Técnicas de clasificación aplicadas al estudio del rendimiento de ingresantes universitarios

Autores
Dapozo, Gladys N.; Porcel, Eduardo; López, María Victoria; Greiner, Cristina L.
Año de publicación
2008
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Varios estudios han demostrado la incidencia de la formación en Matemática sobre el desempeño de los alumnos. Esta fortaleza resulta clave para el avance en las carreras que se ofrecen en la Facultad de Ciencias Exactas de la UNNE, dado que todas ellas tienen esta asignatura en el primer año. En este trabajo se propone realizar un estudio comparativo de técnicas de clasificación del campo de la minería de datos utilizando una herramienta de software libre. Se contrastará el rendimiento de las redes neuronales versus la aplicación de técnicas estadísticas convencionales. Se espera obtener resultados que permitan generar información útil para orientar políticas institucionales que contribuyan a mejorar los indicadores preocupantes de fracaso traducidos en deserción y bajo rendimiento de los alumnos del primer año de carreras universitarias.
Eje: Ingeniería de Software y Base de Datos
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
base de datos
Minería de datos
SOFTWARE ENGINEERING
Técnicas de clasificación
Herramienta de software libre
Rendimiento académico de alumnos universitarios
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/20639
Acceder
id SEDICI_2f4d3cdca042d27ac4d84aa72a251d34
oai_identifier_str oai:sedici.unlp.edu.ar:10915/20639
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Técnicas de clasificación aplicadas al estudio del rendimiento de ingresantes universitariosDapozo, Gladys N.Porcel, EduardoLópez, María VictoriaGreiner, Cristina L.Ciencias Informáticasbase de datosMinería de datosSOFTWARE ENGINEERINGTécnicas de clasificaciónHerramienta de software libreRendimiento académico de alumnos universitariosVarios estudios han demostrado la incidencia de la formación en Matemática sobre el desempeño de los alumnos. Esta fortaleza resulta clave para el avance en las carreras que se ofrecen en la Facultad de Ciencias Exactas de la UNNE, dado que todas ellas tienen esta asignatura en el primer año. En este trabajo se propone realizar un estudio comparativo de técnicas de clasificación del campo de la minería de datos utilizando una herramienta de software libre. Se contrastará el rendimiento de las redes neuronales versus la aplicación de técnicas estadísticas convencionales. Se espera obtener resultados que permitan generar información útil para orientar políticas institucionales que contribuyan a mejorar los indicadores preocupantes de fracaso traducidos en deserción y bajo rendimiento de los alumnos del primer año de carreras universitarias.Eje: Ingeniería de Software y Base de DatosRed de Universidades con Carreras en Informática (RedUNCI)2008-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf574-578http://sedici.unlp.edu.ar/handle/10915/20639spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:54:20Zoai:sedici.unlp.edu.ar:10915/20639Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:54:20.609SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Técnicas de clasificación aplicadas al estudio del rendimiento de ingresantes universitarios
title Técnicas de clasificación aplicadas al estudio del rendimiento de ingresantes universitarios
spellingShingle Técnicas de clasificación aplicadas al estudio del rendimiento de ingresantes universitarios
Dapozo, Gladys N.
Ciencias Informáticas
base de datos
Minería de datos
SOFTWARE ENGINEERING
Técnicas de clasificación
Herramienta de software libre
Rendimiento académico de alumnos universitarios
title_short Técnicas de clasificación aplicadas al estudio del rendimiento de ingresantes universitarios
title_full Técnicas de clasificación aplicadas al estudio del rendimiento de ingresantes universitarios
title_fullStr Técnicas de clasificación aplicadas al estudio del rendimiento de ingresantes universitarios
title_full_unstemmed Técnicas de clasificación aplicadas al estudio del rendimiento de ingresantes universitarios
title_sort Técnicas de clasificación aplicadas al estudio del rendimiento de ingresantes universitarios
dc.creator.none.fl_str_mv Dapozo, Gladys N.
Porcel, Eduardo
López, María Victoria
Greiner, Cristina L.
author Dapozo, Gladys N.
author_facet Dapozo, Gladys N.
Porcel, Eduardo
López, María Victoria
Greiner, Cristina L.
author_role author
author2 Porcel, Eduardo
López, María Victoria
Greiner, Cristina L.
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
base de datos
Minería de datos
SOFTWARE ENGINEERING
Técnicas de clasificación
Herramienta de software libre
Rendimiento académico de alumnos universitarios
topic Ciencias Informáticas
base de datos
Minería de datos
SOFTWARE ENGINEERING
Técnicas de clasificación
Herramienta de software libre
Rendimiento académico de alumnos universitarios
dc.description.none.fl_txt_mv Varios estudios han demostrado la incidencia de la formación en Matemática sobre el desempeño de los alumnos. Esta fortaleza resulta clave para el avance en las carreras que se ofrecen en la Facultad de Ciencias Exactas de la UNNE, dado que todas ellas tienen esta asignatura en el primer año. En este trabajo se propone realizar un estudio comparativo de técnicas de clasificación del campo de la minería de datos utilizando una herramienta de software libre. Se contrastará el rendimiento de las redes neuronales versus la aplicación de técnicas estadísticas convencionales. Se espera obtener resultados que permitan generar información útil para orientar políticas institucionales que contribuyan a mejorar los indicadores preocupantes de fracaso traducidos en deserción y bajo rendimiento de los alumnos del primer año de carreras universitarias.
Eje: Ingeniería de Software y Base de Datos
Red de Universidades con Carreras en Informática (RedUNCI)
description Varios estudios han demostrado la incidencia de la formación en Matemática sobre el desempeño de los alumnos. Esta fortaleza resulta clave para el avance en las carreras que se ofrecen en la Facultad de Ciencias Exactas de la UNNE, dado que todas ellas tienen esta asignatura en el primer año. En este trabajo se propone realizar un estudio comparativo de técnicas de clasificación del campo de la minería de datos utilizando una herramienta de software libre. Se contrastará el rendimiento de las redes neuronales versus la aplicación de técnicas estadísticas convencionales. Se espera obtener resultados que permitan generar información útil para orientar políticas institucionales que contribuyan a mejorar los indicadores preocupantes de fracaso traducidos en deserción y bajo rendimiento de los alumnos del primer año de carreras universitarias.
publishDate 2008
dc.date.none.fl_str_mv 2008-05
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/10915/20639
url http://sedici.unlp.edu.ar/handle/10915/20639
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-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
574-578
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_ 1844615800425545728
score 13.069144

Publicaciones similares