Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa

Autores
Vera, Marcela Andrea; Ale, Mariel Alejandra; Ballejos, Luciana
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La alta tasa de deserción estudiantil en las carreras universitarias es una problemática actual en las universidades argentinas y de toda Latinoamérica. El objetivo de este trabajo es analizar mediante algoritmos de minería de datos este fenómeno para obtener conocimiento que permita a las autoridades generar estrategias que disminuyan la cantidad de alumnos que no finalizan sus estudios de grado. En particular, en este trabajo se utilizó la metodología CRISP-DM para guiar las diferentes etapas y se implementaron los modelos KMeans y Perceptron Multicapa, ambos ampliamente utilizados en el contexto de la minería de datos para datos académicos. Finalmente, se encontró una interrelación entre la probabilidad de abandono y la cantidad de materias que el alumno debe recursar, además de generar un modelo predictivo de deserción con una precisión cercana al 90%.
Fil: Vera, Marcela Andrea. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. CIDISI, Argentina.
Fil: Ale, Mariel Alejandra. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. CIDISI, Argentina.
Fil: Ballejos, Luciana Cristina. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. CIDISI, Argentina.
Materia
Análisis Multivariable
Minería de datos
Educación
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2024-03-25T21:39:02Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/10065
Acceder
id RIAUTN_414f16908e94ab80145839921819178a
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/10065
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativaVera, Marcela AndreaAle, Mariel AlejandraBallejos, LucianaAnálisis MultivariableMinería de datosEducaciónLa alta tasa de deserción estudiantil en las carreras universitarias es una problemática actual en las universidades argentinas y de toda Latinoamérica. El objetivo de este trabajo es analizar mediante algoritmos de minería de datos este fenómeno para obtener conocimiento que permita a las autoridades generar estrategias que disminuyan la cantidad de alumnos que no finalizan sus estudios de grado. En particular, en este trabajo se utilizó la metodología CRISP-DM para guiar las diferentes etapas y se implementaron los modelos KMeans y Perceptron Multicapa, ambos ampliamente utilizados en el contexto de la minería de datos para datos académicos. Finalmente, se encontró una interrelación entre la probabilidad de abandono y la cantidad de materias que el alumno debe recursar, además de generar un modelo predictivo de deserción con una precisión cercana al 90%.Fil: Vera, Marcela Andrea. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. CIDISI, Argentina.Fil: Ale, Mariel Alejandra. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. CIDISI, Argentina.Fil: Ballejos, Luciana Cristina. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. CIDISI, Argentina.X CONAIISI2024-03-25T21:39:02Z2024-03-25T21:39:02Z2022-11info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfVera, M.A.; Ale, M.A. & Ballejos, L. (3 y 4 de noviembre de 2022). Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa. X Congreso Nacional de Ingeniería Informática y Sistemas de Información (CoNaIISI), UTN. Facultad Regional Concepción del Uruguay, Argentina.http://hdl.handle.net/20.500.12272/10065https://doi.org/10.33414/ajea.1146.2022spaSITCBFE0008086TC - Análisis de la adecuación de los procesos de Ingeniería del Software para el desarrollo de Sistemas basados en Inteligencia Artificial en los ámbitos público, industrial y educativo.info:eu-repo/semantics/openAccess2024-03-25T21:39:02Zhttp://creativecommons.org/licenses/by/4.0/Atribución 4.0 InternacionalLas autorasCreativeCommonsreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-01T11:59:27Zoai:ria.utn.edu.ar:20.500.12272/10065instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-01 11:59:28.717Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa
title Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa
spellingShingle Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa
Vera, Marcela Andrea
Análisis Multivariable
Minería de datos
Educación
title_short Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa
title_full Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa
title_fullStr Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa
title_full_unstemmed Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa
title_sort Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa
dc.creator.none.fl_str_mv Vera, Marcela Andrea
Ale, Mariel Alejandra
Ballejos, Luciana
author Vera, Marcela Andrea
author_facet Vera, Marcela Andrea
Ale, Mariel Alejandra
Ballejos, Luciana
author_role author
author2 Ale, Mariel Alejandra
Ballejos, Luciana
author2_role author
author
dc.subject.none.fl_str_mv Análisis Multivariable
Minería de datos
Educación
topic Análisis Multivariable
Minería de datos
Educación
dc.description.none.fl_txt_mv La alta tasa de deserción estudiantil en las carreras universitarias es una problemática actual en las universidades argentinas y de toda Latinoamérica. El objetivo de este trabajo es analizar mediante algoritmos de minería de datos este fenómeno para obtener conocimiento que permita a las autoridades generar estrategias que disminuyan la cantidad de alumnos que no finalizan sus estudios de grado. En particular, en este trabajo se utilizó la metodología CRISP-DM para guiar las diferentes etapas y se implementaron los modelos KMeans y Perceptron Multicapa, ambos ampliamente utilizados en el contexto de la minería de datos para datos académicos. Finalmente, se encontró una interrelación entre la probabilidad de abandono y la cantidad de materias que el alumno debe recursar, además de generar un modelo predictivo de deserción con una precisión cercana al 90%.
Fil: Vera, Marcela Andrea. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. CIDISI, Argentina.
Fil: Ale, Mariel Alejandra. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. CIDISI, Argentina.
Fil: Ballejos, Luciana Cristina. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. CIDISI, Argentina.
description La alta tasa de deserción estudiantil en las carreras universitarias es una problemática actual en las universidades argentinas y de toda Latinoamérica. El objetivo de este trabajo es analizar mediante algoritmos de minería de datos este fenómeno para obtener conocimiento que permita a las autoridades generar estrategias que disminuyan la cantidad de alumnos que no finalizan sus estudios de grado. En particular, en este trabajo se utilizó la metodología CRISP-DM para guiar las diferentes etapas y se implementaron los modelos KMeans y Perceptron Multicapa, ambos ampliamente utilizados en el contexto de la minería de datos para datos académicos. Finalmente, se encontró una interrelación entre la probabilidad de abandono y la cantidad de materias que el alumno debe recursar, además de generar un modelo predictivo de deserción con una precisión cercana al 90%.
publishDate 2022
dc.date.none.fl_str_mv 2022-11
2024-03-25T21:39:02Z
2024-03-25T21:39:02Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv Vera, M.A.; Ale, M.A. & Ballejos, L. (3 y 4 de noviembre de 2022). Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa. X Congreso Nacional de Ingeniería Informática y Sistemas de Información (CoNaIISI), UTN. Facultad Regional Concepción del Uruguay, Argentina.
http://hdl.handle.net/20.500.12272/10065
https://doi.org/10.33414/ajea.1146.2022
identifier_str_mv Vera, M.A.; Ale, M.A. & Ballejos, L. (3 y 4 de noviembre de 2022). Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa. X Congreso Nacional de Ingeniería Informática y Sistemas de Información (CoNaIISI), UTN. Facultad Regional Concepción del Uruguay, Argentina.
url http://hdl.handle.net/20.500.12272/10065
https://doi.org/10.33414/ajea.1146.2022
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv SITCBFE0008086TC - Análisis de la adecuación de los procesos de Ingeniería del Software para el desarrollo de Sistemas basados en Inteligencia Artificial en los ámbitos público, industrial y educativo.
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2024-03-25T21:39:02Z
http://creativecommons.org/licenses/by/4.0/
Atribución 4.0 Internacional
Las autoras
CreativeCommons
eu_rights_str_mv openAccess
rights_invalid_str_mv 2024-03-25T21:39:02Z
http://creativecommons.org/licenses/by/4.0/
Atribución 4.0 Internacional
Las autoras
CreativeCommons
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv X CONAIISI
publisher.none.fl_str_mv X CONAIISI
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877862413245612032
score 13.365483

Publicaciones similares