Aplicación de técnicas de data mining en gestión de docentes de educación superior

Autores
Malbernat, Lucía Rosario; Clemens, María Patricia; Varela, Analia Elena; Urrizaga, Ezequiel Matías
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En estudios previos se analizó la factibilidad de incorporar actividades virtuales según las competencias docentes aplicando técnicas de Data Mining y se concluyó que, "en relación con la Preparación y la Actitud para la modalidad virtual, los docentes pueden clasificarse como Innovadores, Indiferentes y Refractarios", de acuerdo con lo propuesto por la hipótesis de investigación. En la línea de investigación que se reporta en este trabajo se han tomado los modelos y datos recabados en dichos estudios, se recabaron nuevos datos y están en etapa de exploración distintas técnicas de segmentación, variando sus métodos y parámetros para valorar su aplicación a través de distintas herramientas informáticas para Data Mining. De este modo, se evaluará el impacto que tienen las técnicas, métodos, parámetros y herramientas en los resultados y en el propio procesamiento de los datos, para desarrollar un modelo de segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior basado en la comparación de resultados que permita desarrollar una herramienta informática para la aplicación del modelo. Los datos recogidos, que han sido revisados, depurados, ampliados y actualizados, provienen de distintas unidades académicas de universidades de gestión pública y privada.
Fil: Malbernat, Lucía Rosario. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.
Fil: Clemens, María Patricia. Universidad CAECE; Argentina.
Fil: Varela, Analia Elena. Universidad CAECE; Argentina.
Fil: Urrizaga, Ezequiel Matías. Universidad CAECE; Argentina.
Fuente
XVII Workshop de Investigadores en Ciencias de la Computación, Salta [ARG], 16-17 abril 2015. ISBN 978-987-633-134-0.
Materia
Minería de Datos
Educación Superior
Gestión Universitaria
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Repositorio
Nülan (UNMDP-FCEyS)
Institución
Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales
OAI Identificador
oai:nulan.mdp.edu.ar:2714
Acceder
id NULAN_c37b322d55ab6d0826facc0e45aea971
oai_identifier_str oai:nulan.mdp.edu.ar:2714
network_acronym_str NULAN
repository_id_str 1845
network_name_str Nülan (UNMDP-FCEyS)
spelling Aplicación de técnicas de data mining en gestión de docentes de educación superiorMalbernat, Lucía RosarioClemens, María PatriciaVarela, Analia ElenaUrrizaga, Ezequiel MatíasMinería de DatosEducación SuperiorGestión UniversitariaEn estudios previos se analizó la factibilidad de incorporar actividades virtuales según las competencias docentes aplicando técnicas de Data Mining y se concluyó que, "en relación con la Preparación y la Actitud para la modalidad virtual, los docentes pueden clasificarse como Innovadores, Indiferentes y Refractarios", de acuerdo con lo propuesto por la hipótesis de investigación. En la línea de investigación que se reporta en este trabajo se han tomado los modelos y datos recabados en dichos estudios, se recabaron nuevos datos y están en etapa de exploración distintas técnicas de segmentación, variando sus métodos y parámetros para valorar su aplicación a través de distintas herramientas informáticas para Data Mining. De este modo, se evaluará el impacto que tienen las técnicas, métodos, parámetros y herramientas en los resultados y en el propio procesamiento de los datos, para desarrollar un modelo de segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior basado en la comparación de resultados que permita desarrollar una herramienta informática para la aplicación del modelo. Los datos recogidos, que han sido revisados, depurados, ampliados y actualizados, provienen de distintas unidades académicas de universidades de gestión pública y privada.Fil: Malbernat, Lucía Rosario. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.Fil: Clemens, María Patricia. Universidad CAECE; Argentina.Fil: Varela, Analia Elena. Universidad CAECE; Argentina.Fil: Urrizaga, Ezequiel Matías. Universidad CAECE; Argentina.2015-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttps://nulan.mdp.edu.ar/id/eprint/2714/https://nulan.mdp.edu.ar/id/eprint/2714/1/malbernat-etal-2015.pdf XVII Workshop de Investigadores en Ciencias de la Computación, Salta [ARG], 16-17 abril 2015. ISBN 978-987-633-134-0. reponame:Nülan (UNMDP-FCEyS)instname:Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Socialesspainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/ar/2025-09-29T13:41:25Zoai:nulan.mdp.edu.ar:2714instacron:UNMDP-FCEySInstitucionalhttp://nulan.mdp.edu.ar/Universidad públicaNo correspondehttp://nulan.mdp.edu.ar/cgi/oai2cendocu@mdp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18452025-09-29 13:41:25.499Nülan (UNMDP-FCEyS) - Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Socialesfalse
dc.title.none.fl_str_mv Aplicación de técnicas de data mining en gestión de docentes de educación superior
title Aplicación de técnicas de data mining en gestión de docentes de educación superior
spellingShingle Aplicación de técnicas de data mining en gestión de docentes de educación superior
Malbernat, Lucía Rosario
Minería de Datos
Educación Superior
Gestión Universitaria
title_short Aplicación de técnicas de data mining en gestión de docentes de educación superior
title_full Aplicación de técnicas de data mining en gestión de docentes de educación superior
title_fullStr Aplicación de técnicas de data mining en gestión de docentes de educación superior
title_full_unstemmed Aplicación de técnicas de data mining en gestión de docentes de educación superior
title_sort Aplicación de técnicas de data mining en gestión de docentes de educación superior
dc.creator.none.fl_str_mv Malbernat, Lucía Rosario
Clemens, María Patricia
Varela, Analia Elena
Urrizaga, Ezequiel Matías
author Malbernat, Lucía Rosario
author_facet Malbernat, Lucía Rosario
Clemens, María Patricia
Varela, Analia Elena
Urrizaga, Ezequiel Matías
author_role author
author2 Clemens, María Patricia
Varela, Analia Elena
Urrizaga, Ezequiel Matías
author2_role author
author
author
dc.subject.none.fl_str_mv Minería de Datos
Educación Superior
Gestión Universitaria
topic Minería de Datos
Educación Superior
Gestión Universitaria
dc.description.none.fl_txt_mv En estudios previos se analizó la factibilidad de incorporar actividades virtuales según las competencias docentes aplicando técnicas de Data Mining y se concluyó que, "en relación con la Preparación y la Actitud para la modalidad virtual, los docentes pueden clasificarse como Innovadores, Indiferentes y Refractarios", de acuerdo con lo propuesto por la hipótesis de investigación. En la línea de investigación que se reporta en este trabajo se han tomado los modelos y datos recabados en dichos estudios, se recabaron nuevos datos y están en etapa de exploración distintas técnicas de segmentación, variando sus métodos y parámetros para valorar su aplicación a través de distintas herramientas informáticas para Data Mining. De este modo, se evaluará el impacto que tienen las técnicas, métodos, parámetros y herramientas en los resultados y en el propio procesamiento de los datos, para desarrollar un modelo de segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior basado en la comparación de resultados que permita desarrollar una herramienta informática para la aplicación del modelo. Los datos recogidos, que han sido revisados, depurados, ampliados y actualizados, provienen de distintas unidades académicas de universidades de gestión pública y privada.
Fil: Malbernat, Lucía Rosario. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.
Fil: Clemens, María Patricia. Universidad CAECE; Argentina.
Fil: Varela, Analia Elena. Universidad CAECE; Argentina.
Fil: Urrizaga, Ezequiel Matías. Universidad CAECE; Argentina.
description En estudios previos se analizó la factibilidad de incorporar actividades virtuales según las competencias docentes aplicando técnicas de Data Mining y se concluyó que, "en relación con la Preparación y la Actitud para la modalidad virtual, los docentes pueden clasificarse como Innovadores, Indiferentes y Refractarios", de acuerdo con lo propuesto por la hipótesis de investigación. En la línea de investigación que se reporta en este trabajo se han tomado los modelos y datos recabados en dichos estudios, se recabaron nuevos datos y están en etapa de exploración distintas técnicas de segmentación, variando sus métodos y parámetros para valorar su aplicación a través de distintas herramientas informáticas para Data Mining. De este modo, se evaluará el impacto que tienen las técnicas, métodos, parámetros y herramientas en los resultados y en el propio procesamiento de los datos, para desarrollar un modelo de segmentación de docentes según su preparación y actitud para incorporar tecnología en educación superior basado en la comparación de resultados que permita desarrollar una herramienta informática para la aplicación del modelo. Los datos recogidos, que han sido revisados, depurados, ampliados y actualizados, provienen de distintas unidades académicas de universidades de gestión pública y privada.
publishDate 2015
dc.date.none.fl_str_mv 2015-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv https://nulan.mdp.edu.ar/id/eprint/2714/
https://nulan.mdp.edu.ar/id/eprint/2714/1/malbernat-etal-2015.pdf
url https://nulan.mdp.edu.ar/id/eprint/2714/
https://nulan.mdp.edu.ar/id/eprint/2714/1/malbernat-etal-2015.pdf
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv XVII Workshop de Investigadores en Ciencias de la Computación, Salta [ARG], 16-17 abril 2015. ISBN 978-987-633-134-0.
reponame:Nülan (UNMDP-FCEyS)
instname:Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales
reponame_str Nülan (UNMDP-FCEyS)
collection Nülan (UNMDP-FCEyS)
instname_str Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales
repository.name.fl_str_mv Nülan (UNMDP-FCEyS) - Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales
repository.mail.fl_str_mv cendocu@mdp.edu.ar
_version_ 1844618832783605760
score 13.070432

Publicaciones similares