Resumen de Validación de los predictores del rendimiento académico obtenidos mediante minería de datos usando análisis de componentes principales

José Manuel Cadenas Figueredo, Antonio Muñoz Ledesma

• Buscando buenos predictores del RA aplicamos acciones que permiten su mejora en la optica de KDD y utilizando DM. De siete inteligencias multiples que Gadner plantea centramos el estudio en la lingustica y en la logica-matematica. Medimos habilidades implcitas a esas inteligencias mediante el test psicometrico BADyG, extrayendo subescalas relacionadas con estas asignaturas. Como promedio de las subescalas construimos PMAT y PLEN como predictores del RA en Matematicas y Lengua. La informacion extrada del IES utiliza 3 fuentes: Tests Psicometricos, Resultados Academicos y Datos Personales.

  Sobre la informacion generada usamos la librera WEKA obteniendo que PLEN y PMAT son buenos predictores, afectando a las decisiones a tomar por los dptos implicados.

  Validamos la tecnica Arboles de Decision de WEKA ( abilidad por encima del 80 %) aplicando un analisis de componentes principales para el valor de cada una de las acciones a tomar, explicando entre el 7522% y el 9292% de la varianza.