Análisis predictivo para conocer los factores que repercuten en el rendimiento académico de los estudiantes del Cetpro ADITA ZANNIER usando la metodología CRISP

• Autores: Cotrina Mauricio, Alam Daniel, Lujan Cortijo, Jean Carlos Martin
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Privada Antenor Orrego
• Repositorio: UPAO-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upao.edu.pe:20.500.12759/8272
• Enlace del recurso: https://hdl.handle.net/20.500.12759/8272
• Nivel de acceso: acceso embargado
• Materia: Rendimiento; Factores; https://purl.org/pe-repo/ocde/ford#2.02.04

Actualmente la analítica de datos está revolucionando la forma en que trabajan las organizaciones, y como están ahora tomando decisiones y como se relacionan con sus clientes. Los tomadores de decisiones deben de aprovechar el potencial que ofrecen las herramientas de Analítica para construir mejores relaciones con sus usuarios o clientes y predecir sus necesidades y conductas. En esta instancia es que la Minería de Datos nos va a permitir extraer información sensible que reside de manera implícita en los datos. El CETPRO “ADITA ZANNIER DE MURGIA” es una Institución educativa, que ofrece una educación Técnica Productiva, articulando la oferta educativa con la demanda laboral, aplicando metodologías activas e innovadoras, orientadas a un desarrollo científico y tecnológico. Su principal problema en CETPRO es que no pueden obtener información sobre los factores que repercuten en el rendimiento académico de sus alumnos con las herramientas y soluciones actuales que posee. La Solución planteada frente a estos problemas es la extracción de los datos más relevantes a partir de la Base de Datos Transaccional existente, a una nueva vista de datos, que sería el resultado de la preparación de los datos para su futura transformación a un Data Mining. Para este proyecto se utiliza la metodología CRISP y la herramienta SPSS Modeler para la aplicación del modelo de minería de datos teniendo un mejor análisis de sus datos que puedan hacer más confiable la toma de decisiones. Encontrando que el Modelo de árbol de decisión C5.0 nos brinda una información más confiable de factores que repercuten en el rendimiento académico.