Framework para data mining educativo: formalizacion y aplicaciones

Autores
Sosa, Marcelo Omar; Chesñevar, Carlos Iván; Sosa Bruchmann, Eugenia C.
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Las técnicas de data mining permiten analizar grandes volúmenes de datos en búsqueda de información oculta y relevante para la toma de decisiones. Estas se aplican en diversos campos en donde se almacenan grandes volúmenes de datos de las actividades realizadas y cuyo procesamiento no puede realizarse utilizando otras técnicas. En el caso de datos obtenidos de procesos educativos, éstos presentan características particulares que requieren técnicas y formas de interpretación de resultados especiales por lo que dio origen a la rama de data mining denominada Educational data mining o E.D.M. por sus siglas en inglés. El proceso educativo moderno incorpora la tecnología como medio de comunicación y de desarrollo de actividades fuera del ámbito del aula, si bien existen diferentes tipos, el más utilizado es el denominado blended learning ya que representa una adecuada combinación de actividades virtuales y presenciales con el objetivo de enriquecer el proceso. La actividad educativa así desarrollada genera grandes volúmenes de datos, su procesamiento con técnicas de data mining y la interpretación de los resultados obtenidos requiere la creación de un framework que agrupe las técnicas, prácticas y criterios que sean más adecuadas para el procesamiento de este tipo especial de datos y que ayuden al docente a su aplicación e interpretación.
Eje: Bases de Datos y Minería de Datos
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
proceso educativo
Educación
Data mining
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:10915/52898

id SEDICI_fedd485cc5c2715d124117f15e670ed1
oai_identifier_str oai:sedici.unlp.edu.ar:10915/52898
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Framework para data mining educativo: formalizacion y aplicacionesSosa, Marcelo OmarChesñevar, Carlos IvánSosa Bruchmann, Eugenia C.Ciencias Informáticasproceso educativoEducaciónData miningLas técnicas de data mining permiten analizar grandes volúmenes de datos en búsqueda de información oculta y relevante para la toma de decisiones. Estas se aplican en diversos campos en donde se almacenan grandes volúmenes de datos de las actividades realizadas y cuyo procesamiento no puede realizarse utilizando otras técnicas. En el caso de datos obtenidos de procesos educativos, éstos presentan características particulares que requieren técnicas y formas de interpretación de resultados especiales por lo que dio origen a la rama de data mining denominada Educational data mining o E.D.M. por sus siglas en inglés. El proceso educativo moderno incorpora la tecnología como medio de comunicación y de desarrollo de actividades fuera del ámbito del aula, si bien existen diferentes tipos, el más utilizado es el denominado blended learning ya que representa una adecuada combinación de actividades virtuales y presenciales con el objetivo de enriquecer el proceso. La actividad educativa así desarrollada genera grandes volúmenes de datos, su procesamiento con técnicas de data mining y la interpretación de los resultados obtenidos requiere la creación de un framework que agrupe las técnicas, prácticas y criterios que sean más adecuadas para el procesamiento de este tipo especial de datos y que ayuden al docente a su aplicación e interpretación.Eje: Bases de Datos y Minería de DatosRed 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/pdf273-277http://sedici.unlp.edu.ar/handle/10915/52898spainfo: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:UNLP2025-09-03T10:37:28Zoai:sedici.unlp.edu.ar:10915/52898Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:37:28.587SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Framework para data mining educativo: formalizacion y aplicaciones
title Framework para data mining educativo: formalizacion y aplicaciones
spellingShingle Framework para data mining educativo: formalizacion y aplicaciones
Sosa, Marcelo Omar
Ciencias Informáticas
proceso educativo
Educación
Data mining
title_short Framework para data mining educativo: formalizacion y aplicaciones
title_full Framework para data mining educativo: formalizacion y aplicaciones
title_fullStr Framework para data mining educativo: formalizacion y aplicaciones
title_full_unstemmed Framework para data mining educativo: formalizacion y aplicaciones
title_sort Framework para data mining educativo: formalizacion y aplicaciones
dc.creator.none.fl_str_mv Sosa, Marcelo Omar
Chesñevar, Carlos Iván
Sosa Bruchmann, Eugenia C.
author Sosa, Marcelo Omar
author_facet Sosa, Marcelo Omar
Chesñevar, Carlos Iván
Sosa Bruchmann, Eugenia C.
author_role author
author2 Chesñevar, Carlos Iván
Sosa Bruchmann, Eugenia C.
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
proceso educativo
Educación
Data mining
topic Ciencias Informáticas
proceso educativo
Educación
Data mining
dc.description.none.fl_txt_mv Las técnicas de data mining permiten analizar grandes volúmenes de datos en búsqueda de información oculta y relevante para la toma de decisiones. Estas se aplican en diversos campos en donde se almacenan grandes volúmenes de datos de las actividades realizadas y cuyo procesamiento no puede realizarse utilizando otras técnicas. En el caso de datos obtenidos de procesos educativos, éstos presentan características particulares que requieren técnicas y formas de interpretación de resultados especiales por lo que dio origen a la rama de data mining denominada Educational data mining o E.D.M. por sus siglas en inglés. El proceso educativo moderno incorpora la tecnología como medio de comunicación y de desarrollo de actividades fuera del ámbito del aula, si bien existen diferentes tipos, el más utilizado es el denominado blended learning ya que representa una adecuada combinación de actividades virtuales y presenciales con el objetivo de enriquecer el proceso. La actividad educativa así desarrollada genera grandes volúmenes de datos, su procesamiento con técnicas de data mining y la interpretación de los resultados obtenidos requiere la creación de un framework que agrupe las técnicas, prácticas y criterios que sean más adecuadas para el procesamiento de este tipo especial de datos y que ayuden al docente a su aplicación e interpretación.
Eje: Bases de Datos y Minería de Datos
Red de Universidades con Carreras en Informática (RedUNCI)
description Las técnicas de data mining permiten analizar grandes volúmenes de datos en búsqueda de información oculta y relevante para la toma de decisiones. Estas se aplican en diversos campos en donde se almacenan grandes volúmenes de datos de las actividades realizadas y cuyo procesamiento no puede realizarse utilizando otras técnicas. En el caso de datos obtenidos de procesos educativos, éstos presentan características particulares que requieren técnicas y formas de interpretación de resultados especiales por lo que dio origen a la rama de data mining denominada Educational data mining o E.D.M. por sus siglas en inglés. El proceso educativo moderno incorpora la tecnología como medio de comunicación y de desarrollo de actividades fuera del ámbito del aula, si bien existen diferentes tipos, el más utilizado es el denominado blended learning ya que representa una adecuada combinación de actividades virtuales y presenciales con el objetivo de enriquecer el proceso. La actividad educativa así desarrollada genera grandes volúmenes de datos, su procesamiento con técnicas de data mining y la interpretación de los resultados obtenidos requiere la creación de un framework que agrupe las técnicas, prácticas y criterios que sean más adecuadas para el procesamiento de este tipo especial de datos y que ayuden al docente a su aplicación e interpretación.
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/10915/52898
url http://sedici.unlp.edu.ar/handle/10915/52898
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
273-277
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_ 1842260233107275776
score 13.13397