Rendimiento académico mediante técnicas de minería de datos en estudiantes de la Universidad Nacional Agraria de la Selva

• Autor: Ponce Guizabalo, Santos Victor
• Formato: tesis de maestría
• Fecha de Publicación: 2023
• Institución: Universidad Nacional Hermilio Valdizán
• Repositorio: UNHEVAL-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unheval.edu.pe:20.500.13080/10264
• Enlace del recurso: https://hdl.handle.net/20.500.13080/10264
• Nivel de acceso: acceso abierto
• Materia: Minería de datos; Rendimiento académico; Regresión logística; Algoritmos de aprendizaje automático; Metodología CRISP-DM; https://purl.org/pe-repo/ocde/ford#2.02.04

El presente trabajo de investigación tiene como objetivo determinar la incidencia de la minería de datos en el rendimiento académico de los estudiantes del primer ciclo de la Universidad Nacional agraria de la selva. Para ello se planteó la hipótesis la minería de datos incide en el rendimiento académico de los estudiantes del primer ciclo de la Universidad Nacional Agraria de la Selva, Tingo María 2021. La técnica que se usó para recolectar los datos es una ficha de análisis documental, inicialmente se contaba con 2900 registros, luego con la depuración nos quedamos con 2404 registros, con el software WEKA 3.9 se analizó el resultado de los algoritmos de aprendizaje automático resultando con mejor predicción regresión logística de 72.79 % de exactitud (acuracy). En conclusión, El rendimiento académico de los estudiantes es un tema muy complejo y con los indicadores de ingreso como económicos, sociales o académicos, a través de la aplicación de técnicas de minería de datos y la metodología CRISP-DM, usando la aplicación de diferentes técnicas de minería de datos se logró determinar que el algoritmo que mejor incidencia tiene en el rendimiento académico de los alumnos ingresantes es la regresión logística que llega a una exactitud (acuracy) de 72.79 %.