Un modelo basado en árboles de decisión para predecir la deserción estudiantil en la Educación Superior Privada.
DOI:
https://doi.org/10.18050/RevUcv-Scientia.v8n1a7Palabras clave:
Minería de datos, Algoritmos de Maquinas de Aprendizaje, Deserción Universitaria, Predicción, Árboles de DecisiónResumen
Las técnicas de minería de datos permiten obtener información útil que se encuentra oculta en grandes
base de datos que en su mayoría solo son usados para realizar operaciones transaccionales, así como
archivos que aún no han sido ingresado a las base de datos. La información al ser explotado de manera
correcta permite mejorar la toma de decisiones así como ofrecer ventajas competitivas con respecto a
otras empresas.
Debido a la gran cantidad de datos que tienen las Instituciones de Educación Superior Universitaria en este
trabajo de investigación se propone hacer uso de las técnicas de minería de datos para predecir la
deserción o el abandono en la Educación Superior Privada. Para el desarrollo de proyecto se usó la
metodología CRIPS-DM con la herramienta comercial spss clementine 12.0,para los cuales se hicieron uso
de la técnica de minería de datos árboles de decisión, para lo cual se utilizaron 1761 datos de los
estudiantes de la Universidad Privada César Vallejo, comprendidos del semestre 2009-I al semestre
2013-II de la Escuela profesional de Ingeniería de Sistemas con 27 atributos para cada uno de ellos que
están relacionadas con la deserción del alumno, que fueron extraídos del área de registros académicos,
Asuntos Estudiantiles y del área de Informática.
Para el desarrollo del proyecto se hizo uso del algoritmo de árboles de decisión en donde se hizo el
entrenamiento, validación y prueba con 100 datos nuevos en donde se obtuvo una precisión de 89%.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
- El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia.
Bajo las condiciones siguientes:
-
Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios<. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
