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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/90723
Ver los metadatos del registro completo
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:UNLP2025-09-29T11:18:38Zoai: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:13292025-09-29 11:18:38.748SEDICI (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_ |
1844616060189278208 |
score |
13.070432 |