Nivel de dificultad de las asignaturas del plan de estudio del programa de Ingeniería Industrial
La asesoría académica en instituciones de educación superior desempeña un rol importante para la correcta planeación curricular de los estudiantes. Sin embargo, la creciente necesidad de personalizar la atención, reducir los tiempos de respuesta y el número de personas involucradas en el proceso con...
- Autores:
-
Gutiérrez Púa, Lizeth Del Carmen
Figueroa Carbonó, Kiara Estefany
Camacho Consuegra, Luis Carlos
- Tipo de recurso:
- Fecha de publicación:
- 2020
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/8895
- Acceso en línea:
- http://hdl.handle.net/10584/8895
- Palabra clave:
- Asesoría académica, índice de dificultad académica, redes neuronales, minería de datos.
Academic counseling, academic difficulty index, neural networks, data mining.
- Rights
- License
- Universidad del Norte
id |
REPOUNORT2_2b1a2cdb966b06e3b787561638104136 |
---|---|
oai_identifier_str |
oai:manglar.uninorte.edu.co:10584/8895 |
network_acronym_str |
REPOUNORT2 |
network_name_str |
Repositorio Uninorte |
repository_id_str |
|
dc.title.es_ES.fl_str_mv |
Nivel de dificultad de las asignaturas del plan de estudio del programa de Ingeniería Industrial |
dc.title.en_US.fl_str_mv |
Difficulty Index of the Subjects in the Industrial Engineering Program Curriculum at Universidad del Norte |
title |
Nivel de dificultad de las asignaturas del plan de estudio del programa de Ingeniería Industrial |
spellingShingle |
Nivel de dificultad de las asignaturas del plan de estudio del programa de Ingeniería Industrial Asesoría académica, índice de dificultad académica, redes neuronales, minería de datos. Academic counseling, academic difficulty index, neural networks, data mining. |
title_short |
Nivel de dificultad de las asignaturas del plan de estudio del programa de Ingeniería Industrial |
title_full |
Nivel de dificultad de las asignaturas del plan de estudio del programa de Ingeniería Industrial |
title_fullStr |
Nivel de dificultad de las asignaturas del plan de estudio del programa de Ingeniería Industrial |
title_full_unstemmed |
Nivel de dificultad de las asignaturas del plan de estudio del programa de Ingeniería Industrial |
title_sort |
Nivel de dificultad de las asignaturas del plan de estudio del programa de Ingeniería Industrial |
dc.creator.fl_str_mv |
Gutiérrez Púa, Lizeth Del Carmen Figueroa Carbonó, Kiara Estefany Camacho Consuegra, Luis Carlos |
dc.contributor.advisor.none.fl_str_mv |
Yie Pinedo, Rubén Dario |
dc.contributor.author.none.fl_str_mv |
Gutiérrez Púa, Lizeth Del Carmen Figueroa Carbonó, Kiara Estefany Camacho Consuegra, Luis Carlos |
dc.subject.es_ES.fl_str_mv |
Asesoría académica, índice de dificultad académica, redes neuronales, minería de datos. |
topic |
Asesoría académica, índice de dificultad académica, redes neuronales, minería de datos. Academic counseling, academic difficulty index, neural networks, data mining. |
dc.subject.en_US.fl_str_mv |
Academic counseling, academic difficulty index, neural networks, data mining. |
description |
La asesoría académica en instituciones de educación superior desempeña un rol importante para la correcta planeación curricular de los estudiantes. Sin embargo, la creciente necesidad de personalizar la atención, reducir los tiempos de respuesta y el número de personas involucradas en el proceso conlleva al análisis de estrategias que permitan optimizar las sesiones de asesoría y mejorar los futuros resultados de los estudiantes. Por esto, se busca facilitar el proceso desempeñado por el coordinador del programa y responder a las necesidades particulares de los educandos. El índice de dificultad académica y la importancia de la asignatura, permitirá determinar qué combinación de clases debería tomar el estudiante para tener una carga semestral balanceada y alta probabilidad de éxito. Este estudio se centra en la determinación del índice de dificultad académica por medio del uso de Redes Neuronales de Resiliente Propagación Hacia Atrás con Retroceso de Peso en el programa RStudio. Se tomó una muestra de 807 egresados del programa de Ingeniería Industrial en la Universidad del Norte, Barranquilla y se analizó su rendimiento académico durante el pregrado. Los resultados mostraron que el modelo planteado tuvo éxito en la clasificación de estudiantes que tendrán la probabilidad de considerar una asignatura de alta dificultad, sin embargo, el modelo tiene poca capacidad para clasificar a los estudiantes que no tendrán mayor dificultad en una asignatura. |
publishDate |
2020 |
dc.date.accessioned.none.fl_str_mv |
2020-06-11T11:30:22Z |
dc.date.available.none.fl_str_mv |
2020-06-11T11:30:22Z |
dc.date.issued.none.fl_str_mv |
2020-06-02 |
dc.type.es_ES.fl_str_mv |
article |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10584/8895 |
url |
http://hdl.handle.net/10584/8895 |
dc.language.iso.es_ES.fl_str_mv |
spa |
language |
spa |
dc.rights.es_ES.fl_str_mv |
Universidad del Norte |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Universidad del Norte http://purl.org/coar/access_right/c_abf2 |
dc.publisher.es_ES.fl_str_mv |
Barranquilla, Universidad del Norte, 2020 |
institution |
Universidad del Norte |
bitstream.url.fl_str_mv |
http://manglar.uninorte.edu.co/bitstream/10584/8895/1/Camacho_Figueroa_Guti%c3%a9rrez_Proyecto%20Final_Grupo%207_%20Espa%c3%b1ol.png http://manglar.uninorte.edu.co/bitstream/10584/8895/2/Camacho_Figueroa_Guti%c3%a9rrez_Proyecto%20Final_Grupo%207_%20Ingl%c3%a9s.png http://manglar.uninorte.edu.co/bitstream/10584/8895/3/Camacho_Figueroa_Guti%c3%a9rrez_Proyecto_Final_%20Espa%c3%b1ol.pdf http://manglar.uninorte.edu.co/bitstream/10584/8895/4/Camacho_Figueroa_Guti%c3%a9rrez_Proyecto_Final_%20Ingl%c3%a9s.pdf http://manglar.uninorte.edu.co/bitstream/10584/8895/5/license.txt |
bitstream.checksum.fl_str_mv |
8f7a53d389905bf176d5ed51a4862b64 7fe9ddaa17b487b4a4ed62e43c8255b4 9b85155dfba9335a04663e2b9dde5d25 976c7010c5b7ef9f5ec4695085f38d4f 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Digital de la Universidad del Norte |
repository.mail.fl_str_mv |
mauribe@uninorte.edu.co |
_version_ |
1812183130085261312 |
spelling |
Yie Pinedo, Rubén DarioGutiérrez Púa, Lizeth Del CarmenFigueroa Carbonó, Kiara EstefanyCamacho Consuegra, Luis Carlos2020-06-11T11:30:22Z2020-06-11T11:30:22Z2020-06-02http://hdl.handle.net/10584/8895La asesoría académica en instituciones de educación superior desempeña un rol importante para la correcta planeación curricular de los estudiantes. Sin embargo, la creciente necesidad de personalizar la atención, reducir los tiempos de respuesta y el número de personas involucradas en el proceso conlleva al análisis de estrategias que permitan optimizar las sesiones de asesoría y mejorar los futuros resultados de los estudiantes. Por esto, se busca facilitar el proceso desempeñado por el coordinador del programa y responder a las necesidades particulares de los educandos. El índice de dificultad académica y la importancia de la asignatura, permitirá determinar qué combinación de clases debería tomar el estudiante para tener una carga semestral balanceada y alta probabilidad de éxito. Este estudio se centra en la determinación del índice de dificultad académica por medio del uso de Redes Neuronales de Resiliente Propagación Hacia Atrás con Retroceso de Peso en el programa RStudio. Se tomó una muestra de 807 egresados del programa de Ingeniería Industrial en la Universidad del Norte, Barranquilla y se analizó su rendimiento académico durante el pregrado. Los resultados mostraron que el modelo planteado tuvo éxito en la clasificación de estudiantes que tendrán la probabilidad de considerar una asignatura de alta dificultad, sin embargo, el modelo tiene poca capacidad para clasificar a los estudiantes que no tendrán mayor dificultad en una asignatura.Academic counseling in higher education institutions play an important role for proper planning curricular student. However, the growing need to personalize attention to students, reduce response times and the number of people involved in the process leads to the analysis of strategies that allow optimizing the counseling sessions and improve their future outcomes. For this reason, it seeks to facilitate the process carried out by the program coordinator and respond to the particular needs of the students. The academic difficulty index and the importance of the subject will allow determining what combination of classes the student should take to have a balanced semester load and high probability of success. This study focuses on determining the academic difficulty index through the use of Resilient Backward Propagation Neural Networks with Weight Setback in the RStudio program. A sample of 807 graduates from the Industrial Engineering program at the Universidad del Norte, Barranquilla was taken and their academic performance during the undergraduate degree was analyzed. The results showed that the proposed model was successful in classifying students who will have the probability of considering a highly difficult subject, however, the model has little capacity to classify students who will not have greater difficulty in a subject.spaBarranquilla, Universidad del Norte, 2020Universidad del Nortehttp://purl.org/coar/access_right/c_abf2Asesoría académica, índice de dificultad académica, redes neuronales, minería de datos.Academic counseling, academic difficulty index, neural networks, data mining.Nivel de dificultad de las asignaturas del plan de estudio del programa de Ingeniería IndustrialDifficulty Index of the Subjects in the Industrial Engineering Program Curriculum at Universidad del Nortearticlehttp://purl.org/coar/resource_type/c_6501ORIGINALCamacho_Figueroa_Gutiérrez_Proyecto Final_Grupo 7_ Español.pngCamacho_Figueroa_Gutiérrez_Proyecto Final_Grupo 7_ Español.pngRed Nueronalimage/png257080http://manglar.uninorte.edu.co/bitstream/10584/8895/1/Camacho_Figueroa_Guti%c3%a9rrez_Proyecto%20Final_Grupo%207_%20Espa%c3%b1ol.png8f7a53d389905bf176d5ed51a4862b64MD51Camacho_Figueroa_Gutiérrez_Proyecto Final_Grupo 7_ Inglés.pngCamacho_Figueroa_Gutiérrez_Proyecto Final_Grupo 7_ Inglés.pngNerual Networkimage/png256740http://manglar.uninorte.edu.co/bitstream/10584/8895/2/Camacho_Figueroa_Guti%c3%a9rrez_Proyecto%20Final_Grupo%207_%20Ingl%c3%a9s.png7fe9ddaa17b487b4a4ed62e43c8255b4MD52Camacho_Figueroa_Gutiérrez_Proyecto_Final_ Español.pdfCamacho_Figueroa_Gutiérrez_Proyecto_Final_ Español.pdfRed Neuronal_PDFapplication/pdf107824http://manglar.uninorte.edu.co/bitstream/10584/8895/3/Camacho_Figueroa_Guti%c3%a9rrez_Proyecto_Final_%20Espa%c3%b1ol.pdf9b85155dfba9335a04663e2b9dde5d25MD53Camacho_Figueroa_Gutiérrez_Proyecto_Final_ Inglés.pdfCamacho_Figueroa_Gutiérrez_Proyecto_Final_ Inglés.pdfNeural Network_PDFapplication/pdf104405http://manglar.uninorte.edu.co/bitstream/10584/8895/4/Camacho_Figueroa_Guti%c3%a9rrez_Proyecto_Final_%20Ingl%c3%a9s.pdf976c7010c5b7ef9f5ec4695085f38d4fMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://manglar.uninorte.edu.co/bitstream/10584/8895/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5510584/8895oai:manglar.uninorte.edu.co:10584/88952020-06-11 06:30:23.052Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.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 |