Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe

Autores
La Red Martínez, David L.; Karanik, Marcelo J.; Giovannini, Mirtha E.; Scappini, Reinaldo José Ramón
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Durante el cursado de la carrera de Ingeniería en Sistemas de Información en la Facultad Regional Resistencia de la Universidad Tecnológica Nacional (UTN‐FRRe), el alumno se enfrenta con la necesidad de cursar y regularizar ciertas materias que le generan restricciones de correlatividad. Ese es el caso de la cátedra de primer año Algoritmos y Estructuras de Datos, cuya regularización es necesaria para cursar varias asignaturas de segundo y tercer año. Tomando como base los resultados del proyecto “Determinación de perfiles de estudiantes y de rendimiento académico mediante la utilización de minería de datos”, 25/L059 ‐ UTI1719, implementado en la mencionada cátedra (2013‐2015), se está comenzando un nuevo proyecto tiene como objetivo tomar como punto de partida el análisis descriptivo (lo que pasó), y utilizar la analítica avanzada, con el objetivo de explicar el por qué, el qué va a pasar y cómo podemos abordarlo. Para el estudio se utilizarán distintas herramientas de Minería de Datos: clustering, redes neuronales, redes bayesianas, árboles de decisión, regresión y series temporales, etc. Estas herramientas permiten obtener resultados desde distintas perspectivas del problema abordado. De esta manera se podrán detectar situaciones problemáticas potenciales al inicio del cursado y tomar las medidas necesarias para solucionarlas.
Eje: Tecnología Informática Aplicada en Educación
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Minería de Datos
rendimiento académico
modelos predictivos
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:10915/53320
Acceder
id SEDICI_ea63228f5daa424f132348f25c91e84c
oai_identifier_str oai:sedici.unlp.edu.ar:10915/53320
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRReLa Red Martínez, David L.Karanik, Marcelo J.Giovannini, Mirtha E.Scappini, Reinaldo José RamónCiencias InformáticasMinería de Datosrendimiento académicomodelos predictivosDurante el cursado de la carrera de Ingeniería en Sistemas de Información en la Facultad Regional Resistencia de la Universidad Tecnológica Nacional (UTN‐FRRe), el alumno se enfrenta con la necesidad de cursar y regularizar ciertas materias que le generan restricciones de correlatividad. Ese es el caso de la cátedra de primer año Algoritmos y Estructuras de Datos, cuya regularización es necesaria para cursar varias asignaturas de segundo y tercer año. Tomando como base los resultados del proyecto “Determinación de perfiles de estudiantes y de rendimiento académico mediante la utilización de minería de datos”, 25/L059 ‐ UTI1719, implementado en la mencionada cátedra (2013‐2015), se está comenzando un nuevo proyecto tiene como objetivo tomar como punto de partida el análisis descriptivo (lo que pasó), y utilizar la analítica avanzada, con el objetivo de explicar el por qué, el qué va a pasar y cómo podemos abordarlo. Para el estudio se utilizarán distintas herramientas de Minería de Datos: clustering, redes neuronales, redes bayesianas, árboles de decisión, regresión y series temporales, etc. Estas herramientas permiten obtener resultados desde distintas perspectivas del problema abordado. De esta manera se podrán detectar situaciones problemáticas potenciales al inicio del cursado y tomar las medidas necesarias para solucionarlas.Eje: Tecnología Informática Aplicada en EducaciónRed de Universidades con Carreras en Informática (RedUNCI)2016-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf940-944http://sedici.unlp.edu.ar/handle/10915/53320spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-698-377-2info:eu-repo/semantics/reference/hdl/10915/52766info: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:UNLP2025-10-15T10:57:30Zoai:sedici.unlp.edu.ar:10915/53320Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 10:57:30.785SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
title Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
spellingShingle Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
La Red Martínez, David L.
Ciencias Informáticas
Minería de Datos
rendimiento académico
modelos predictivos
title_short Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
title_full Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
title_fullStr Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
title_full_unstemmed Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
title_sort Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
dc.creator.none.fl_str_mv La Red Martínez, David L.
Karanik, Marcelo J.
Giovannini, Mirtha E.
Scappini, Reinaldo José Ramón
author La Red Martínez, David L.
author_facet La Red Martínez, David L.
Karanik, Marcelo J.
Giovannini, Mirtha E.
Scappini, Reinaldo José Ramón
author_role author
author2 Karanik, Marcelo J.
Giovannini, Mirtha E.
Scappini, Reinaldo José Ramón
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Minería de Datos
rendimiento académico
modelos predictivos
topic Ciencias Informáticas
Minería de Datos
rendimiento académico
modelos predictivos
dc.description.none.fl_txt_mv Durante el cursado de la carrera de Ingeniería en Sistemas de Información en la Facultad Regional Resistencia de la Universidad Tecnológica Nacional (UTN‐FRRe), el alumno se enfrenta con la necesidad de cursar y regularizar ciertas materias que le generan restricciones de correlatividad. Ese es el caso de la cátedra de primer año Algoritmos y Estructuras de Datos, cuya regularización es necesaria para cursar varias asignaturas de segundo y tercer año. Tomando como base los resultados del proyecto “Determinación de perfiles de estudiantes y de rendimiento académico mediante la utilización de minería de datos”, 25/L059 ‐ UTI1719, implementado en la mencionada cátedra (2013‐2015), se está comenzando un nuevo proyecto tiene como objetivo tomar como punto de partida el análisis descriptivo (lo que pasó), y utilizar la analítica avanzada, con el objetivo de explicar el por qué, el qué va a pasar y cómo podemos abordarlo. Para el estudio se utilizarán distintas herramientas de Minería de Datos: clustering, redes neuronales, redes bayesianas, árboles de decisión, regresión y series temporales, etc. Estas herramientas permiten obtener resultados desde distintas perspectivas del problema abordado. De esta manera se podrán detectar situaciones problemáticas potenciales al inicio del cursado y tomar las medidas necesarias para solucionarlas.
Eje: Tecnología Informática Aplicada en Educación
Red de Universidades con Carreras en Informática (RedUNCI)
description Durante el cursado de la carrera de Ingeniería en Sistemas de Información en la Facultad Regional Resistencia de la Universidad Tecnológica Nacional (UTN‐FRRe), el alumno se enfrenta con la necesidad de cursar y regularizar ciertas materias que le generan restricciones de correlatividad. Ese es el caso de la cátedra de primer año Algoritmos y Estructuras de Datos, cuya regularización es necesaria para cursar varias asignaturas de segundo y tercer año. Tomando como base los resultados del proyecto “Determinación de perfiles de estudiantes y de rendimiento académico mediante la utilización de minería de datos”, 25/L059 ‐ UTI1719, implementado en la mencionada cátedra (2013‐2015), se está comenzando un nuevo proyecto tiene como objetivo tomar como punto de partida el análisis descriptivo (lo que pasó), y utilizar la analítica avanzada, con el objetivo de explicar el por qué, el qué va a pasar y cómo podemos abordarlo. Para el estudio se utilizarán distintas herramientas de Minería de Datos: clustering, redes neuronales, redes bayesianas, árboles de decisión, regresión y series temporales, etc. Estas herramientas permiten obtener resultados desde distintas perspectivas del problema abordado. De esta manera se podrán detectar situaciones problemáticas potenciales al inicio del cursado y tomar las medidas necesarias para solucionarlas.
publishDate 2016
dc.date.none.fl_str_mv 2016-04
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/10915/53320
url http://sedici.unlp.edu.ar/handle/10915/53320
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-698-377-2
info:eu-repo/semantics/reference/hdl/10915/52766
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
940-944
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_ 1846064020986003456
score 13.22299

Publicaciones similares