre de Dios, durante el año 2018, tuvo como objetivo general detectar los patrones de bajo rendimiento académico de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios, para su desarrollo se empleó la metodología de minería de datos denominado: CRISP-DM; el algoritmo Random Forest permitió identificar que las variables: cantidad de asignaturas cursadas, el servicio de comedor universitario, la carrera profesional, deuda con la universidad, son las variables que más influyen en la prediccion del rendimiento académico, en relación a los tres algoritmos empleados: Random Forest, C5.0 y CART, el algoritmo que obtuvo mejor desempeño para el modelo de clasificación para el bajo rendimiento académico de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios, fue C5.0, con una medida de exactitud de clasificación (Accuracy) del 77.8% y el coeficiente de kappa del 0.56, por otra parte la aplicación de los algoritmos CART y C5.0 permitió identificar que el perfil que poseen los estudiantes con de bajo rendimiento académico en la Universidad Nacional Amazónica de Madre de Dios es el siguiente: “estudiantes que aprobaron más de 6 cursos, pero menos de 62 cursos, que no poseen servicio de comedor universitario y que poseen alguna deuda con la universidad”
publishDate 2019
dc.date.accessioned.none.fl_str_mv 2019-03-28T17:29:30Z
dc.date.available.none.fl_str_mv 2019-03-28T17:29:30Z
dc.date.issued.fl_str_mv 2019-02-06
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv http://repositorio.unap.edu.pe/handle/20.500.14082/9815
url http://repositorio.unap.edu.pe/handle/20.500.14082/9815
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by/4.0/deed.es
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/deed.es
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional del Altiplano
dc.source.es_PE.fl_str_mv Universidad Nacional del Altiplano
Repositorio Institucional - UNAP
dc.source.none.fl_str_mv reponame:UNAP-Institucional
instname:Universidad Nacional Del Altiplano
instacron:UNAP
instname_str Universidad Nacional Del Altiplano
instacron_str UNAP
institution UNAP
reponame_str UNAP-Institucional
collection UNAP-Institucional
bitstream.url.fl_str_mv https://repositorio.unap.edu.pe/bitstream/20.500.14082/9815/2/license.txt
https://repositorio.unap.edu.pe/bitstream/20.500.14082/9815/3/Luis_Alberto_Holgado_Apaza.pdf
https://repositorio.unap.edu.pe/bitstream/20.500.14082/9815/4/Luis_Alberto_Holgado_Apaza.pdf.txt
bitstream.checksum.fl_str_mv c52066b9c50a8f86be96c82978636682
bd33d761f167d7cc59025ab3eca0f104
c15643969d137a31a3701c34bb2b0d12
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional de la Universidad Nacional del Altiplano
repository.mail.fl_str_mv dspace-help@myu.edu
_version_ 1819880837166923776
spelling Carpio Vargas, Edgar EloyHolgado Apaza, Luis Alberto2019-03-28T17:29:30Z2019-03-28T17:29:30Z2019-02-06http://repositorio.unap.edu.pe/handle/20.500.14082/9815El presente estudio se llevó a cabo en la Universidad Nacional Amazónica de Madre de Dios (UNAMAD), ubicado en el departamento de Madre de Dios, durante el año 2018, tuvo como objetivo general detectar los patrones de bajo rendimiento académico de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios, para su desarrollo se empleó la metodología de minería de datos denominado: CRISP-DM; el algoritmo Random Forest permitió identificar que las variables: cantidad de asignaturas cursadas, el servicio de comedor universitario, la carrera profesional, deuda con la universidad, son las variables que más influyen en la prediccion del rendimiento académico, en relación a los tres algoritmos empleados: Random Forest, C5.0 y CART, el algoritmo que obtuvo mejor desempeño para el modelo de clasificación para el bajo rendimiento académico de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios, fue C5.0, con una medida de exactitud de clasificación (Accuracy) del 77.8% y el coeficiente de kappa del 0.56, por otra parte la aplicación de los algoritmos CART y C5.0 permitió identificar que el perfil que poseen los estudiantes con de bajo rendimiento académico en la Universidad Nacional Amazónica de Madre de Dios es el siguiente: “estudiantes que aprobaron más de 6 cursos, pero menos de 62 cursos, que no poseen servicio de comedor universitario y que poseen alguna deuda con la universidad”Tesisapplication/pdfspaUniversidad Nacional del Altiplanoinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/deed.esUniversidad Nacional del AltiplanoRepositorio Institucional - UNAPreponame:UNAP-Institucionalinstname:Universidad Nacional Del Altiplanoinstacron:UNAPEscalabilidad y rendimiento en análisis inteligente de datos y distribuidosTécnica de minería de datosDetección de patrones mediante minería de datosDetección de patrones de bajo rendimiento académico mediante técnicas de minería de datos de los estudiantes de la Universidad Nacional Amazónica de Madre de Dios 2018info:eu-repo/semantics/masterThesisSUNEDUMagister Scientiae en Informática con mención en Gerencia de Tecnología de Información y ComunicacionesInformáticaUniversidad Nacional del Altiplano. Escuela de PosgradoMaestríaLICENSElicense.txtlicense.txttext/plain; charset=utf-81327https://repositorio.unap.edu.pe/bitstream/20.500.14082/9815/2/license.txtc52066b9c50a8f86be96c82978636682MD52ORIGINALLuis_Alberto_Holgado_Apaza.pdfLuis_Alberto_Holgado_Apaza.pdfapplication/pdf8465693https://repositorio.unap.edu.pe/bitstream/20.500.14082/9815/3/Luis_Alberto_Holgado_Apaza.pdfbd33d761f167d7cc59025ab3eca0f104MD53TEXTLuis_Alberto_Holgado_Apaza.pdf.txtLuis_Alberto_Holgado_Apaza.pdf.txtExtracted texttext/plain164696https://repositorio.unap.edu.pe/bitstream/20.500.14082/9815/4/Luis_Alberto_Holgado_Apaza.pdf.txtc15643969d137a31a3701c34bb2b0d12MD5420.500.14082/9815oai:https://repositorio.unap.edu.pe:20.500.14082/98152022-11-02 15:48:28.351Repositorio institucional de la Universidad Nacional del Altiplanodspace-help@myu.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
score 13.754616
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).