Minería de datos educacional para determinar perfiles de alumnos recursantes en carreras de ingenierías
- Autores
- Claudio, C.; Jramoy, E.; Barrera, F.; Cardona, F.; Navarro Peláez, R.; Racca, S.
- Año de publicación
- 2020
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Las instituciones universitarias tienen el desafío de asegurar y mantener el nivel de calidad académica con el fin de proveer profesionales altamente capacitados que respondan a las demandas del mercado laboral actual, especialmente en el área de las TICs. Uno de los aspectos en donde las universidades deben poner mayor énfasis es en el rendimiento académico, ya que generalmente un bajo rendimiento académico está asociado con una alta tasa de deserción de alumnos. Para evaluar el rendimiento académico de un alumno es necesario conocer si existen patrones o perfiles comunes a grupos de alumnos, esto es de significativa importancia para definir acciones que permitan mejorar el desempeño de los alumnos. En este trabajo se propone el uso de minería de datos educacional para la construcción de modelos que permitan identificar perfiles de alumnos que recursan materias básicas en el primer año de las carreras de ingenierías. Los resultados de este proyecto serán un aporte para el área de gestión académica, ya que podrán contar con un instrumento objetivo que les permitirá definir acciones a futuro en pos de lograr la mejora en el rendimiento académico de los alumnos en materias básicas del primer año.
Eje: Tecnología informática aplicada en educación.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
minería de datos educacional
modelos
patrones
alumnos recursantes
Ingeniería - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/103957
Ver los metadatos del registro completo
id |
SEDICI_ea19eed0652d5ed30a529e51ef93193a |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/103957 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Minería de datos educacional para determinar perfiles de alumnos recursantes en carreras de ingenieríasClaudio, C.Jramoy, E.Barrera, F.Cardona, F.Navarro Peláez, R.Racca, S.Ciencias Informáticasminería de datos educacionalmodelospatronesalumnos recursantesIngenieríaLas instituciones universitarias tienen el desafío de asegurar y mantener el nivel de calidad académica con el fin de proveer profesionales altamente capacitados que respondan a las demandas del mercado laboral actual, especialmente en el área de las TICs. Uno de los aspectos en donde las universidades deben poner mayor énfasis es en el rendimiento académico, ya que generalmente un bajo rendimiento académico está asociado con una alta tasa de deserción de alumnos. Para evaluar el rendimiento académico de un alumno es necesario conocer si existen patrones o perfiles comunes a grupos de alumnos, esto es de significativa importancia para definir acciones que permitan mejorar el desempeño de los alumnos. En este trabajo se propone el uso de minería de datos educacional para la construcción de modelos que permitan identificar perfiles de alumnos que recursan materias básicas en el primer año de las carreras de ingenierías. Los resultados de este proyecto serán un aporte para el área de gestión académica, ya que podrán contar con un instrumento objetivo que les permitirá definir acciones a futuro en pos de lograr la mejora en el rendimiento académico de los alumnos en materias básicas del primer año.Eje: Tecnología informática aplicada en educación.Red de Universidades con Carreras en Informática2020-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf982-986http://sedici.unlp.edu.ar/handle/10915/103957spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5info:eu-repo/semantics/reference/hdl/10915/103151info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:22:38Zoai:sedici.unlp.edu.ar:10915/103957Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:22:38.967SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Minería de datos educacional para determinar perfiles de alumnos recursantes en carreras de ingenierías |
title |
Minería de datos educacional para determinar perfiles de alumnos recursantes en carreras de ingenierías |
spellingShingle |
Minería de datos educacional para determinar perfiles de alumnos recursantes en carreras de ingenierías Claudio, C. Ciencias Informáticas minería de datos educacional modelos patrones alumnos recursantes Ingeniería |
title_short |
Minería de datos educacional para determinar perfiles de alumnos recursantes en carreras de ingenierías |
title_full |
Minería de datos educacional para determinar perfiles de alumnos recursantes en carreras de ingenierías |
title_fullStr |
Minería de datos educacional para determinar perfiles de alumnos recursantes en carreras de ingenierías |
title_full_unstemmed |
Minería de datos educacional para determinar perfiles de alumnos recursantes en carreras de ingenierías |
title_sort |
Minería de datos educacional para determinar perfiles de alumnos recursantes en carreras de ingenierías |
dc.creator.none.fl_str_mv |
Claudio, C. Jramoy, E. Barrera, F. Cardona, F. Navarro Peláez, R. Racca, S. |
author |
Claudio, C. |
author_facet |
Claudio, C. Jramoy, E. Barrera, F. Cardona, F. Navarro Peláez, R. Racca, S. |
author_role |
author |
author2 |
Jramoy, E. Barrera, F. Cardona, F. Navarro Peláez, R. Racca, S. |
author2_role |
author author author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas minería de datos educacional modelos patrones alumnos recursantes Ingeniería |
topic |
Ciencias Informáticas minería de datos educacional modelos patrones alumnos recursantes Ingeniería |
dc.description.none.fl_txt_mv |
Las instituciones universitarias tienen el desafío de asegurar y mantener el nivel de calidad académica con el fin de proveer profesionales altamente capacitados que respondan a las demandas del mercado laboral actual, especialmente en el área de las TICs. Uno de los aspectos en donde las universidades deben poner mayor énfasis es en el rendimiento académico, ya que generalmente un bajo rendimiento académico está asociado con una alta tasa de deserción de alumnos. Para evaluar el rendimiento académico de un alumno es necesario conocer si existen patrones o perfiles comunes a grupos de alumnos, esto es de significativa importancia para definir acciones que permitan mejorar el desempeño de los alumnos. En este trabajo se propone el uso de minería de datos educacional para la construcción de modelos que permitan identificar perfiles de alumnos que recursan materias básicas en el primer año de las carreras de ingenierías. Los resultados de este proyecto serán un aporte para el área de gestión académica, ya que podrán contar con un instrumento objetivo que les permitirá definir acciones a futuro en pos de lograr la mejora en el rendimiento académico de los alumnos en materias básicas del primer año. Eje: Tecnología informática aplicada en educación. Red de Universidades con Carreras en Informática |
description |
Las instituciones universitarias tienen el desafío de asegurar y mantener el nivel de calidad académica con el fin de proveer profesionales altamente capacitados que respondan a las demandas del mercado laboral actual, especialmente en el área de las TICs. Uno de los aspectos en donde las universidades deben poner mayor énfasis es en el rendimiento académico, ya que generalmente un bajo rendimiento académico está asociado con una alta tasa de deserción de alumnos. Para evaluar el rendimiento académico de un alumno es necesario conocer si existen patrones o perfiles comunes a grupos de alumnos, esto es de significativa importancia para definir acciones que permitan mejorar el desempeño de los alumnos. En este trabajo se propone el uso de minería de datos educacional para la construcción de modelos que permitan identificar perfiles de alumnos que recursan materias básicas en el primer año de las carreras de ingenierías. Los resultados de este proyecto serán un aporte para el área de gestión académica, ya que podrán contar con un instrumento objetivo que les permitirá definir acciones a futuro en pos de lograr la mejora en el rendimiento académico de los alumnos en materias básicas del primer año. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-05 |
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/10915/103957 |
url |
http://sedici.unlp.edu.ar/handle/10915/103957 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5 info:eu-repo/semantics/reference/hdl/10915/103151 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf 982-986 |
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_ |
1844616102552797184 |
score |
13.070432 |