Por favor, use este identificador para citar o enlazar este ítem:
https://dspace.unl.edu.ec/jspui/handle/123456789/14074
Título : | Identificación de factores en la reprobación y deserción mediante técnicas de minería de datos en el Área de la Energía de la Universidad Nacional de Loja. |
Autor : | Ordóñez Ordóñez, Pablo Fernando González Pineda, Anibal Israel |
Palabras clave : | "<REPROBACIÓN DESERCIÓN> <TÉCNICAS DE MINERÍA DE DATOS> <HERRAMIENTAS ÚTILES EN MINERÍA DE DATOS> <METODOLOGÍA CRISP-DM>" |
Fecha de publicación : | 2014 |
Resumen : | Actualmente las Instituciones de Educación Superior enfrentan un problema, este es la deserción universitaria y surge desde que el estudiante ingresa al colegio y luego pasa por el Sistema Nacional de Nivelación y Admisión (SNNA), y posteriormente cursa una carrera profesional. Para ello se han empleado una gran cantidad de esfuerzos con el fin de que los alumnos trabajen directamente o aumenten su compromiso académico. Para contrarrestar este problema se evidencia una cantidad de actividades como: talleres, tareas extra clase entre otros, sin lograr mejorar esta situación, es decir estos esfuerzos no han sido suficientes y aún el problema persiste en las instituciones educativas de nivel superior. En base a lo descrito anteriormente, el objetivo principal del presente Trabajo de Titulación es la identificación de factores que inciden en la deserción y reprobación universitaria. Para realizar todo este proceso, se aplicaron de técnicas de minería de datos que permitirán extraer conclusiones e información relevante sobre la deserción y reprobación. La selección de las técnicas de minería de datos se justifica por fuentes bibliográficas, puesto que son esenciales para el caso de estudio. En cuanto a los métodos aplicados para lograr el desarrollo eficiente del presente trabajo se ha utilizado la metodología CRISP-DM, la cual da la posibilidad de llevar un trabajo ordenado e iterativo. Los datos utilizados para llevar a cabo la identificación de los factores, se obtuvo de las bases de datos del Sistema de Gestión Académica (S.G.A.) a través de su Web Services, además se recopiló datos del Área de Bienestar Universitario, todo esto para luego integrar en una sola fuente de datos, para su posterior procesamiento. Finalmente luego de identificar los factores de deserción y reprobación, se generó un modelo predictivo de deserción con el propósito de validar los resultados obtenidos, el cual se evaluó con datos de estudiantes que cursan actualmente las carreras del Área de Energía de las Industrias y los Recursos Naturales No Renovables de la Universidad Nacional de Loja. |
Descripción : | Currently the Higher Education Institutions face a complex problem, this problem is the college dropout and emerges from the student starts school and then passes through the National System of Equalization and Admission (SNNA), and then studying for a career. This has been used a lot of efforts in order to have students work directly or enhance their academic commitment. For countering this problem a number of activities have been evidenced such as workshops, extra class, tasks, among others. Without achieving improve the situation, it means, these efforts have not been sufficient and the problem still persists in educational higher-level institutions Based on writing above, the main objective of this work is to identify the factors that influence on university dropout and fail. To achieve this process were applied to data mining techniques that will allow drawing conclusions and relevant information on dropout and failure rates. The selection of data mining techniques is justified by literature sources; they are essentially for this study. By other hand the methods used to achieve, the efficient development of this work has used the CRISP-DM methodology, which gives the possibility to bring an orderly and iterative work. The data used to carry out the identification of the factors was obtained from the databases of SISTEMA DE GESTIÓN ACADÉMICA (SGA) through its Web services also details University Welfare Area was collected, and then integrate this on a single source of data for later processing. Finally, after identifying factors dropout and failure, a predictive model of attrition in order to validate the results was obtained, which was evaluated with data from students currently sign on of Energy Industries and Natural Resources Non-Renewable carriers of Universidad Nacional de Loja. |
URI : | http://dspace.unl.edu.ec/jspui/handle/123456789/14074 |
Aparece en las colecciones: | TRABAJOS DE TITULACION AEIRNNR |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
González Pineda, Anibal Israel.pdf | 11,53 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.