Predicción del rendimiento académico aplicando técnicas de minería de datos

• Menacho Chiok, Cesar Higinio ^[1]
  1. [1] Universidad Nacional Agraria La Molina

     Universidad Nacional Agraria La Molina

     Perú

     
• Localización: Anales Científicos, ISSN-e 2519-7398, Vol. 78, Nº. 1, 2017 (Ejemplar dedicado a: Enero a Junio), págs. 26-33
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen

  • El rendimiento académico de los estudiantes es uno de los temas de mayor preocupación que deben abordar las instituciones educativas superiores. Las Técnicas de minería de datos (TMD) aplicadas a los datos generados en los ambientes educativos, están demostrando ser herramientas eficaces para predecir el rendimiento académico de los estudiantes; con la finalidad de identificar los factores que más influyen en su aprendizaje y apoyar a los profesores a mejorar el proceso de enseñanza a través de realizar acciones pedagógicas más eficientes y oportunas. Esta investigación tiene como objetivo aplicar las TMD de regresión logística, árboles de decisión, redes bayesianas y redes neuronales usando los datos académicos de los estudiantes matriculados en el curso de Estadística General de la UNALM en los semestres 2013 II y 2014 I, con la finalidad de predecir la clasificación final (Desaprobado o Aprobado) de los futuros estudiantes matriculados en el curso. Se usa la matriz de confusión para comparar y evaluar la precisión de los clasificadores. Los resultados indican que la red Naive de Bayes obtuvo la mayor tasa de buena clasificación (71,0%).