Modelos de regresión multivariado aplicado en variables educativas

Se realiza un estudio sobre el comportamiento de variables educativas asociadas a indicadores de alta calidad en los programas de pregrado de la Universidad Nacional de Colombia - Sede Manizales, con el objeto de crear modelos de regresión multivariado que permitan proyectar comportamientos futuros...

Full description

Autores:
Figueroa Flórez, Jaider Albeiro
Tipo de recurso:
Fecha de publicación:
2014
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/56947
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/56947
http://bdigital.unal.edu.co/52977/
Palabra clave:
37 Educación / Education
51 Matemáticas / Mathematics
Regresión en mínimos cuadrados parciales
Modelos explicativos
Modelos predictivos
Deflactar
Validación cruzada
Porcentaje de predicción
Métodos Kernel
Universidad Nacional de Colombia - Sede Manizales - programas de pregrado - variables educativas
Calidad de la educación - Universidad Nacional de Colombia - Sede Manizales - tesis y disertaciones académicas
Partial least square regression
Explanatory models
Predictive models
Deflate
Prediction percentage
Cross-validation
Kernel methods
Education quality - Universidad Nacional de Colombia - Manizales Headquarters - dissertations, academic
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary:Se realiza un estudio sobre el comportamiento de variables educativas asociadas a indicadores de alta calidad en los programas de pregrado de la Universidad Nacional de Colombia - Sede Manizales, con el objeto de crear modelos de regresión multivariado que permitan proyectar comportamientos futuros y establecer relaciones entre las variables asociadas a los factores estudiantes, docencia, procesos académicos e investigación y las relacionadas con garantía, reconocimiento y aseguramiento de la calidad. Para la construcción y estructuración de los modelos se utiliza la técnica PLSR y Kernel PLSR, haciendo los ajustes y validaciones pertinentes. Se obtienen modelos que contribuyen al mejoramiento de los aspectos predictivo y explicativo conjuntamente, obteniendo información interesante para efectos de toma de decisiones en el ámbito académico y administrativo