Análisis de la deserción de los estudiantes de la Universidad de Ibagué en las materias de Física 2 y Cálculo 2 aplicando técnicas de minería de datos

Este proyecto muestra la formulación de un modelo predictivo utilizando técnicas de minería de datos a una base de datos construida y alimentada por el preprocesamiento realizado a los archivos fuente suministrados por la Universidad de Ibagué, que contenían las notas de varias asignaturas del núcle...

Full description

Autores:
Guerrero Moya, Norberto
Vargas Bemúdez, Carlos Andrés
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2022
Institución:
Universidad de Ibagué
Repositorio:
Repositorio Universidad de Ibagué
Idioma:
spa
OAI Identifier:
oai:repositorio.unibague.edu.co:20.500.12313/3806
Acceso en línea:
https://hdl.handle.net/20.500.12313/3806
Palabra clave:
Universidad de Ibagué - Deserción de estudiantes
Física 2 - Deserción - Universidad de Ibagué
Cálculo 2 - Diserción - Universidad de Ibagué
Deserción estudiantes - Minería de datos
Minería de datos
Preprocesamiento
Predicción
Estadística
ICFES
Data mining
Preprocessing
Prediction
Descriptive statistics
ICFES
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
Description
Summary:Este proyecto muestra la formulación de un modelo predictivo utilizando técnicas de minería de datos a una base de datos construida y alimentada por el preprocesamiento realizado a los archivos fuente suministrados por la Universidad de Ibagué, que contenían las notas de varias asignaturas del núcleo básico de los estudiantes de ingeniería como fundamentos de matemáticas, álgebra lineal, lectura y escritura I, lectura y escritura II, física I, calculo I, física II y calculo II, además de resultados ICFES de estudiantes pertenecientes a esta facultad. De modo que sea posible identificar comportamientos, funciones y reglas que permitan predecir la mortalidad académica en la Universidad, analizando y estudiando los datos obtenidos de los estudiantes de ingeniería que cursaron Física II y Cálculo II. Se crea el modelo predictivo aplicando tres técnicas de minería de datos: arboles de decisión, reglas de asociación y clusterización y con los resultados facilitar decisiones estratégicas en pro de mejorar asignaturas de física y calculo II.