Busque entre los 167390 recursos disponibles en el repositorio
Mostrar el registro sencillo del ítem
dc.date.accessioned | 2018-08-13T12:25:32Z | |
dc.date.available | 2018-08-13T12:25:32Z | |
dc.date.issued | 2018 | |
dc.identifier.uri | http://sedici.unlp.edu.ar/handle/10915/68389 | |
dc.description.abstract | En este trabajo se propone evaluar el rendimiento de los estudiantes mediante técnicas de Minería de Datos. La propuesta no se enfoca en analizar el perfil del estudiante solo a través de sus calificaciones, sino también, estudiar el desempeño académico en base a otras variables. Para definir los perfiles de los estudiantes y determinar patrones que conduzcan al éxito o fracaso académico, implementaremos un modelo que relaciona las calificaciones de los estudiantes con otras variables, tales como factores socioeconómicos, demográficos, actitudinales, entre otros; en base a lo cual clasificaremos los diferentes perfiles de alumnos. Describimos el modelo a implementar con el uso de Data Warehouse para determinar los perfiles de rendimiento académico en las asignaturas Algebra de la carrera Licenciatura en Sistemas de Información (LSI) de la Facultad de Ciencias Exactas y Naturales y Agrimensura (FaCENA) de la Universidad Nacional del Nordeste (UNNE) y Matemática I de la carrera Ingeniería Agronómica (IA) de la Facultad de Ciencias Agrarias (FCA) de la UNNE (PI 16F002 acreditado por Res. N° 970/16 CS). Esperamos contribuir a encontrar una respuesta al bajo rendimiento académico de los alumnos observado históricamente, problema éste que es el disparador de nuestra investigación. Los modelos predictivos que buscamos, permitirán tomar acciones tendientes a evitar el fracaso académico, detectando los alumnos con perfil de riesgo de fracaso académico de manera temprana, a poco del inicio del cursado de las asignaturas; lo que permitirá concentrar en ellos los esfuerzos de tutorías y apoyos especiales. | es |
dc.format.extent | 1078-1082 | es |
dc.language | es | es |
dc.subject | rendimiento académico | es |
dc.subject | Data mining | es |
dc.subject | almacenes de datos | es |
dc.subject | Modeling and prediction | es |
dc.subject | data sto | es |
dc.title | Determinación de perfiles de rendimiento académico en la UNNE con minería de datos educacional | es |
dc.type | Objeto de conferencia | es |
sedici.identifier.isbn | 978-987-3619-27-4 | es |
sedici.creator.person | Acosta, Julio César | es |
sedici.creator.person | La Red Martínez, David L. | es |
sedici.creator.person | Primorac, Carlos R. | es |
sedici.description.note | Eje: Tecnología Informática Aplicada en Educación. | es |
sedici.subject.materias | Ciencias Informáticas | es |
sedici.description.fulltext | true | es |
mods.originInfo.place | Red de Universidades con Carreras en Informática | es |
sedici.subtype | Objeto de conferencia | es |
sedici.rights.license | Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) | |
sedici.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | |
sedici.date.exposure | 2018-04 | |
sedici.relation.event | XX Workshop de Investigadores en Ciencias de la Computación (WICC 2018, Universidad Nacional del Nordeste). | es |
sedici.description.peerReview | peer-review | es |
sedici.relation.isRelatedWith | http://sedici.unlp.edu.ar/handle/10915/67063 | es |