Factores que inciden en el rendimiento académico de los estudiantes de la Universidad Nacional de Cajamarca, aplicando técnicas de minería de datos

• Autor: Meza Huamán, Jaime Amador
• Formato: tesis doctoral
• Fecha de Publicación: 2022
• Institución: Universidad Nacional de Piura
• Repositorio: UNP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unp.edu.pe:20.500.12676/3947
• Enlace del recurso: https://repositorio.unp.edu.pe/handle/20.500.12676/3947
• Nivel de acceso: acceso abierto
• Materia: sistemas; minería de datos; factores bio socio culturales y académicos; rendimiento académico; http://purl.org/pe-repo/ocde/ford#2.02.04

Actualmente toda organización educativa del rubro de universidades generan millones de datos en el tiempo que son ingresados, procesados y reportados por un sistema informático instalado en un dispositivo, pero sólo cumplen su función específica para presentar información en determinado tiempo y a veces algunos reportes utilizan datos históricos como el récord de notas del estudiante para sacar el certificado de estudios cuando ellos lo soliciten, luego estos datos no tiene ningún tratamiento, lo mismo ocurre con los procesos Admisión y Bienestar Universitario. En este contexto la investigación tiene por objetivo determinar los factores que inciden en el rendimiento académico de los estudiantes de la Universidad Nacional de Cajamarca utilizando de técnicas en minería de datos. La investigación tiene un enfoque cuantitativo y es de tipo Descriptiva – Correlacional, se aplicó la metodología CRISP-DM para planificar proyectos de minería de datos que se justificó con la comparación de otras 2 metodologías, esto permitió diseñar e implementar data mart para automatizar el paso de los datos desde una base datos transaccional a una base de datos por dimensiones de tipo estrella y hacer la respectivas mediciones de las nuevas variables y datos a descubrir; posteriormente permitió tener las variables candidatas para el modelo; que después de un análisis univariantes de comparación del nivel de asociación con la variable tipo de estudiante que representa al rendimiento académico, pasaron un total de 48 variables seleccionadas y estas recién fueron procesadas para el análisis de 13 corridas para obtener el mejor modelo de regresión no lineal conformado por 8 factores que a su vez son patrones que inciden positivamente y negativamente al rendimiento académico, dicho modelo fue evaluado a través del score predictivo utilizando la prueba KS obteniendo un porcentaje del 69.8% que es considero un buen modelo.