Detección de patrones académicos en curso de nivelación con deserción en la Universidad Técnica Estatal de Quevedo basado en los factores socioeconómicos
Autores
Cargando...
Fecha
2024
Directores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Quevedo: UTEQ
Resumen
Actualmente las universidades de Ecuador enfrentan grandes desafíos debido a la deserción estudiantil, por lo cual es apremiante tomar medidas para identificar los factores que inciden en este problema. Para lograr los objetivos, se realizó un análisis descriptivo y exploratorio de un conjunto de datos obtenido del departamento de Sistema de Gestión Académico de la Universidad Técnica Estatal de Quevedo. A través este proyecto, se propone abordar el problema mediante la implementación de algoritmos de Minería de Datos con el objetivo de descubrir patrones que ocasionan la deserción estudiantil. Se utilizó la metodología de descubrimiento de conocimiento en base de datos (KDD), la cual consiste en fases de selección, preprocesamiento, transformación, Minería de Datos y evaluación de los datos.
Para la preparación y depuración del conjunto de datos se usó RStudio y Weka para aplicar los algoritmos de J48, DecisiónStump, RandomTree, RandomForest, HoeffdingTree, LMT y RepTree. Para elegir el algoritmo óptimo para el estudio se evaluaron cuantitativamente cada uno de ellos mediante la precisión. En los resultados obtenidos, se destacó que el algoritmo de Random Tree tuvo mejor resultado en los análisis, seguido del del Random Forest, este algoritmo permitió identificar los patrones asociados directamente con la deserción estudiantil.
Descripción
Currently, universities in Ecuador face great challenges due to student dropout, so it is urgent to take measures to identify the factors that affect this problem. To achieve the objectives, a descriptive and exploratory analysis was carried out on a set of data obtained from the Academic Management System department of the State Technical University of Quevedo. Through this project it is proposed to address the problem by implementing Data Mining algorithms with the aim of discovering patterns that cause student dropout. The knowledge discovery in database (KDD) methodology was used, which consists of selection, preprocessing, transformation, data mining and data evaluation phases.
For the preparation and purification of the data set, RStudio and Weka are used to apply the J48, DecisionStump, RandomTree, RandomForest, HoeffdingTree, LMT and RepTree algorithms. To choose the optimal algorithm for the study, each of them will be quantitatively evaluated by precision. In the results obtained, it was highlighted that the Random Tree algorithm had better results in the analyses, followed by the Random Forest, this algorithm allowed us to identify patterns directly associated with student dropout.
Palabras clave
Deserción estudiantil, KDD, Weka, RStudio
Citación
Almeida Murillo, Almeida Murillo (2024). Detección de patrones académicos en curso de nivelación con deserción en la Universidad Técnica Estatal de Quevedo basado en los factores socioeconómicos. Quevedo. UTEQ. 119 paginas