Predicción de áreas de investigación de tesistas de carreras de informática de la Universidad de Morón

Autores
Sattolo, Iris; Álvarez, Gónzalo; Armilla, Nicolás; García, Matías; Lafont, Javier; Mariuz, Gabriel; Mira, Lucila; Panizzi, Marisa D.
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En trabajos anteriores se analizó el problema que se les presenta a los tesistas de las carreras de informática de la Universidad de Morón, en el momento de la elección del tema de su tesina de grado, aplicando distintos algoritmos de minería de datos para obtener modelos de clasificación. En este desarrollo, se planteó la obtención de un modelo de predicción mediante redes bayesianas, ya que éstas tienen una semántica muy rica y son fácilmente interpretables. Se presentan los resultados del mapeo sistemático de literatura (SMS), cuyo propósito ha sido identificar los problemas que se resuelven con la minería de datos en el nivel de educación superior. Luego se realizó la comparación de los algoritmos J4.8 y Naïve Bayes como algoritmos de clasificación aplicados a los datos actuales, y se analizó la red obtenida para predecir evidencias futuras. Los resultados expuestos no son concluyentes ya que se sigue recolectando información, pero la descripción del estudio realizado pone en valor el interés de la técnica empleada y sienta las bases para mejorar el alcance de la investigación en trabajos futuros.
Tema: Tecnología en Educación.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Tesis Académicas
Enseñanza de la informática
Minería de Datos
Bayesian networks
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/90723
Acceder
id SEDICI_0552c745b1882d8c4e7752460bc0a7bd
oai_identifier_str oai:sedici.unlp.edu.ar:10915/90723
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Predicción de áreas de investigación de tesistas de carreras de informática de la Universidad de MorónSattolo, IrisÁlvarez, GónzaloArmilla, NicolásGarcía, MatíasLafont, JavierMariuz, GabrielMira, LucilaPanizzi, Marisa D.Ciencias InformáticasTesis AcadémicasEnseñanza de la informáticaMinería de DatosBayesian networksEn trabajos anteriores se analizó el problema que se les presenta a los tesistas de las carreras de informática de la Universidad de Morón, en el momento de la elección del tema de su tesina de grado, aplicando distintos algoritmos de minería de datos para obtener modelos de clasificación. En este desarrollo, se planteó la obtención de un modelo de predicción mediante redes bayesianas, ya que éstas tienen una semántica muy rica y son fácilmente interpretables. Se presentan los resultados del mapeo sistemático de literatura (SMS), cuyo propósito ha sido identificar los problemas que se resuelven con la minería de datos en el nivel de educación superior. Luego se realizó la comparación de los algoritmos J4.8 y Naïve Bayes como algoritmos de clasificación aplicados a los datos actuales, y se analizó la red obtenida para predecir evidencias futuras. Los resultados expuestos no son concluyentes ya que se sigue recolectando información, pero la descripción del estudio realizado pone en valor el interés de la técnica empleada y sienta las bases para mejorar el alcance de la investigación en trabajos futuros.Tema: Tecnología en Educación.Red de Universidades con Carreras en Informática2019-07info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf66-75http://sedici.unlp.edu.ar/handle/10915/90723spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-733-196-7info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Creative Commons Attribution 4.0 International (CC BY 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:10:32Zoai:sedici.unlp.edu.ar:10915/90723Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:10:33.146SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Predicción de áreas de investigación de tesistas de carreras de informática de la Universidad de Morón
title Predicción de áreas de investigación de tesistas de carreras de informática de la Universidad de Morón
spellingShingle Predicción de áreas de investigación de tesistas de carreras de informática de la Universidad de Morón
Sattolo, Iris
Ciencias Informáticas
Tesis Académicas
Enseñanza de la informática
Minería de Datos
Bayesian networks
title_short Predicción de áreas de investigación de tesistas de carreras de informática de la Universidad de Morón
title_full Predicción de áreas de investigación de tesistas de carreras de informática de la Universidad de Morón
title_fullStr Predicción de áreas de investigación de tesistas de carreras de informática de la Universidad de Morón
title_full_unstemmed Predicción de áreas de investigación de tesistas de carreras de informática de la Universidad de Morón
title_sort Predicción de áreas de investigación de tesistas de carreras de informática de la Universidad de Morón
dc.creator.none.fl_str_mv Sattolo, Iris
Álvarez, Gónzalo
Armilla, Nicolás
García, Matías
Lafont, Javier
Mariuz, Gabriel
Mira, Lucila
Panizzi, Marisa D.
author Sattolo, Iris
author_facet Sattolo, Iris
Álvarez, Gónzalo
Armilla, Nicolás
García, Matías
Lafont, Javier
Mariuz, Gabriel
Mira, Lucila
Panizzi, Marisa D.
author_role author
author2 Álvarez, Gónzalo
Armilla, Nicolás
García, Matías
Lafont, Javier
Mariuz, Gabriel
Mira, Lucila
Panizzi, Marisa D.
author2_role author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Tesis Académicas
Enseñanza de la informática
Minería de Datos
Bayesian networks
topic Ciencias Informáticas
Tesis Académicas
Enseñanza de la informática
Minería de Datos
Bayesian networks
dc.description.none.fl_txt_mv En trabajos anteriores se analizó el problema que se les presenta a los tesistas de las carreras de informática de la Universidad de Morón, en el momento de la elección del tema de su tesina de grado, aplicando distintos algoritmos de minería de datos para obtener modelos de clasificación. En este desarrollo, se planteó la obtención de un modelo de predicción mediante redes bayesianas, ya que éstas tienen una semántica muy rica y son fácilmente interpretables. Se presentan los resultados del mapeo sistemático de literatura (SMS), cuyo propósito ha sido identificar los problemas que se resuelven con la minería de datos en el nivel de educación superior. Luego se realizó la comparación de los algoritmos J4.8 y Naïve Bayes como algoritmos de clasificación aplicados a los datos actuales, y se analizó la red obtenida para predecir evidencias futuras. Los resultados expuestos no son concluyentes ya que se sigue recolectando información, pero la descripción del estudio realizado pone en valor el interés de la técnica empleada y sienta las bases para mejorar el alcance de la investigación en trabajos futuros.
Tema: Tecnología en Educación.
Red de Universidades con Carreras en Informática
description En trabajos anteriores se analizó el problema que se les presenta a los tesistas de las carreras de informática de la Universidad de Morón, en el momento de la elección del tema de su tesina de grado, aplicando distintos algoritmos de minería de datos para obtener modelos de clasificación. En este desarrollo, se planteó la obtención de un modelo de predicción mediante redes bayesianas, ya que éstas tienen una semántica muy rica y son fácilmente interpretables. Se presentan los resultados del mapeo sistemático de literatura (SMS), cuyo propósito ha sido identificar los problemas que se resuelven con la minería de datos en el nivel de educación superior. Luego se realizó la comparación de los algoritmos J4.8 y Naïve Bayes como algoritmos de clasificación aplicados a los datos actuales, y se analizó la red obtenida para predecir evidencias futuras. Los resultados expuestos no son concluyentes ya que se sigue recolectando información, pero la descripción del estudio realizado pone en valor el interés de la técnica empleada y sienta las bases para mejorar el alcance de la investigación en trabajos futuros.
publishDate 2019
dc.date.none.fl_str_mv 2019-07
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/90723
url http://sedici.unlp.edu.ar/handle/10915/90723
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-733-196-7
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
dc.format.none.fl_str_mv application/pdf
66-75
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846064162651766784
score 13.22299

Publicaciones similares