APLICACIONES DE MINERÍA DE DATOS EN DATOS DE INGRESO DE ESTUDIANTES DE INGENIERÍA
El estudio exploratorio realizado en el Departamento de Ingeniería en Sistemas Computacionales del ITS Motul utiliza minería de datos para correlacionar el desempeño académico de los estudiantes a través del promedio de calificaciones, con la prueba de ingreso a nivel superior, a través del instrumento EXANI II, con el fin de identificar patrones acerca de los principales indicadores académicos que presentan los estudiantes de nuevo ingreso y que ayuden a predecir su comportamiento posterior. Además de clasificarlos utilizando el algoritmo de árbol J48 para identificar las variables principales que determinen su potencial rendimiento académico, resultando ser la comprensión lectora y el índice de pensamiento matemático. Se utiliza en el proyecto Weka, software que implementa técnicas de machine learning, para el análisis automático de los datos, dejando la interpretación de la información resultante en manos del investigador. Los indicadores elegidos están asociados únicamente al desempeño académico y los resultados preliminares del estudio son una pauta para realizar estudios más profundos con mayor cantidad de datos y número de indicadores que, a largo plazo, permitan una caracterización formal de las necesidades de los estudiantes de nuevo ingreso.
APLICACIONES DE MINERÍA DE DATOS EN DATOS DE INGRESO DE ESTUDIANTES DE INGENIERÍA
-
DOI: 10.22533/at.ed.5582102214049
-
Palavras-chave: minería de datos, educación superior, J48, Weka, EXANI II
-
Keywords: data mining, higher education, J48, Weka, EXANI II
-
Abstract:
This exploratory study was carried out in the Department of Computer Systems Engineering of ITS Motul using data mining to identify relationships between the academic performance with the entrance test named EXANI II, in order to identify patterns about the main academic indicators that new students present and that help predict their subsequent behavior. In addition, they were classified using the J48 tree algorithm to identify the main variables that determine their potential academic performance, resulting in reading comprehension and the index of mathematical thinking. Weka is used in this project, due that it implements machine learning techniques for automatic data analysis, leaving the interpretation of the resulting information in the hands of the researcher. The chosen indicators are associated only with academic performance and the preliminary results of the study are a guideline for conducting more in-depth studies with greater amounts of data and number of indicators that, in the long term, allow a formal characterization of the needs of students again
-
Número de páginas: 9
- Humberto José Centurión Cardeña
- Danice Deyanira Cano Barrón
