Técnicas de análisis predictivo del ascenso de escala magisterial utilizando minería de datos en la Unidad de Gestión Educativa Local Pasco, 2023

• Autores: Chagua Ramon, Anderson Aldair, Ricaldi Castro, Franklin Antolin
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional Daniel Alcides Carrión
• Repositorio: UNDAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.undac.edu.pe:undac/4629
• Enlace del recurso: http://repositorio.undac.edu.pe/handle/undac/4629
• Nivel de acceso: acceso abierto
• Materia: Técnicas de análisis predictivo; Minería de datos; Ascenso de escala magisterial; https://purl.org/pe-repo/ocde/ford#2.02.04

El trabajo de investigación que realizamos se titula: “Técnicas de análisis predictivo del ascenso de Escala Magisterial utilizando Minería de Datos en la Unidad de Gestión Educativa Local Pasco 2023”. Este tuvo como objetivo principal aplicar las técnicas de minería de datos para optimizar el análisis predictivo del ascenso de Escala Magisterial en la Unidad de Gestión Educativa Local Pasco. El diseño descriptivo utilizado busco describir y analizar de manera detallada y precisa las características de una población o muestra especifica. La población y muestra del estudio incluyo a 438 docentes registrados en la base de datos Legix y en el sistema Nexus, quienes lograron vacantes para el ascenso de escala magisterial. A partir de los resultados obtenidos, se identificó que la técnica de Naive Bayes, con una precisión del 81%, es la herramienta más efectiva para la predicción del ascenso de escala magisterial en la Unidad de Gestión Educativa Local Pasco 2023. Tras validar las técnicas de minería de datos, se confirmó que Naive Bayes es óptima para este propósito. En conclusión, la aplicación de técnicas de minería de datos ha demostrado ser eficaz para el análisis predictivo del ascenso de escala magisterial en la Unidad de Gestión Educativa Local Pasco 2023.