Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo de las Escuela Profesional de Ingeniería de Computación y Sistemas, Universidad de San Martín de Porres, Lima-Perú

Descripción del Articulo

El rendimiento académico es un tema estudiado desde hace mucho tiempo. Los alumnos ingresantes de las universidades son los más vulnerables a enfrentar problemas de rendimiento, resultando en posible deserción. La minería de datos en educación aplica técnicas de minería de datos en la información ge...

Descripción completa

Detalles Bibliográficos
Autor: Yamao, Eiriku
Formato: tesis de maestría
Fecha de Publicación:2018
Institución:Universidad de San Martín de Porres
Repositorio:USMP-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.usmp.edu.pe:20.500.12727/3555
Enlace del recurso:https://hdl.handle.net/20.500.12727/3555
Nivel de acceso:acceso abierto
Materia:Minería de datos
Procesamiento electrónico de datos
Rendimiento académico - Pruebas
005 - Programación, programas, datos de computador
https://purl.org/pe-repo/ocde/ford#1.02.01
id USMP_f11039c2623cf5004d8dc2f6546b3a80
oai_identifier_str oai:repositorio.usmp.edu.pe:20.500.12727/3555
network_acronym_str USMP
network_name_str USMP-Institucional
repository_id_str 2089
spelling Bernuy Alva, Augusto ErnestoYamao, EirikuYamao, Eiriku2018-06-15T15:02:31Z2018-06-15T15:02:31Z2018https://hdl.handle.net/20.500.12727/3555El rendimiento académico es un tema estudiado desde hace mucho tiempo. Los alumnos ingresantes de las universidades son los más vulnerables a enfrentar problemas de rendimiento, resultando en posible deserción. La minería de datos en educación aplica técnicas de minería de datos en la información generada en el sector educación. El presente trabajo consiste en realizar la predicción del rendimiento académico de los alumnos que ingresaron a la Escuela Profesional de Ingeniería de Computación y Sistemas de la Universidad de San Martin de Porres en el primer ciclo utilizando minería de datos. Se extrajeron datos de 1304 ingresantes que fueron clasificados en tres factores: sociales, económicos y académicos. Se realizaron predicciones a través de tres técnicas: regresión lineal, árbol de decisiones y support vector machines, y el mejor resultado de 82.87% se obtuvo utilizando árbol de decisiones. De los diferentes factores, los que más influyeron en el rendimiento académico fueron los siguientes: nota de examen de admisión, género, edad, modalidad de ingreso y distancia desde su casa hasta el centro de estudios. Utilizando minería de datos fue posible realizar predicciones del rendimiento académico de los ingresantes. Esto permitió la detección de ingresantes que podrían enfrentarse a problemas en sus estudios.128 p.spaUniversidad de San Martín de PorresPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Universidad de San Martín de Porres – USMPREPOSITORIO ACADÉMICO USMPreponame:USMP-Institucionalinstname:Universidad de San Martín de Porresinstacron:USMPMinería de datosProcesamiento electrónico de datosRendimiento académico - Pruebas005 - Programación, programas, datos de computadorhttps://purl.org/pe-repo/ocde/ford#1.02.01Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo de las Escuela Profesional de Ingeniería de Computación y Sistemas, Universidad de San Martín de Porres, Lima-Perúinfo:eu-repo/semantics/masterThesisSUNEDUMagíster en Ingeniería de Computación y SistemasUniversidad de San Martín de Porres. Facultad de Ingeniería y Arquitectura. Sección de PosgradoComputación y Sistemashttps://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisLICENSElicense.txtlicense.txttext/plain; charset=utf-8255https://repositorio.usmp.edu.pe/bitstream/20.500.12727/3555/2/license.txt19c802c5bfcf4b4a5d4125de9910c135MD52ORIGINALyamao_e.pdfyamao_e.pdfTexto completoapplication/pdf2279603https://repositorio.usmp.edu.pe/bitstream/20.500.12727/3555/3/yamao_e.pdf5d92d8123ee4d31c8cee425cb6dcebadMD53TEXTyamao_e.pdf.txtyamao_e.pdf.txtExtracted texttext/plain178466https://repositorio.usmp.edu.pe/bitstream/20.500.12727/3555/4/yamao_e.pdf.txta16fbc88420babe0ba22f8e41badc372MD54THUMBNAILyamao_e.pdf.jpgyamao_e.pdf.jpgGenerated Thumbnailimage/jpeg5678https://repositorio.usmp.edu.pe/bitstream/20.500.12727/3555/5/yamao_e.pdf.jpg0d39b101b72630259f020553c102154eMD5520.500.12727/3555oai:repositorio.usmp.edu.pe:20.500.12727/35552020-01-03 01:33:07.735REPOSITORIO ACADEMICO USMPrepositorio@usmp.peTG9zIHVzb3MgY29tZXJjaWFsZXMgeSBsYSBlbGFib3JhY2nDs24gZGUgb2JyYXMgZGVyaXZhZGFzIHBvciBwYXJ0ZQpkZSB0ZXJjZXJvcyBkZXBlbmRlcsOhbiBkZSBsYXMgbGljZW5jaWFzIENyZWF0aXZlIENvbW1vbnMgb3RvcmdhZGFzCmluZGl2aWR1YWxtZW50ZSBwb3IgZWwgdGl0dWxhciBkZSBsYSBvYnJhIGFsIGF1dG9yaXphciBsYQpwdWJsaWNhY2nDs24gZGUgc3VzIG9icmFzIGVuIGVsIFJFUE9TSVRPUklPIEFDQUTDiU1JQ08gVVNNUC4K
dc.title.es_PE.fl_str_mv Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo de las Escuela Profesional de Ingeniería de Computación y Sistemas, Universidad de San Martín de Porres, Lima-Perú
title Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo de las Escuela Profesional de Ingeniería de Computación y Sistemas, Universidad de San Martín de Porres, Lima-Perú
spellingShingle Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo de las Escuela Profesional de Ingeniería de Computación y Sistemas, Universidad de San Martín de Porres, Lima-Perú
Yamao, Eiriku
Minería de datos
Procesamiento electrónico de datos
Rendimiento académico - Pruebas
005 - Programación, programas, datos de computador
https://purl.org/pe-repo/ocde/ford#1.02.01
title_short Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo de las Escuela Profesional de Ingeniería de Computación y Sistemas, Universidad de San Martín de Porres, Lima-Perú
title_full Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo de las Escuela Profesional de Ingeniería de Computación y Sistemas, Universidad de San Martín de Porres, Lima-Perú
title_fullStr Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo de las Escuela Profesional de Ingeniería de Computación y Sistemas, Universidad de San Martín de Porres, Lima-Perú
title_full_unstemmed Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo de las Escuela Profesional de Ingeniería de Computación y Sistemas, Universidad de San Martín de Porres, Lima-Perú
title_sort Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo de las Escuela Profesional de Ingeniería de Computación y Sistemas, Universidad de San Martín de Porres, Lima-Perú
dc.creator.none.fl_str_mv Yamao, Eiriku
author Yamao, Eiriku
author_facet Yamao, Eiriku
author_role author
dc.contributor.advisor.fl_str_mv Bernuy Alva, Augusto Ernesto
dc.contributor.author.fl_str_mv Yamao, Eiriku
dc.subject.es_PE.fl_str_mv Minería de datos
Procesamiento electrónico de datos
Rendimiento académico - Pruebas
topic Minería de datos
Procesamiento electrónico de datos
Rendimiento académico - Pruebas
005 - Programación, programas, datos de computador
https://purl.org/pe-repo/ocde/ford#1.02.01
dc.subject.ddc.es_PE.fl_str_mv 005 - Programación, programas, datos de computador
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.02.01
description El rendimiento académico es un tema estudiado desde hace mucho tiempo. Los alumnos ingresantes de las universidades son los más vulnerables a enfrentar problemas de rendimiento, resultando en posible deserción. La minería de datos en educación aplica técnicas de minería de datos en la información generada en el sector educación. El presente trabajo consiste en realizar la predicción del rendimiento académico de los alumnos que ingresaron a la Escuela Profesional de Ingeniería de Computación y Sistemas de la Universidad de San Martin de Porres en el primer ciclo utilizando minería de datos. Se extrajeron datos de 1304 ingresantes que fueron clasificados en tres factores: sociales, económicos y académicos. Se realizaron predicciones a través de tres técnicas: regresión lineal, árbol de decisiones y support vector machines, y el mejor resultado de 82.87% se obtuvo utilizando árbol de decisiones. De los diferentes factores, los que más influyeron en el rendimiento académico fueron los siguientes: nota de examen de admisión, género, edad, modalidad de ingreso y distancia desde su casa hasta el centro de estudios. Utilizando minería de datos fue posible realizar predicciones del rendimiento académico de los ingresantes. Esto permitió la detección de ingresantes que podrían enfrentarse a problemas en sus estudios.
publishDate 2018
dc.date.accessioned.none.fl_str_mv 2018-06-15T15:02:31Z
dc.date.available.none.fl_str_mv 2018-06-15T15:02:31Z
dc.date.issued.fl_str_mv 2018
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12727/3555
url https://hdl.handle.net/20.500.12727/3555
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.extent.es_PE.fl_str_mv 128 p.
dc.publisher.es_PE.fl_str_mv Universidad de San Martín de Porres
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Universidad de San Martín de Porres – USMP
REPOSITORIO ACADÉMICO USMP
dc.source.none.fl_str_mv reponame:USMP-Institucional
instname:Universidad de San Martín de Porres
instacron:USMP
instname_str Universidad de San Martín de Porres
instacron_str USMP
institution USMP
reponame_str USMP-Institucional
collection USMP-Institucional
bitstream.url.fl_str_mv https://repositorio.usmp.edu.pe/bitstream/20.500.12727/3555/2/license.txt
https://repositorio.usmp.edu.pe/bitstream/20.500.12727/3555/3/yamao_e.pdf
https://repositorio.usmp.edu.pe/bitstream/20.500.12727/3555/4/yamao_e.pdf.txt
https://repositorio.usmp.edu.pe/bitstream/20.500.12727/3555/5/yamao_e.pdf.jpg
bitstream.checksum.fl_str_mv 19c802c5bfcf4b4a5d4125de9910c135
5d92d8123ee4d31c8cee425cb6dcebad
a16fbc88420babe0ba22f8e41badc372
0d39b101b72630259f020553c102154e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv REPOSITORIO ACADEMICO USMP
repository.mail.fl_str_mv repositorio@usmp.pe
_version_ 1841817514522181632
score 13.439101
Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo de las Escuela Profesional de Ingeniería de Computación y Sistemas, Universidad de San Martín de Porres, Lima-Perú
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares