Aplicación de minería de datos para predecir la deserción estudiantil en la facultad de ingeniera de la Universidad del Magdalena

El presente trabajo es un reporte final de los resultados obtenidos al emplear métodos de aprendizaje de máquinas para predecir el riesgo de deserción de los estudiantes de la Facultad de Ingeniería de la Universidad del Magdalena. En el desarrollo del proyecto se llevaron a cabo diferentes etapas p...

Full description

Autores:
Gonzalez Danies, Janer Alberto
Tipo de recurso:
Fecha de publicación:
2021
Institución:
Universidad del Magdalena
Repositorio:
Repositorio Unimagdalena
Idioma:
spa
OAI Identifier:
oai:repositorio.unimagdalena.edu.co:123456789/6647
Acceso en línea:
http://repositorio.unimagdalena.edu.co/handle/123456789/6647
Palabra clave:
Minería de datos
Machine learning
Facultad Ingenieria
Aprendizaje automatico
Redes neuronales
Deserción académica
Random forest
Rights
openAccess
License
atribucionnocomercialsinderivar
id UNIMAGDALE_d774064887f66b839fa4b20bfa9c19f9
oai_identifier_str oai:repositorio.unimagdalena.edu.co:123456789/6647
network_acronym_str UNIMAGDALE
network_name_str Repositorio Unimagdalena
repository_id_str
dc.title.spa.fl_str_mv Aplicación de minería de datos para predecir la deserción estudiantil en la facultad de ingeniera de la Universidad del Magdalena
title Aplicación de minería de datos para predecir la deserción estudiantil en la facultad de ingeniera de la Universidad del Magdalena
spellingShingle Aplicación de minería de datos para predecir la deserción estudiantil en la facultad de ingeniera de la Universidad del Magdalena
Minería de datos
Machine learning
Facultad Ingenieria
Aprendizaje automatico
Redes neuronales
Deserción académica
Random forest
title_short Aplicación de minería de datos para predecir la deserción estudiantil en la facultad de ingeniera de la Universidad del Magdalena
title_full Aplicación de minería de datos para predecir la deserción estudiantil en la facultad de ingeniera de la Universidad del Magdalena
title_fullStr Aplicación de minería de datos para predecir la deserción estudiantil en la facultad de ingeniera de la Universidad del Magdalena
title_full_unstemmed Aplicación de minería de datos para predecir la deserción estudiantil en la facultad de ingeniera de la Universidad del Magdalena
title_sort Aplicación de minería de datos para predecir la deserción estudiantil en la facultad de ingeniera de la Universidad del Magdalena
dc.creator.fl_str_mv Gonzalez Danies, Janer Alberto
dc.contributor.advisor.none.fl_str_mv Diaz Bolaños, Idanis
Taborda, Jhon Alexander
dc.contributor.author.none.fl_str_mv Gonzalez Danies, Janer Alberto
dc.subject.spa.fl_str_mv Minería de datos
Machine learning
Facultad Ingenieria
Aprendizaje automatico
Redes neuronales
Deserción académica
Random forest
topic Minería de datos
Machine learning
Facultad Ingenieria
Aprendizaje automatico
Redes neuronales
Deserción académica
Random forest
description El presente trabajo es un reporte final de los resultados obtenidos al emplear métodos de aprendizaje de máquinas para predecir el riesgo de deserción de los estudiantes de la Facultad de Ingeniería de la Universidad del Magdalena. En el desarrollo del proyecto se llevaron a cabo diferentes etapas propias de un proceso de minería de datos, desde la recopilación de datos, limpieza y preparación, extracción de características, y la aplicación de métodos de aprendizaje de máquinas supervisado. La principal fuente de datos utilizada en el proyecto fue el sistema de información de admisiones y registro de la Universidad, del cual se incluyeron tanto variables de tipo socio-demográficas como de tipo académico de una muestra de estudiantes de la Facultad de Ingenieria, registrados en un periodo de tiempo del 2014 hasta 2019. La muestra que se conformó contiene casos de estudiantes que no culminaron sus estudios, y estudiantes cuyo proceso de formación no se había visto en riesgo hasta la fecha de recopilación de los datos. Los datos recopilados fueron sometidos a diferentes procesos de limpieza y transformación para constituir un conjunto de datos que permitiera utilizar métodos de aprendizaje de máquinas no supervisados, y supervisados. En este trabajo se utilizaron métodos de aprendizaje no supervisado para encontrar estructuras y patrones en los datos que no son aparentemente observables; sin embargo, ninguno de los métodos implementados generó grupos compactos u homogéneos. Por otra parte, los métodos de aprendizaje supervisado generaron modelos de predicción prometedores, alcanzado tasas de precisión por encima del 95%, especialmente el random forest, y el método los k-vecinos más cercanos. A partir de estos resultados se puede concluir que sería posible emplear los modelos de predicción generados por estos métodos para predecir de manera temprana el riesgo de un estudiante de desertar en la Facultad de Ingeniería
publishDate 2021
dc.date.issued.spa.fl_str_mv 2021
dc.date.submitted.spa.fl_str_mv 2021
dc.date.accessioned.none.fl_str_mv 2022-02-15T17:03:21Z
dc.date.available.none.fl_str_mv 2022-02-15T17:03:21Z
dc.type.spa.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://repositorio.unimagdalena.edu.co/handle/123456789/6647
url http://repositorio.unimagdalena.edu.co/handle/123456789/6647
dc.language.iso.fl_str_mv spa
language spa
dc.rights.spa.fl_str_mv atribucionnocomercialsinderivar
dc.rights.none.fl_str_mv Acceso Abierto
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.cc.spa.fl_str_mv Acceso Abierto
dc.rights.creativecommons.spa.fl_str_mv atribucionnocomercialsinderivar
rights_invalid_str_mv atribucionnocomercialsinderivar
Acceso Abierto
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.spa.fl_str_mv text
dc.publisher.spa.fl_str_mv Universidad del Magdalena
dc.publisher.department.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.program.spa.fl_str_mv Ingeniería de Sistemas
institution Universidad del Magdalena
bitstream.url.fl_str_mv https://repositorio.unimagdalena.edu.co/bitstreams/a0c9b1fa-f15b-4151-980d-cb32c54d2e1e/download
https://repositorio.unimagdalena.edu.co/bitstreams/5c1383c6-542b-42a0-aedc-86eca75f7fbf/download
https://repositorio.unimagdalena.edu.co/bitstreams/b6bf6a5c-cceb-4f46-9dbd-ad705f64fe29/download
bitstream.checksum.fl_str_mv 849f09b0603c549b8b7098bdcc8d6874
a815cc0ab1450a66bf9962a92ff6793c
b37f3126bcd22eeae85cbc2659ee387b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UniMagdalena
repository.mail.fl_str_mv repositorio@unimagdalena.edu.co
_version_ 1814126867848888320
spelling Diaz Bolaños, IdanisTaborda, Jhon AlexanderGonzalez Danies, Janer AlbertoIngeniero (a) de Sistemas2022-02-15T17:03:21Z2022-02-15T17:03:21Z20212021El presente trabajo es un reporte final de los resultados obtenidos al emplear métodos de aprendizaje de máquinas para predecir el riesgo de deserción de los estudiantes de la Facultad de Ingeniería de la Universidad del Magdalena. En el desarrollo del proyecto se llevaron a cabo diferentes etapas propias de un proceso de minería de datos, desde la recopilación de datos, limpieza y preparación, extracción de características, y la aplicación de métodos de aprendizaje de máquinas supervisado. La principal fuente de datos utilizada en el proyecto fue el sistema de información de admisiones y registro de la Universidad, del cual se incluyeron tanto variables de tipo socio-demográficas como de tipo académico de una muestra de estudiantes de la Facultad de Ingenieria, registrados en un periodo de tiempo del 2014 hasta 2019. La muestra que se conformó contiene casos de estudiantes que no culminaron sus estudios, y estudiantes cuyo proceso de formación no se había visto en riesgo hasta la fecha de recopilación de los datos. Los datos recopilados fueron sometidos a diferentes procesos de limpieza y transformación para constituir un conjunto de datos que permitiera utilizar métodos de aprendizaje de máquinas no supervisados, y supervisados. En este trabajo se utilizaron métodos de aprendizaje no supervisado para encontrar estructuras y patrones en los datos que no son aparentemente observables; sin embargo, ninguno de los métodos implementados generó grupos compactos u homogéneos. Por otra parte, los métodos de aprendizaje supervisado generaron modelos de predicción prometedores, alcanzado tasas de precisión por encima del 95%, especialmente el random forest, y el método los k-vecinos más cercanos. A partir de estos resultados se puede concluir que sería posible emplear los modelos de predicción generados por estos métodos para predecir de manera temprana el riesgo de un estudiante de desertar en la Facultad de IngenieríaSubmitted by Janer Alberto Gonzalez Danies (janergonzalezad@unimagdalena.edu.co) on 2021-12-10T14:17:30Z No. of bitstreams: 2 Aplicación de Minería de Datos para Predecir la Deserción Estudiantil en la Facultad de Ingeniera de la Universidad del Magdalena (2).pdf: 1277874 bytes, checksum: 849f09b0603c549b8b7098bdcc8d6874 (MD5) BI-F12-Formato-de-Licencia-de-Publicación-de-Trabajos-de-Grado-v3-Ultimo-1 (1).pdf: 606348 bytes, checksum: a815cc0ab1450a66bf9962a92ff6793c (MD5)Approved for entry into archive by Sabina Rada Mendoza (srada@unimagdalena.edu.co) on 2021-12-10T19:55:58Z (GMT) No. of bitstreams: 2 Aplicación de Minería de Datos para Predecir la Deserción Estudiantil en la Facultad de Ingeniera de la Universidad del Magdalena (2).pdf: 1277874 bytes, checksum: 849f09b0603c549b8b7098bdcc8d6874 (MD5) BI-F12-Formato-de-Licencia-de-Publicación-de-Trabajos-de-Grado-v3-Ultimo-1 (1).pdf: 606348 bytes, checksum: a815cc0ab1450a66bf9962a92ff6793c (MD5)Approved for entry into archive by Claribel Vargas Guette (cvargasgu@unimagdalena.edu.co) on 2022-02-15T17:03:21Z (GMT) No. of bitstreams: 2 Aplicación de Minería de Datos para Predecir la Deserción Estudiantil en la Facultad de Ingeniera de la Universidad del Magdalena (2).pdf: 1277874 bytes, checksum: 849f09b0603c549b8b7098bdcc8d6874 (MD5) BI-F12-Formato-de-Licencia-de-Publicación-de-Trabajos-de-Grado-v3-Ultimo-1 (1).pdf: 606348 bytes, checksum: a815cc0ab1450a66bf9962a92ff6793c (MD5)Made available in DSpace on 2022-02-15T17:03:21Z (GMT). No. of bitstreams: 2 Aplicación de Minería de Datos para Predecir la Deserción Estudiantil en la Facultad de Ingeniera de la Universidad del Magdalena (2).pdf: 1277874 bytes, checksum: 849f09b0603c549b8b7098bdcc8d6874 (MD5) BI-F12-Formato-de-Licencia-de-Publicación-de-Trabajos-de-Grado-v3-Ultimo-1 (1).pdf: 606348 bytes, checksum: a815cc0ab1450a66bf9962a92ff6793c (MD5) Previous issue date: 2021texthttp://repositorio.unimagdalena.edu.co/handle/123456789/6647Universidad del MagdalenaFacultad de IngenieríaIngeniería de SistemasatribucionnocomercialsinderivarAcceso Abiertoinfo:eu-repo/semantics/openAccessAcceso Abiertoatribucionnocomercialsinderivarhttp://purl.org/coar/access_right/c_abf2Minería de datosMachine learningFacultad IngenieriaAprendizaje automaticoRedes neuronalesDeserción académicaRandom forestAplicación de minería de datos para predecir la deserción estudiantil en la facultad de ingeniera de la Universidad del MagdalenabachelorThesishttp://purl.org/coar/resource_type/c_7a1fspaORIGINALAplicación de Minería de Datos para Predecir la Deserción Estudiantil en la Facultad de Ingeniera de la Universidad del Magdalena (2).pdfAplicación de Minería de Datos para Predecir la Deserción Estudiantil en la Facultad de Ingeniera de la Universidad del Magdalena (2).pdfapplication/pdf1277874https://repositorio.unimagdalena.edu.co/bitstreams/a0c9b1fa-f15b-4151-980d-cb32c54d2e1e/download849f09b0603c549b8b7098bdcc8d6874MD51BI-F12-Formato-de-Licencia-de-Publicación-de-Trabajos-de-Grado-v3-Ultimo-1 (1).pdfBI-F12-Formato-de-Licencia-de-Publicación-de-Trabajos-de-Grado-v3-Ultimo-1 (1).pdfRestringidoapplication/pdf606348https://repositorio.unimagdalena.edu.co/bitstreams/5c1383c6-542b-42a0-aedc-86eca75f7fbf/downloada815cc0ab1450a66bf9962a92ff6793cMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82289https://repositorio.unimagdalena.edu.co/bitstreams/b6bf6a5c-cceb-4f46-9dbd-ad705f64fe29/downloadb37f3126bcd22eeae85cbc2659ee387bMD53123456789/6647oai:repositorio.unimagdalena.edu.co:123456789/66472024-10-02 23:00:21.01https://repositorio.unimagdalena.edu.coRepositorio Institucional UniMagdalenarepositorio@unimagdalena.edu.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