Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber
El recurso digital está diseñado para ser accesible de manera remota, permitiendo a las comunidades educativas, gobiernos locales y organizaciones sociales acceder a la información desde cualquier ubicación con conexión a internet. Se han implementado una serie de algoritmos y modelos matemáticos qu...
- Autores:
-
Salleg Aviles, Jorge Antonio
Barros Pomárico, Mauricio Alberto
- Tipo de recurso:
- Fecha de publicación:
- 2024
- Institución:
- Universidad Cooperativa de Colombia
- Repositorio:
- Repositorio UCC
- Idioma:
- spa
- OAI Identifier:
- oai:repository.ucc.edu.co:20.500.12494/56662
- Acceso en línea:
- https://hdl.handle.net/20.500.12494/56662
- Palabra clave:
- TG 2024 MGTI 56662
Mineria de datos
Evaluación educativa
Rendimiento académico
Educación primaria
Evaluación de desempeño académico
Análisis de datos educativos
Visualización de datos
Base de datos educativa
Técnicas de análisis comparativo
Algoritmos de evaluación
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by/4.0/
| id |
COOPER2_356d7514dd5acc4dbc963db895650caf |
|---|---|
| oai_identifier_str |
oai:repository.ucc.edu.co:20.500.12494/56662 |
| network_acronym_str |
COOPER2 |
| network_name_str |
Repositorio UCC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber |
| title |
Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber |
| spellingShingle |
Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber TG 2024 MGTI 56662 Mineria de datos Evaluación educativa Rendimiento académico Educación primaria Evaluación de desempeño académico Análisis de datos educativos Visualización de datos Base de datos educativa Técnicas de análisis comparativo Algoritmos de evaluación |
| title_short |
Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber |
| title_full |
Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber |
| title_fullStr |
Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber |
| title_full_unstemmed |
Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber |
| title_sort |
Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber |
| dc.creator.fl_str_mv |
Salleg Aviles, Jorge Antonio Barros Pomárico, Mauricio Alberto |
| dc.contributor.advisor.none.fl_str_mv |
Angarita Reina, Fredy Arias Quintero, Pedro Alberto |
| dc.contributor.author.none.fl_str_mv |
Salleg Aviles, Jorge Antonio Barros Pomárico, Mauricio Alberto |
| dc.subject.classification.none.fl_str_mv |
TG 2024 MGTI 56662 |
| topic |
TG 2024 MGTI 56662 Mineria de datos Evaluación educativa Rendimiento académico Educación primaria Evaluación de desempeño académico Análisis de datos educativos Visualización de datos Base de datos educativa Técnicas de análisis comparativo Algoritmos de evaluación |
| dc.subject.lemb.none.fl_str_mv |
Mineria de datos Evaluación educativa Rendimiento académico Educación primaria |
| dc.subject.proposal.none.fl_str_mv |
Evaluación de desempeño académico Análisis de datos educativos Visualización de datos Base de datos educativa Técnicas de análisis comparativo Algoritmos de evaluación |
| description |
El recurso digital está diseñado para ser accesible de manera remota, permitiendo a las comunidades educativas, gobiernos locales y organizaciones sociales acceder a la información desde cualquier ubicación con conexión a internet. Se han implementado una serie de algoritmos y modelos matemáticos que facilitan el análisis descriptivo del desempeño académico. Estos modelos están diseñados para manejar múltiples variables y ofrecer resultados precisos y detallados. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-07-30T15:23:42Z |
| dc.date.available.none.fl_str_mv |
2024-07-30T15:23:42Z |
| dc.date.issued.none.fl_str_mv |
2024-07-02 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| status_str |
acceptedVersion |
| dc.identifier.citation.none.fl_str_mv |
Salleg Aviles, J. A. y Barros Pomárico, M. A. (2024). Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber. [Tesis de postgrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://hdl.handle.net/20.500.12494/56662 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12494/56662 |
| identifier_str_mv |
Salleg Aviles, J. A. y Barros Pomárico, M. A. (2024). Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber. [Tesis de postgrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://hdl.handle.net/20.500.12494/56662 |
| url |
https://hdl.handle.net/20.500.12494/56662 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Altamiranda, L., Peña, A. M., Ospino, M., Volpe, I., Ortega, D. D., & Cantillo, E. (2013). Minería de Datos como Herramienta para el Desarrollo de Estrategias de Mercadeo B2B en Sectores Productivos, afines a los Colombianos una Revisión de Casos. Sotavento MBA, unknown(22), 126–136. Bernal, C. A. (2010). Metodología de la investigación (Tercera ed). PEARSON EDUCACIÓN. Bin Mat, U., Buniyamin, N., Arsad, P. M., & Kassim, R. A. (2014). An overview of using academic analytics to predict and improve students’ achievement: A proposed proactive intelligent intervention. 2013 IEEE 5th International Conference on Engineering Education: Aligning Engineering Education with Industrial Needs for Nation Development, ICEED 2013, 126–130. https://doi.org/10.1109/ICEED.2013.6908316 Contreras, L. E., Fuentes, H. J., & Rodrfguez, J. I. (2020). Academic performance prediction by machine learning as a success/failure indicator for engineering students. Formacion Universitaria, 13(5), 233–246. https://doi.org/10.4067/S0718-50062020000500233 Espinosa, J. A., & Armour, F. (2016). The Big Data Analytics Gold Rush: A Research Framework for Coordination and Governance. Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (2015). From Data Mining to Knowledge Discovery in Databases. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 9078(3), 637–648. https://doi.org/10.1007/978-3-319-18032-8_50 García, S., Ramírez-Gallego, S., Luengo, J., & Herrera, F. (2016). Big Data: Preprocesamiento y Calidad de Datos. Hernandez, J. (2015). Modelo de minería de datos para la identificación de patrones que influyen en el aprovechamiento académico. TECNOLÓGICO NACIONAL DE MÉXICO. www.itlp.edu.mx Hernández Sampieri, R., Fernández Collado, C., y Baptista Lucio, M. del P. (2010). Metodología de la investigación (5th ed.). McGraw Hill. Inmon, W. H. (2002). Building the Data Warehouse Third Edition. Lamas, H. A. (2015). Sobre el rendimiento escolar. Propósitos y Representaciones, ISSN 2307-7999, ISSN-e 2310-4635, Vol. 3, No. 1, 2015, Págs. 313-386, 3(1), 313–386. https://doi.org/10.20511/PYR2015.V3N1.74 Leaper, N. (2009). A Visual Guide to CRISP-DM Methodoloy. Melin, U. (2016). Challenges and Benefits in an Open Data Initiative - Local Government Case Study of Myths and Realities. https://doi.org/10.3233/978-1-61499-670-5-111 Ncr, P. C., Spss, J. C., Ncr, R. K., Spss, T. K., Daimlerchrysler, T. R., Spss, C. S., & Daimlerchrysler, R. W. (2000). Step-by-step data mining guide. SPSS Inc, 78, 1–78. http://www.crisp-dm.org/CRISPWP-0800.pdf Peacock, P. R. (1998). Data mining in marketing: Part 1. Marketing Management, 6(4), 9. Ramesh, V., Parkavi, P., & Ramar, K. (2013). Predicting Student Performance: A Statistical and Data Mining Approach. International Journal of Computer Applications, 63(8), 35–39. https://doi.org/10.5120/10489-5242 Riahi, Y., & Riahi, S. (2018). Big Data and Big Data Analytics: concepts, types and technologies. International Journal of Research and Engineering, 5(9), 524–528. https://doi.org/10.21276/ijre.2018.5.9.5 Riquelme, J. C., Ruiz, R., & Gilbert, K. (2006). Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial, 10, 11–18. Roldán López, N. D. (2019). Identificar los diferentes enfoques y metodologías de investigación. In Paradigmas de investigación en la gestión de proyectos (Segunda, Vol. 2, pp. 1–33). Fondo Editorial “Ediciones Universidad Cooperativa de Colombia.” https://campusvirtual.ucc.edu.co/content/enforced/283030-03BUC_FINGE_POSG_03MTV_706251_2010_13667/u3/index.html?d2lSessionVal=1VTPKzKAwslHoCySY8zQpzuRs&ou=283030&d2l_body_type=3 Sabino, C. (1992). El proceso de investigación. In El proceso de investigación. (1st ed., p. 65). Editorial Panapo. SAS Analytics. (2019). SAS Enterprise Miner. SEM Valledupar. (2013). Plan Territorial De Formación Docente 2012- 2015. https://www.mineducacion.gov.co/1759/articles-319469_archivo_pdf_Valledupar_2013.pdf Unesco. (2008). Estándares de competencias TIC para docentes. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. Yamao, E., Celi Saavedra, L., Campos Pérez, R., & Huancas Hurtado, V. de J. (2018). Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo en una universidad peruana. Campus, 23(26), 151–160. https://doi.org/10.24265/campus.2018.v23n26.05 York, T. T., Gibson, C., & Rankin, S. (2015). Defining and measuring academic success. Practical Assessment, Research and Evaluation. http://web.b.ebscohost.com.dcu.idm.oclc.org/ehost/pdfviewer/pdfviewer?vid=1&sid=23b4e8ce-d307-4870-af4d-b94d2cd4076f%40pdc-v-sessmgr06 Zhou, Z.-H., Chawla, N. V., Jin, Y., & Williams, G. J. (n.d.). Big Data Opportunities and Challenges: Discussions from Data Analytics Perspectives. |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.none.fl_str_mv |
Attribution 4.0 International |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by/4.0/ Attribution 4.0 International http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
88 p. |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Cooperativa de Colombia, Facultad de Ingenierías, Maestría en Gestión de Tecnologías de la Información, Bucaramanga |
| dc.publisher.program.none.fl_str_mv |
Maestría en Gestión de Tecnologías de la Información |
| dc.publisher.faculty.none.fl_str_mv |
Ingenierías |
| dc.publisher.place.none.fl_str_mv |
Bucaramanga |
| dc.publisher.branch.none.fl_str_mv |
Bucaramanga |
| publisher.none.fl_str_mv |
Universidad Cooperativa de Colombia, Facultad de Ingenierías, Maestría en Gestión de Tecnologías de la Información, Bucaramanga |
| institution |
Universidad Cooperativa de Colombia |
| bitstream.url.fl_str_mv |
https://repository.ucc.edu.co/bitstreams/3572fc2f-3fe6-4615-8170-a3e096701597/download https://repository.ucc.edu.co/bitstreams/c7fbd550-c37f-4c02-a5d4-8a44c5164a9d/download https://repository.ucc.edu.co/bitstreams/0a3446c0-5e77-455b-b04e-57385616d099/download https://repository.ucc.edu.co/bitstreams/3dd6760d-dcd8-442b-be86-055fb3905868/download https://repository.ucc.edu.co/bitstreams/da888e13-3b78-4bb5-b267-a6d52f185dcb/download https://repository.ucc.edu.co/bitstreams/973715c1-3134-4855-a49f-8486b20fb695/download https://repository.ucc.edu.co/bitstreams/909cb97b-d507-49a7-b2d5-e14d097b13f8/download https://repository.ucc.edu.co/bitstreams/d0c029ab-c151-4b25-bcd5-f9891903c4f4/download https://repository.ucc.edu.co/bitstreams/d76edfea-c82b-4727-9e5b-7eb62038b814/download https://repository.ucc.edu.co/bitstreams/5f51ee2a-02c0-4b04-a07e-6831d4092e55/download https://repository.ucc.edu.co/bitstreams/873f716c-a02e-4bd4-ab71-d8e5fdd392ba/download https://repository.ucc.edu.co/bitstreams/ca00c813-6f6f-422a-93d5-aa968e662bc0/download https://repository.ucc.edu.co/bitstreams/3a62b091-f64f-4eac-bf1d-3d5a3741f416/download https://repository.ucc.edu.co/bitstreams/b53139eb-1cc8-424e-8123-47018b3b808d/download |
| bitstream.checksum.fl_str_mv |
3bce4f7ab09dfc588f126e1e36e98a45 a57d79d1a0af9da5bf08115a469f809c 34fb368d4d412a85df95f24a241611cb a30ab5841671e7a72fa1c2485895a678 c428f306c235f4595985b4ff402557d2 0175ea4a2d4caec4bbcc37e300941108 e87281fcd96a38a57fe971ccc575e5e6 f994915caa2df9f05d2592f2adba38b4 9750b01125c36d106a05ba52ca531307 18b01eacaf28b816465057d16a12f4cb 74df6168a4a5e4ca9a7495a25ceda75e d9aef9a1ca0d5b3be430672304182f18 b5e9ac87ce8945002fa66149360798ec 2988accb190bcb9f7ac0f0a1a6a86496 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Cooperativa de Colombia |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1814247293142958080 |
| spelling |
Angarita Reina, FredyArias Quintero, Pedro AlbertoSalleg Aviles, Jorge AntonioBarros Pomárico, Mauricio Alberto2024-07-30T15:23:42Z2024-07-30T15:23:42Z2024-07-02Salleg Aviles, J. A. y Barros Pomárico, M. A. (2024). Modelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del Saber. [Tesis de postgrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://hdl.handle.net/20.500.12494/56662 https://hdl.handle.net/20.500.12494/56662El recurso digital está diseñado para ser accesible de manera remota, permitiendo a las comunidades educativas, gobiernos locales y organizaciones sociales acceder a la información desde cualquier ubicación con conexión a internet. Se han implementado una serie de algoritmos y modelos matemáticos que facilitan el análisis descriptivo del desempeño académico. Estos modelos están diseñados para manejar múltiples variables y ofrecer resultados precisos y detallados.Este trabajo de investigación analiza y compara diversos modelos y técnicas de análisis de datos para evaluar el desempeño académico de los estudiantes. Basándonos en los datos recopilados del Gimnasio del Saber en Colombia, se han establecido criterios de selección específicos. El artículo resultante destaca enfoques y metodologías diferentes, justificando la elección del modelo más adecuado para este propósito. Se ha desarrollado un proceso integral de selección, entendimiento y preparación de datos, creando una base de datos con indicadores académicos relevantes. Esta base de datos y su software asociado están disponibles para comunidades educativas, gobiernos locales, la comunidad científica y organizaciones sociales comprometidas con la educación. El modelo de análisis de variables propuesto permite una analítica descriptiva del desempeño académico estudiantil. Incluye algoritmos y herramientas que facilitan el análisis de datos, así como el desarrollo de diseños tecnológicos y software específicos. Los productos de esta investigación están disponibles para su implementación y uso por comunidades educativas de Valledupar y organizaciones sociales dedicadas a la educación. Finalmente, el modelo de visualización desarrollado se aplicó para evaluar resultados en un caso de estudio en el Gimnasio del Saber de Colombia. Este estudio detallado demuestra cómo el modelo puede utilizarse para analizar y comprender el desempeño académico de los estudiantes. La investigación ha sido socializada a través de jornadas y reuniones con organizaciones sociales enfocadas en la educación.Introducción -- Planteamiento del Problema -- Hipótesis General -- Problemática General -- Justificación -- Objetivos -- Objetivo General -- Objetivos Específicos -- Marco Teórico -- Estado del Arte -- Marco Conceptual -- Marco Legal -- Estándares y normas nacionales -- Metodología -- Discusión -- Similitudes -- Diferencias --MaestríaMagister en Gestión de Tecnologías de la InformaciónLa metodología en este proyecto de investigación se establece desde el diseño, los instrumentos, las técnicas de recolección y procesamiento de información para alcanzar los resultados propuestos desde los objetivos de una forma clara y confiable. Está enfocado desde el estudio previo realizado en el estado del arte y los conceptos de expertos en el área de Ciencia de Datos, este proyecto se basa en la metodología CRISP-DM, que se adaptan a las siguientes fases de la investigación: 1. Fase de Documentación: En esta etapa, se realizará una revisión exhaustiva del estado del arte de las técnicas de minería de datos aplicadas a la medición del desempeño académico. Se compararán distintos enfoques y su aplicabilidad al objetivo de la investigación. 2. Fase de Análisis: Se procederá a la recopilación de los conjuntos de datos del caso de estudio Gimnasio del Saber, que servirán como fuente de información para el estudio. Estos conjuntos de datos serán analizados para determinar su calidad y relevancia para el estudio. 3. Fase de Preparación: Una vez recopilados los conjuntos de datos, se realizará una depuración exhaustiva para eliminar datos duplicados, inconsistencias y valores atípicos. Se identificarán las variables pertinentes que serán utilizadas en el modelado y se prepararán adecuadamente para su uso en las técnicas de minería de datos. 4. Fase de Modelado: Basándose en las técnicas de aprendizaje automático identificadas en la fase de documentación y adaptadas al contexto del estudio, se diseñarán los algoritmos que permitirán construir el modelo de medición del desempeño académico de los estudiantes de básica. Se llevará a cabo un proceso iterativo de ajuste y optimización de los modelos para garantizar su eficacia y precisión. 5. Fase de Validación: En esta etapa, se realizará la validación del modelo propuesto utilizando los datos del caso de estudio del Gimnasio del Saber. Se compararán los resultados obtenidos por el modelo con los datos reales para evaluar su desempeño y su capacidad predictiva. Se documentarán detalladamente los resultados y se realizarán las correcciones necesarias en caso de ser requerido. Esta metodología proporciona un marco sólido y estructurado para el desarrollo de la investigación, garantizando la fiabilidad y la validez de los resultados obtenidos. Además, permite una adaptación flexible a las necesidades específicas del estudio y una evaluación rigurosa de cada etapa del proceso investigativo.88 p.application/pdfspaUniversidad Cooperativa de Colombia, Facultad de Ingenierías, Maestría en Gestión de Tecnologías de la Información, BucaramangaMaestría en Gestión de Tecnologías de la InformaciónIngenieríasBucaramangaBucaramangahttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessAttribution 4.0 Internationalhttp://purl.org/coar/access_right/c_abf2TG 2024 MGTI 56662Mineria de datosEvaluación educativaRendimiento académicoEducación primariaEvaluación de desempeño académicoAnálisis de datos educativosVisualización de datosBase de datos educativaTécnicas de análisis comparativoAlgoritmos de evaluaciónModelo de analítica de datos para medir el desempeño académico y establecer la toma de decisiones en colegios de básica primaria, básica secundaria y media: estudio de caso Gimnasio del SaberTrabajo de grado - MaestríaTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMinfo:eu-repo/semantics/acceptedVersionAltamiranda, L., Peña, A. M., Ospino, M., Volpe, I., Ortega, D. D., & Cantillo, E. (2013). Minería de Datos como Herramienta para el Desarrollo de Estrategias de Mercadeo B2B en Sectores Productivos, afines a los Colombianos una Revisión de Casos. Sotavento MBA, unknown(22), 126–136.Bernal, C. A. (2010). Metodología de la investigación (Tercera ed). PEARSON EDUCACIÓN.Bin Mat, U., Buniyamin, N., Arsad, P. M., & Kassim, R. A. (2014). An overview of using academic analytics to predict and improve students’ achievement: A proposed proactive intelligent intervention. 2013 IEEE 5th International Conference on Engineering Education: Aligning Engineering Education with Industrial Needs for Nation Development, ICEED 2013, 126–130. https://doi.org/10.1109/ICEED.2013.6908316Contreras, L. E., Fuentes, H. J., & Rodrfguez, J. I. (2020). Academic performance prediction by machine learning as a success/failure indicator for engineering students. Formacion Universitaria, 13(5), 233–246. https://doi.org/10.4067/S0718-50062020000500233Espinosa, J. A., & Armour, F. (2016). The Big Data Analytics Gold Rush: A Research Framework for Coordination and Governance.Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (2015). From Data Mining to Knowledge Discovery in Databases. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 9078(3), 637–648. https://doi.org/10.1007/978-3-319-18032-8_50García, S., Ramírez-Gallego, S., Luengo, J., & Herrera, F. (2016). Big Data: Preprocesamiento y Calidad de Datos.Hernandez, J. (2015). Modelo de minería de datos para la identificación de patrones que influyen en el aprovechamiento académico. TECNOLÓGICO NACIONAL DE MÉXICO. www.itlp.edu.mxHernández Sampieri, R., Fernández Collado, C., y Baptista Lucio, M. del P. (2010). Metodología de la investigación (5th ed.). McGraw Hill.Inmon, W. H. (2002). Building the Data Warehouse Third Edition.Lamas, H. A. (2015). Sobre el rendimiento escolar. Propósitos y Representaciones, ISSN 2307-7999, ISSN-e 2310-4635, Vol. 3, No. 1, 2015, Págs. 313-386, 3(1), 313–386. https://doi.org/10.20511/PYR2015.V3N1.74Leaper, N. (2009). A Visual Guide to CRISP-DM Methodoloy.Melin, U. (2016). Challenges and Benefits in an Open Data Initiative - Local Government Case Study of Myths and Realities. https://doi.org/10.3233/978-1-61499-670-5-111Ncr, P. C., Spss, J. C., Ncr, R. K., Spss, T. K., Daimlerchrysler, T. R., Spss, C. S., & Daimlerchrysler, R. W. (2000). Step-by-step data mining guide. SPSS Inc, 78, 1–78. http://www.crisp-dm.org/CRISPWP-0800.pdfPeacock, P. R. (1998). Data mining in marketing: Part 1. Marketing Management, 6(4), 9.Ramesh, V., Parkavi, P., & Ramar, K. (2013). Predicting Student Performance: A Statistical and Data Mining Approach. International Journal of Computer Applications, 63(8), 35–39. https://doi.org/10.5120/10489-5242Riahi, Y., & Riahi, S. (2018). Big Data and Big Data Analytics: concepts, types and technologies. International Journal of Research and Engineering, 5(9), 524–528. https://doi.org/10.21276/ijre.2018.5.9.5Riquelme, J. C., Ruiz, R., & Gilbert, K. (2006). Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial, 10, 11–18.Roldán López, N. D. (2019). Identificar los diferentes enfoques y metodologías de investigación. In Paradigmas de investigación en la gestión de proyectos (Segunda, Vol. 2, pp. 1–33). Fondo Editorial “Ediciones Universidad Cooperativa de Colombia.” https://campusvirtual.ucc.edu.co/content/enforced/283030-03BUC_FINGE_POSG_03MTV_706251_2010_13667/u3/index.html?d2lSessionVal=1VTPKzKAwslHoCySY8zQpzuRs&ou=283030&d2l_body_type=3Sabino, C. (1992). El proceso de investigación. In El proceso de investigación. (1st ed., p. 65). Editorial Panapo.SAS Analytics. (2019). SAS Enterprise Miner.SEM Valledupar. (2013). Plan Territorial De Formación Docente 2012- 2015. https://www.mineducacion.gov.co/1759/articles-319469_archivo_pdf_Valledupar_2013.pdfUnesco. (2008). Estándares de competencias TIC para docentes. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura.Yamao, E., Celi Saavedra, L., Campos Pérez, R., & Huancas Hurtado, V. de J. (2018). Predicción del rendimiento académico mediante minería de datos en estudiantes del primer ciclo en una universidad peruana. Campus, 23(26), 151–160. https://doi.org/10.24265/campus.2018.v23n26.05York, T. T., Gibson, C., & Rankin, S. (2015). Defining and measuring academic success. Practical Assessment, Research and Evaluation. http://web.b.ebscohost.com.dcu.idm.oclc.org/ehost/pdfviewer/pdfviewer?vid=1&sid=23b4e8ce-d307-4870-af4d-b94d2cd4076f%40pdc-v-sessmgr06Zhou, Z.-H., Chawla, N. V., Jin, Y., & Williams, G. J. (n.d.). Big Data Opportunities and Challenges: Discussions from Data Analytics Perspectives.PublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-84334https://repository.ucc.edu.co/bitstreams/3572fc2f-3fe6-4615-8170-a3e096701597/download3bce4f7ab09dfc588f126e1e36e98a45MD52ORIGINAL2024_Trabajo_Grado.pdf2024_Trabajo_Grado.pdfapplication/pdf3073456https://repository.ucc.edu.co/bitstreams/c7fbd550-c37f-4c02-a5d4-8a44c5164a9d/downloada57d79d1a0af9da5bf08115a469f809cMD552024_Acta_sustentación.pdf2024_Acta_sustentación.pdfapplication/pdf123099https://repository.ucc.edu.co/bitstreams/0a3446c0-5e77-455b-b04e-57385616d099/download34fb368d4d412a85df95f24a241611cbMD562024_Aval_Directores.pdf2024_Aval_Directores.pdfapplication/pdf95878https://repository.ucc.edu.co/bitstreams/3dd6760d-dcd8-442b-be86-055fb3905868/downloada30ab5841671e7a72fa1c2485895a678MD572024_Licencia_Uso.pdf2024_Licencia_Uso.pdfapplication/pdf203860https://repository.ucc.edu.co/bitstreams/da888e13-3b78-4bb5-b267-a6d52f185dcb/downloadc428f306c235f4595985b4ff402557d2MD58CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8908https://repository.ucc.edu.co/bitstreams/973715c1-3134-4855-a49f-8486b20fb695/download0175ea4a2d4caec4bbcc37e300941108MD59TEXT2024_Trabajo_Grado.pdf.txt2024_Trabajo_Grado.pdf.txtExtracted texttext/plain102383https://repository.ucc.edu.co/bitstreams/909cb97b-d507-49a7-b2d5-e14d097b13f8/downloade87281fcd96a38a57fe971ccc575e5e6MD5102024_Acta_sustentación.pdf.txt2024_Acta_sustentación.pdf.txtExtracted texttext/plain2227https://repository.ucc.edu.co/bitstreams/d0c029ab-c151-4b25-bcd5-f9891903c4f4/downloadf994915caa2df9f05d2592f2adba38b4MD5122024_Aval_Directores.pdf.txt2024_Aval_Directores.pdf.txtExtracted texttext/plain1343https://repository.ucc.edu.co/bitstreams/d76edfea-c82b-4727-9e5b-7eb62038b814/download9750b01125c36d106a05ba52ca531307MD5142024_Licencia_Uso.pdf.txt2024_Licencia_Uso.pdf.txtExtracted texttext/plain6009https://repository.ucc.edu.co/bitstreams/5f51ee2a-02c0-4b04-a07e-6831d4092e55/download18b01eacaf28b816465057d16a12f4cbMD516THUMBNAIL2024_Trabajo_Grado.pdf.jpg2024_Trabajo_Grado.pdf.jpgGenerated Thumbnailimage/jpeg10152https://repository.ucc.edu.co/bitstreams/873f716c-a02e-4bd4-ab71-d8e5fdd392ba/download74df6168a4a5e4ca9a7495a25ceda75eMD5112024_Acta_sustentación.pdf.jpg2024_Acta_sustentación.pdf.jpgGenerated Thumbnailimage/jpeg12655https://repository.ucc.edu.co/bitstreams/ca00c813-6f6f-422a-93d5-aa968e662bc0/downloadd9aef9a1ca0d5b3be430672304182f18MD5132024_Aval_Directores.pdf.jpg2024_Aval_Directores.pdf.jpgGenerated Thumbnailimage/jpeg10369https://repository.ucc.edu.co/bitstreams/3a62b091-f64f-4eac-bf1d-3d5a3741f416/downloadb5e9ac87ce8945002fa66149360798ecMD5152024_Licencia_Uso.pdf.jpg2024_Licencia_Uso.pdf.jpgGenerated Thumbnailimage/jpeg13361https://repository.ucc.edu.co/bitstreams/b53139eb-1cc8-424e-8123-47018b3b808d/download2988accb190bcb9f7ac0f0a1a6a86496MD51720.500.12494/56662oai:repository.ucc.edu.co:20.500.12494/566622024-08-01 03:14:43.753http://creativecommons.org/licenses/by/4.0/Attribution 4.0 Internationalopen.accesshttps://repository.ucc.edu.coRepositorio Institucional Universidad Cooperativa de Colombiabdigital@metabiblioteca.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 |