2. Minería de datos aplicada a la deserción estudiantil. Caso: Licenciatura en Computación-Universidad del Zulia-NPF

• Marcano (LUZ-NPF), Yelitza ^[1] ; Rodríguez (LUZ-NPF), Rodney ^[1]
  1. [1] La Universidad del Zulia

     La Universidad del Zulia

     Venezuela

     
• Localización: Educare, ISSN-e 2244-7296, ISSN 1316-6212, Vol. 18, Nº. 2, 2014, págs. 31-51
• Idioma: español
• Títulos paralelos:
  • 2. Data mining applied to school dropout case: bachelor of computing at universidad del zulia-npf
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    El objetivo de la investigación fue obtener patrones sobre los estudiantes que no han podido concluir sus estudios universitarios, en la Licenciatura en Computación de LUZ-NPF; aplicando para ello la Minería de datos. En tanto, corresponde a una investigación de tipo descriptiva de campo y se desarrolló bajo la metodología computacional Crisp-DM, con apoyo de Weka; los datos provienen de tres poblaciones: estudiantes entre el primer y tercer semestre, profesores entre el primer y quinto semestre del período I-2012, así como los reportes de matrícula 2008-2011 suministrados por Control de Estudios. Se construyó un modelo computacional para la predicción de la deserción estudiantil, empleando: Árboles de decisión C4.5 y la técnica de los k vecinos más cercanos. Entre los resultados se presentan pocos conocimientos previos en el área de lógica y matemática, escasos recursos económicos para proveerse de equipos de computación, falta de concentración en los estudios y pocas horas dedicadas al estudio.

  • English

    The aim of this study was to obtain patterns on students who could not finish their university studies, in the bachelor of computing at LUZ-NP; by applying data mining. A field-descriptive research was conducted based on Crisp-DM computing methodology with Weka support. Sample data was collected from students between first and third term, teachers from first and fifth term during the period I-2012; as well as the reports from control study’s office between 2018 and 2011. A computing model was built to predict student’s dropout. C4.5 decision and k neighbors’ technique were applied. Results demonstrated not too much previous knowledge in the logic and mathematical areas, reduced economical resources to buy computing equipments, lack of concentration on studies and a few hours dedicated to study.