Estudio de seguimiento a egresados por medio de técnicas de minería de datos para la Universidad Industrial de Santander

La minería de datos nace de la necesidad de trabajar con grandes cantidades de datos sin que se pierda la escalabilidad, principal limitación de la estadística básica. La importancia de la minería de datos en estudios de seguimiento a egresados para las universidades radica en la posibilidad de obte...

Full description

Autores:
Muñoz Osorio, Maroly Milena
Pinto Mateus, Mayra Shirley
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2013
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/28229
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/28229
https://noesis.uis.edu.co
Palabra clave:
Minería De Datos
Redes Bayesianas
Árboles De Decisión
Análisis De Clúster
Reglas De Asociación
Seguimiento A Egresados.
Data Mining
Bayesian Networks
Decisión Trees
Cluster Analysis
Association Rules
Monitoring Graduates.
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
Description
Summary:La minería de datos nace de la necesidad de trabajar con grandes cantidades de datos sin que se pierda la escalabilidad, principal limitación de la estadística básica. La importancia de la minería de datos en estudios de seguimiento a egresados para las universidades radica en la posibilidad de obtener información no visible sobre los egresados que permite orientar las estrategias hacia ellos de una forma diferente y útil. En la presente investigación se aprecia la eficiencia de la minería de datos en la Universidad Industrial de Santander. Se emplean herramientas como árboles de decisión, redes bayesianas, análisis de clúster, reglas de asociación y cubos OLAP, con el propósito de encontrar patrones de comportamiento en los egresados y así construir perfiles que permitan a la universidad tomar decisiones favorables respecto a la oferta educativa. Como herramienta computacional se usa el software de IBM SPSS Modeler para desarrollar las técnicas anteriormente nombradas. Una vez se completa la fase de análisis y evaluación de los datos obtenidos, se logra una caracterización de los egresados elaborando estrategias de mejora en cada segmentación encontrada de la misma forma en cómo se generaron estrategias enfocadas en la captura y almacenamiento de datos, el fortalecimiento de la relación egresado universidad y la presentación resultados concluyentes hacia la comunidad universitaria.