Minería de Datos Educativa aplicada al descubrimiento de patrones en registros académicos de estudiantes de Ingeniería con asignaturas relacionadas a las matemáticas.

Abstract

A nivel Mundial, la deserción académica es un fenómeno que subsiste en todas las Instituciones de Educación Superior. En Ecuador, según reporte presentado por la UNESCO existe un 40% de abandono estudiantil universitario; en algunas Instituciones se ha demostrado que existen diversas causas de deserción, como factores sociales, académicos, demográficos, económicos, pedagógicos, entre otros. Pese a que se ha tratado, a través de diferentes técnicas, minorar los porcentajes de abandono académico, se ha logrado identificar que estos índices han aumentado debido al programa de admisión a la Universidad implementada por el Gobierno. Añadiendo que, existe bajo interés en los estudiantes con asignaturas relacionadas a las Matemáticas en Carreras de Ingeniería ya que, de acuerdo con los resultados obtenidos por la Prueba “Ser Bachiller”, se alcanza únicamente un nivel de “Elemental” en dicha área, añadiendo al sector rural como el más afectado. En virtud de lo anteriormente expuesto, el objetivo principal del presente Trabajo de Titulación es aplicar técnicas de Minería de Datos Educativa para identificar los patrones en los registros académicos de los estudiantes con asignaturas relacionadas a las matemáticas, en la Carrera de Ingeniería en Sistemas/Computación de la Universidad Nacional de Loja, mismo que se lo realizó con base a las fases del Metodología CRISP-DM, las cuales fueron desarrolladas a través de Excel, Google Colab y mediante el uso de librerías de Python como son Scikit-Learn y Pandas. Los registros académicos se proporcionaron desde la Dirección de Telecomunicaciones e Información UTI, mismos que fueron preparados para el tema de estudio a través de Python, durante este proceso, se empleó la técnica de K-vecino más cercano para el relleno de algunos datos, obteniendo como salida un modelo con el cual aplicados los diferentes algoritmos, uno por cada ciclo, se obtienen los resultados del presente TT. Para el descubrimiento de patrones se emplearon técnicas descriptivas mismas que se ejecutaron a través de: Reglas de Asociación (A-priori) y Clústering (K-means), implementadas en tres herramientas, Weka, RapidMiner y Python. Finalmente, a través de su ejecución y con la información obtenida por cada ambiente se identifican a factores como no trabajar, del sector urbano, de género masculino, solteros como los más predominantes entre la agrupación de variables sociales, demográficas y académicas y a partir de ellas, se propone un plan de acción a nivel general, con estrategias que sirvan de apoyo a las autoridades correspondientes en la toma de decisiones, con el fin de minorar los índices de deserción estudiantil en la Carrera de Ingeniería en Sistemas/Computación. Palabras Claves: Registro académico, Asignatura de matemáticas, Ingeniería, Minería de Datos Educativa, Crisp-DM, Técnicas Descriptivas, Weka, RapidMiner, Python.