Aplicación de árboles de decisión para la predicción del rendimiento académico de los estudiantes de los primeros ciclos de la Carrera de Ingeniería Civil de la Universidad Continental

• Autor: Camborda Zamudio, María Gabriela
• Formato: tesis de maestría
• Fecha de Publicación: 2014
• Institución: Universidad Nacional del Centro del Perú
• Repositorio: UNCP - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uncp.edu.pe:20.500.12894/1477
• Enlace del recurso: http://hdl.handle.net/20.500.12894/1477
• Nivel de acceso: acceso abierto
• Materia: Árboles de decisión; Rendimiento académico

La presente tesis es titulada “APLICACIÓN DE ÁRBOLES DE DECISIÓN PARA LA PREDICCIÓN DEL RENDIMIENTO ACADÉMICO DE LOS ESTUDIANTES DE LOS PRIMEROS CICLOS DE LA CARRERA DE INGENIERIA CIVIL DE LA UNIVERSIDAD CONTINENTAL”. Actualmente en la carrera de ing. Civil existe muy bajo rendimiento académico debido a varios factores demográficos, académicos, institucionales actitudinales que afectan al estudiante en su desenvolvimiento académico en la universidad, el objetivo de esta investigación fue predecir el rendimiento académico identificando las variables de los factores que más influyen en el estudiante en su rendimiento académico. La herramienta utilizada en esta investigación es Árboles de decisión como modelo de predicción basado en reglas utilizado en el ámbito de la inteligencia artificial que sirve para representar y categorizar una serie de condiciones que ocurren de forma sucesiva, para la resolución de un problema. Utilizando datos sobre factores demográficos, académicos, institucionales actitudinales de los estudiantes se aplicó la herramienta de árboles de decisión, específicamente el algoritmo j48 de weka que es un software para minería de datos. Sin embargo es preciso mencionar que cuando se utilizaban las variables en conjunto correspondientes a un solo aspecto, se tuvo menor exactitud que cuando se realizó combinando variables de diversos aspectos. Los resultados que se obtuvieron aplicando esta herramienta fueron las variables más influyentes en el estudiante que permite predecir su rendimiento académico según intervalos de notas que se consideró de acuerdo a su promedio del estudiante. Las variables académicas fueron las que resultaron con más ganancia de información por lo que con estas variables la predicción tiene mayor exactitud y definen el rendimiento académico del estudiante Se recomienda clasificar los datos de los estudiantes para no solo predecir el rendimiento académico ayudado de la minera de datos, sino otros indicadores que son necesarios para poder predecir el rendimiento académico del estudiante, siendo la minería de datos una herramienta con un potencial increíble y aplicable en un sinfín de proyectos, circunstancias y finalidades.