Evaluación del rendimiento académico de la U.E. John F. Kennedy situada en la parroquia José Luis Tamayo del cantón Salinas aplicando técnicas de minería de datos
En la Unidad Educativa John F. Kennedy al finalizar un parcial se desarrollan las juntas de curso, proceso donde se analiza el rendimiento académico de los estudiantes utilizando técnicas básicas de estadísticas y se observa la cantidad de estudiantes que han aprobado o reprobado, no se refleja un e...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Ecuador |
| Institución: | Universidad Estatal Península de Santa Elena |
| Repositorio: | Repositorio Universidad Estatal Península de Santa Elena |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.upse.edu.ec:46000/9765 |
| Acceso en línea: | https://repositorio.upse.edu.ec/handle/46000/9765 |
| Access Level: | acceso abierto |
| Palabra clave: | MINERÍA DE DATOS METODOLOGÍA CRISP DM OPERADORES |
| Sumario: | En la Unidad Educativa John F. Kennedy al finalizar un parcial se desarrollan las juntas de curso, proceso donde se analiza el rendimiento académico de los estudiantes utilizando técnicas básicas de estadísticas y se observa la cantidad de estudiantes que han aprobado o reprobado, no se refleja un estudio a fondo de la causa de la deficiencia, esto no ayuda a tener una visión para dar solución al problema que afecta al grupo de estudiantes. Por tal razón se aplicó técnicas de minería de datos que mediante un análisis prescriptivo lograron determinar varios factores que estaban causando dicha anomalía. Para el proceso de minería se utilizó la herramienta Rapidminer que facilitó las tareas mediante el uso de técnicas de modelado. El proyecto siguió la estructura de la metodología CRISP-DM, que consta de seis fases basadas en comprender el negocio dando a conocer primero el objetivo general que fue establecer mejoras en las estrategias de aprendizaje aplicadas a los estudiantes, luego se establecieron los criterios de éxito basados en la calidad del aprendizaje, seguido de la comprensión de los datos donde la principal tarea fue explorar las características de los atributos, luego se prepararon los datos donde se crearon nuevos atributos, se eliminaron y sustituyeron valores, en la fase de modelado se aplicaron las técnicas apropiadas para el proyecto, luego se valoró el rendimiento de los modelos según las métricas establecidas en cada uno y posteriormente se eligió el modelo de mejor rendimiento considerando el tiempo de ejecución y la precisión. Por último, se mostró los resultados de predicción en un dashboard interactivo usando la herramienta POWER BI donde los interesados hicieron un monitoreo de la información e identificaron factores que influyen en el rendimiento académico y que sirvió para la búsqueda de nuevas estrategias de aprendizaje. |
|---|