Por favor, use este identificador para citar o enlazar este ítem:
https://biblioteca.tecnologicoargos.edu.ec/handle/ARGOS/118
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.author | Mite Baidal, Karen María * Instituto Superior Argos | - |
dc.contributor.author | Calderón Onofre, Diana Xiomara * Instituto Superior Argos | - |
dc.contributor.author | Alarcón Loza, Shirley Gabriela * Instituto Superior Argos | - |
dc.contributor.author | Macías Plúas, Mishel Stefanía * Instituto Superior Argos | - |
dc.date.accessioned | 2024-02-14T22:21:20Z | - |
dc.date.available | 2024-02-14T22:21:20Z | - |
dc.date.issued | 2022-08-08 | - |
dc.identifier.isbn | 978-3-031-25941-8 | - |
dc.identifier.uri | https://biblioteca.tecnologicoargos.edu.ec/handle/ARGOS/118 | - |
dc.description.abstract | El impacto del riesgo académico en la universidad se puede anticipar, a través de datos análisis, para minimizar su impacto en la comunidad educativa. Este artículo busca establecer un modelo predictivo que evalúe el riesgo académico de los estudiantes de la modalidad online de un instituto tecnológico, desde el punto de vista de la actuación, para su detección oportuna y acciones tempranas. La base de datos incluía el registro de datos demográficos y calificaciones de diversas asignaturas cursadas en el año 2021, de una muestra de 1023 estudiantes para el periodo académico 2020. Para esta investigación, los factores se consideró la asistencia y la avería gruesa, para evaluar el desempeño que afecta el riesgo académico. Él proceso estándar intersectorial para la minería de datos metodología y el software Waikato Environment for Knowledge Analysis se utilizaron algoritmos de evaluación y métodos de búsqueda para determinar los atributos predictivos para cada factor, con registros de asistencia y promedios generales siendo el más significativo. Los resultados mostraron que, para la variable Asistencia, el mejor algoritmo de clasificación fue Random Tree, cuyo valor de precisión fue 99.70% y para el área, bajo la curva (ROC Área) fue de 0.992. Con respecto al promedio general, el mejor algoritmo de clasificación fue J48, con valores de 98,50% y 0,937 respectivamente. Sé sugiere desarrollar investigaciones relacionadas con los datos minería que promueva la mejora de la calidad académica y de los servicios en el estudio modalidad. | es_ES |
dc.description.uri | Trabajo de investigación | es_ES |
dc.format | application/pdf | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | CI3 2022: 3rd International Congress of Research and Innovation | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.source | CI3 2022: 3rd International Congress of Research and Innovation | es_ES |
dc.subject | Minería de datos | es_ES |
dc.subject | Modelo predictivo | es_ES |
dc.title | Diseño de un modelo predictivo para evaluar el riesgo académico empleando minería de datos. | es_ES |
dc.type | info:eu-repo/semantics/article | es_ES |
dc.subject.ocde | Algoritmo de clasificación | es_ES |
dc.subject.ocde | Educación Superior | es_ES |
dc.subject.ocde | Riesgo Académico | es_ES |
thesis.degree.level | Maestría | es_ES |
Aparece en las colecciones: | Dominio 5: Tecnología y sistemas |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Diseño de un modelo predictivo para evaluar el riesgo académico empleando minería de datos..pdf | 915.75 kB | Adobe PDF | Visualizar/Abrir |
Este ítem está protegido por copyright original |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.