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 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.

• 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.
• License: Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)