Aportes esperados de la técnica de árboles de desición al aplicarlos a datos generados con la metodologia blended learning

Autores
Sosa, Marcelo Omar; Bruchmann, Eugenia Cecilia
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La búsqueda información oculta y útil que se encuentra en los datos de las actividades educativas es el objetivo principal de la minería de datos educativa o educational data mining (E.D.M. por sus siglas en inglés). En el caso particular de la aplicación de la metodología de blended learning en la educación superior, ésta genera grandes volúmenes de datos de dos tipos: los que se obtienen con la observación de las actividades presenciales y los que se almacenan con las actividades que desarrollan los alumnos en los entornos virtuales que se utilizan en esta metodología. Para completar el perfil del alumno a analizar, deben incorporarse además los datos históricos que los acompañan en el ingreso al nivel superior. Estos datos representan un gran volumen por lo que las técnicas de data mining representan un alternativa válida para su procesamiento. Dentro de ellas se encuentran los árboles de decisión que representan unas de las más importantes y utilizadas por los investigadores. El estudio del modo de aplicación y resultados obtenidos son la esencia de la presente investigación.
Eje: Base de Datos y Minería de Datos
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
blended learning
Data mining
árboles de decisión
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:10915/45606
Acceder
id SEDICI_932201fee2a56f299fa815c0ad1a75c9
oai_identifier_str oai:sedici.unlp.edu.ar:10915/45606
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Aportes esperados de la técnica de árboles de desición al aplicarlos a datos generados con la metodologia blended learningSosa, Marcelo OmarBruchmann, Eugenia CeciliaCiencias Informáticasblended learningData miningárboles de decisiónLa búsqueda información oculta y útil que se encuentra en los datos de las actividades educativas es el objetivo principal de la minería de datos educativa o educational data mining (E.D.M. por sus siglas en inglés). En el caso particular de la aplicación de la metodología de blended learning en la educación superior, ésta genera grandes volúmenes de datos de dos tipos: los que se obtienen con la observación de las actividades presenciales y los que se almacenan con las actividades que desarrollan los alumnos en los entornos virtuales que se utilizan en esta metodología. Para completar el perfil del alumno a analizar, deben incorporarse además los datos históricos que los acompañan en el ingreso al nivel superior. Estos datos representan un gran volumen por lo que las técnicas de data mining representan un alternativa válida para su procesamiento. Dentro de ellas se encuentran los árboles de decisión que representan unas de las más importantes y utilizadas por los investigadores. El estudio del modo de aplicación y resultados obtenidos son la esencia de la presente investigación.Eje: Base de Datos y Minería de DatosRed de Universidades con Carreras en Informática (RedUNCI)2015-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/45606spainfo: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:UNLP2025-09-29T11:02:25Zoai:sedici.unlp.edu.ar:10915/45606Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:02:25.961SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Aportes esperados de la técnica de árboles de desición al aplicarlos a datos generados con la metodologia blended learning
title Aportes esperados de la técnica de árboles de desición al aplicarlos a datos generados con la metodologia blended learning
spellingShingle Aportes esperados de la técnica de árboles de desición al aplicarlos a datos generados con la metodologia blended learning
Sosa, Marcelo Omar
Ciencias Informáticas
blended learning
Data mining
árboles de decisión
title_short Aportes esperados de la técnica de árboles de desición al aplicarlos a datos generados con la metodologia blended learning
title_full Aportes esperados de la técnica de árboles de desición al aplicarlos a datos generados con la metodologia blended learning
title_fullStr Aportes esperados de la técnica de árboles de desición al aplicarlos a datos generados con la metodologia blended learning
title_full_unstemmed Aportes esperados de la técnica de árboles de desición al aplicarlos a datos generados con la metodologia blended learning
title_sort Aportes esperados de la técnica de árboles de desición al aplicarlos a datos generados con la metodologia blended learning
dc.creator.none.fl_str_mv Sosa, Marcelo Omar
Bruchmann, Eugenia Cecilia
author Sosa, Marcelo Omar
author_facet Sosa, Marcelo Omar
Bruchmann, Eugenia Cecilia
author_role author
author2 Bruchmann, Eugenia Cecilia
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
blended learning
Data mining
árboles de decisión
topic Ciencias Informáticas
blended learning
Data mining
árboles de decisión
dc.description.none.fl_txt_mv La búsqueda información oculta y útil que se encuentra en los datos de las actividades educativas es el objetivo principal de la minería de datos educativa o educational data mining (E.D.M. por sus siglas en inglés). En el caso particular de la aplicación de la metodología de blended learning en la educación superior, ésta genera grandes volúmenes de datos de dos tipos: los que se obtienen con la observación de las actividades presenciales y los que se almacenan con las actividades que desarrollan los alumnos en los entornos virtuales que se utilizan en esta metodología. Para completar el perfil del alumno a analizar, deben incorporarse además los datos históricos que los acompañan en el ingreso al nivel superior. Estos datos representan un gran volumen por lo que las técnicas de data mining representan un alternativa válida para su procesamiento. Dentro de ellas se encuentran los árboles de decisión que representan unas de las más importantes y utilizadas por los investigadores. El estudio del modo de aplicación y resultados obtenidos son la esencia de la presente investigación.
Eje: Base de Datos y Minería de Datos
Red de Universidades con Carreras en Informática (RedUNCI)
description La búsqueda información oculta y útil que se encuentra en los datos de las actividades educativas es el objetivo principal de la minería de datos educativa o educational data mining (E.D.M. por sus siglas en inglés). En el caso particular de la aplicación de la metodología de blended learning en la educación superior, ésta genera grandes volúmenes de datos de dos tipos: los que se obtienen con la observación de las actividades presenciales y los que se almacenan con las actividades que desarrollan los alumnos en los entornos virtuales que se utilizan en esta metodología. Para completar el perfil del alumno a analizar, deben incorporarse además los datos históricos que los acompañan en el ingreso al nivel superior. Estos datos representan un gran volumen por lo que las técnicas de data mining representan un alternativa válida para su procesamiento. Dentro de ellas se encuentran los árboles de decisión que representan unas de las más importantes y utilizadas por los investigadores. El estudio del modo de aplicación y resultados obtenidos son la esencia de la presente investigación.
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
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/10915/45606
url http://sedici.unlp.edu.ar/handle/10915/45606
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
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_ 1844615891514294272
score 13.070432

Publicaciones similares