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...
- 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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 |