Análisis del rendimiento académico de la asignatura de programación mediante técnicas de minería de datos
En este proyecto se realiza un análisis de la relación entre el compromiso estudiantil con las pruebas realizadas a lo largo del semestre y que técnicas de la minería de datos serian útiles para unos mejores resultados de dicho análisis. Se empleó la metodología para el Descubrimiento de Conocimient...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión borrador |
| Fecha de publicación: | 2022 |
| País: | México |
| Institución: | Universidad Juaréz Autónoma de Tabasco |
| Repositorio: | Repositorio Institucional de la Universidad Juárez Autónoma de Tabasco |
| Idioma: | español |
| OAI Identifier: | oai:ri.ujat.mx:200.500.12107/4884 |
| Acceso en línea: | https://ri.ujat.mx/handle/200.500.12107/4884 |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/cti/7 Minería de datos, Compromiso estudiantil, Correlaciones, Cluster, Reglas de asociación. |
| Sumario: | En este proyecto se realiza un análisis de la relación entre el compromiso estudiantil con las pruebas realizadas a lo largo del semestre y que técnicas de la minería de datos serian útiles para unos mejores resultados de dicho análisis. Se empleó la metodología para el Descubrimiento de Conocimientos en Bases de Datos (Knowledge Discovery in Databases - KDD), la cual es un proceso que no solo incluye la obtención de modelos o patrones, sino también la interpretación de estos. La población fue una muestra de 25 estudiantes de la materia de programación de una universidad del Sureste mexicano Los resultados fueron un modelo de correlaciones entre las variables resultantes de la prueba UWES creado con el lenguaje de programación R, de igual forma un modelo de tres clusters los cuales se realizaron con la ayuda del algoritmo K-means con el software WEKA y por último con este mismo software unas reglas de asociación con el algoritmo apriori. |
|---|