Detección de patrones de éxito estudiantil en una universidad privada de Huancayo, Perú

Daniel Gamarra Moreno, Rocio Matos Barzola, Miguel Yupanqui Alanya

Resumen


El objetivo del estudio fue detectar los patrones de éxito en los estudios universitarios de los estudiantes de la Universidad Continental a partir de la información académica y socio-demográfica recopilado en el primer ciclo de estudios. La investigación tuvo un diseño descriptivo transversal, los estudiantes fueron de diversas carreras profesionales que desarrollaron sus estudios entre el año 2012 y 2017. Para la extracción automatizada de conocimiento se utilizó la metodología de proyectos de minería de datos Cross-Industry Standard Process for Data Mining (CRISP-DM) y el software Clementine, mediante la red neuronal perceptrón multicapa se logró identificar las variables que más impactan en el éxito y abandono de los estudios universitarios; para obtener el árbol de decisión se aplicó el algoritmo C5.0 y para el agrupamiento (tres grupos) los algoritmos K-means y TwoStep, y estos resultados se compararon mediante una matriz de confusión. Los resultados muestran que los estudiantes que abandonaron sus estudios universitarios no pasaron del quinto ciclo; las variables que más influyen en el éxito de los estudios universitarios son: estado civil del estudiante, monto de la pensión, estado civil de los padres y con quien vive el estudiante en Huancayo. Por otro lado, las variables que más influyen en el abandono de los estudios son, con quien vive el estudiante en Huancayo, estado civil del estudiante, satisfacción del desempeño del docente y estado civil de los padres. En conclusión, las variables socio demográficas son las que tienen mayor predominancia sobre el éxito y fracaso de los estudios universitarios.


Palabras clave


Minería de datos; deserción universitaria; detección de patrones

Texto completo:

descargar artículo

Referencias Bibliográficas


Chapman, P., Clinton, P., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. CRISP-DM 1.0. Step-by-step data mining guide (2000). [Software de computación]. Clementine SPPS (versión 12,0). SPSS Inc.

CINDA. (2006). Repitencia y deserción universitaria en America Latina Colección Gestión Universitaria, L. González (Ed.).

Hernández Orallo, J., Ramírez Quintana, J., & Ferri Ramírez, C. (2008). Introducción a la Minería de Datos. Madrid: Pearson Prentice Hall.

Mariscal G, Marbán Ó, Fernández C. A survey of data mining and knowledge discovery process models and methodologies. The Knowledge Engineering Review.

Perez López, C., & Santin Gonzalez, D. (2006). Data Mining - Soluciones Con Enterprise Miner Con 1 CD: Alfaomega Grupo Editor.

Spositto, O., Etcheverry, M., Ryckeboer, H., & Bossero, J. (2009). Aplicación de técnicas de minería de datos para la evaluación del rendimiento académico y la deserción estudiantil.

Timarán Pereira, R. (2009). Detección de Patrones de Bajo Rendimiento Académico y Deserción Estudiantil con Técnicas de Minería de Datos. Paper presentado en la Octava Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2009, Orlando, Florida ~ EE.UU.


Enlaces refback

  • No hay ningún enlace refback.


 

Indizado en:

         

 

Esta revista y sus contenidos están bajo una licencia de Creative Commons Reconocimiento 4.0 Internacional.

 

Compártela en:

Google+   Twitter   Facebook 

 
Visita:
 
contador de visitas