Por favor, use este identificador para citar o enlazar este ítem: https://dspace.unl.edu.ec/jspui/handle/123456789/24426
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorChamba Eras, Luis Antonio-
dc.contributor.authorVillamagua Poma, Jhulissa Isabel-
dc.date.accessioned2021-11-25T20:45:44Z-
dc.date.available2021-11-25T20:45:44Z-
dc.date.issued2021-11-25-
dc.identifier.urihttps://dspace.unl.edu.ec/jspui/handle/123456789/24426-
dc.descriptionWorldwide, academic desertion is a phenomenon that persists in all higher education institutions. In Ecuador, according to a report presented by UNESCO, there is a 40% university student dropout rate; in some institutions it has been shown that there are various causes of dropout, such as social, academic, demographic, economic, pedagogical factors, among others. Although it has been tried, through different techniques, to reduce the dropout rates, it has been identified that these rates have increased due to the University admission program implemented by the Government. In addition, there is low interest in students with subjects related to Mathematics in Engineering careers since, according to the results obtained by the "Ser Bachiller" test, only an "Elementary" level is reached in this area, adding the rural sector as the most affected. By virtue of the above, the main objective of this Degree Project is to apply Educational Data Mining techniques to identify patterns in the academic records of students with subjects related to mathematics, in the Systems/Computer Engineering Career of the National University of Loja, which was carried out based on the phases of the CRISP-DM Methodology, which were developed through Excel, Google Colab and through the use of Python libraries such as Scikit-Learn and Pandas. The academic records were provided by the Directorate of Telecommunications and Information UTI, which were prepared for the topic of study through Python. During this process, the K-nearest neighbor technique was used to fill in some data, obtaining as output a model with which the different algorithms were applied, one for each cycle, to obtain the results of this TT. For the discovery of patterns, descriptive techniques were used, which were executed through: Association Rules (A-priori) and Clustering (K-means), implemented in three tools, Weka, RapidMiner and Python. Finally, through its execution and with the information obtained by each environment, factors such as not working, urban sector, male gender, single, are identified as the most predominant among the grouping of social, demographic and academic variables and from them, an action plan is proposed at a general level, with strategies that support the corresponding authorities in decision making, in order to reduce student desertion rates in the Systems/Computer Engineering Career. Keywords: Academic Record, Mathematics Subject, Engineering, Educational Data Mining, Crisp-DM, Descriptive Techniques, Weka, RapidMiner, Python.es_ES
dc.description.abstractA 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.es_ES
dc.format.extent438 p.es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Nacional de Lojaes_ES
dc.rightsopenAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/es_ES
dc.subject<REGISTRO ACADÉMICO><ASIGNATURA DE MATEMÁTICAS><MINERÍA DE DATOS EDUCATIVA>< CRISP-DM>< TÉCNICAS DESCRIPTIVAS>< WEKA>< RAPIDMINER>< PYTHON>es_ES
dc.titleMinería de Datos Educativa aplicada al descubrimiento de patrones en registros académicos de estudiantes de Ingeniería con asignaturas relacionadas a las matemáticas.es_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: TRABAJOS DE TITULACION AEIRNNR

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
JhulissaIsabel_VillamaguaPoma.pdf20,71 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.