Modelo predictivo para determinar la graduación de alumnos de carreras de ingenierías de UTN Facultad Regional San Francisco aplicando técnicas de minería de datos

Autores
Carrizo, Claudio
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La ingeniería cumple un rol fundamental en el desarrollo económico y el bienestar social de un país. Por este motivo, en el 2012 el gobierno nacional de Argentina impulsó el “Plan Estratégico de Formación de Ingenieros 2012-2016 (PEFI)”, con el objetivo de incrementar la cantidad de graduados en carreras de ingeniería, en pos de mejorar la industria, la innovación productiva y la expansión económica de dicho país. El propósito del presente trabajo es construir un modelo predictivo a través de técnicas de minería de datos que permita, por un lado, determinar la cantidad de alumnos que pueden graduarse en carreras de ingenierías de UTN Facultad Regional San Francisco, y por otro lado, identificar patrones que puedan incidir en la graduación. Los resultados de este proyecto representarán un aporte a la gestión académica en lo que respecta a la planificación, el seguimiento y el control de las cohortes de alumnos de las carreras de ingeniería.
Universidad Tecnológica Nacional
Fil: Carrizo, Claudio. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.
Fuente
Hacia la transformación digital. Actas del I Congreso Internacional de Ingeniería de Sistemas: 155-168. (2019)
Materia
Modelo predictivo
Minería de datos
Graduados
Ingeniería
UTN
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2024-04-26T00:44:27Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/10668
Acceder
id RIAUTN_8cc86f9352c6447e0502e28cf471adcb
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/10668
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Modelo predictivo para determinar la graduación de alumnos de carreras de ingenierías de UTN Facultad Regional San Francisco aplicando técnicas de minería de datosCarrizo, ClaudioModelo predictivoMinería de datosGraduadosIngenieríaUTNLa ingeniería cumple un rol fundamental en el desarrollo económico y el bienestar social de un país. Por este motivo, en el 2012 el gobierno nacional de Argentina impulsó el “Plan Estratégico de Formación de Ingenieros 2012-2016 (PEFI)”, con el objetivo de incrementar la cantidad de graduados en carreras de ingeniería, en pos de mejorar la industria, la innovación productiva y la expansión económica de dicho país. El propósito del presente trabajo es construir un modelo predictivo a través de técnicas de minería de datos que permita, por un lado, determinar la cantidad de alumnos que pueden graduarse en carreras de ingenierías de UTN Facultad Regional San Francisco, y por otro lado, identificar patrones que puedan incidir en la graduación. Los resultados de este proyecto representarán un aporte a la gestión académica en lo que respecta a la planificación, el seguimiento y el control de las cohortes de alumnos de las carreras de ingeniería.Universidad Tecnológica NacionalFil: Carrizo, Claudio. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.Universidad de Lima, Fondo Editorial2024-04-26T00:44:27Z2024-04-26T00:44:27Z2019-07-01info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdf978-9972-45-499-8https://revistas.ulima.edu.pe/index.php/CIIS/article/view/5467http://hdl.handle.net/20.500.12272/10668Hacia la transformación digital. Actas del I Congreso Internacional de Ingeniería de Sistemas: 155-168. (2019)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica NacionalspaPID UTN3936Internacionalinfo:eu-repo/semantics/openAccess2024-04-26T00:44:27Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internacional.2026-10-01T11:59:27Zoai:ria.utn.edu.ar:20.500.12272/10668instacron: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 11:59:28.487Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Modelo predictivo para determinar la graduación de alumnos de carreras de ingenierías de UTN Facultad Regional San Francisco aplicando técnicas de minería de datos
title Modelo predictivo para determinar la graduación de alumnos de carreras de ingenierías de UTN Facultad Regional San Francisco aplicando técnicas de minería de datos
spellingShingle Modelo predictivo para determinar la graduación de alumnos de carreras de ingenierías de UTN Facultad Regional San Francisco aplicando técnicas de minería de datos
Carrizo, Claudio
Modelo predictivo
Minería de datos
Graduados
Ingeniería
UTN
title_short Modelo predictivo para determinar la graduación de alumnos de carreras de ingenierías de UTN Facultad Regional San Francisco aplicando técnicas de minería de datos
title_full Modelo predictivo para determinar la graduación de alumnos de carreras de ingenierías de UTN Facultad Regional San Francisco aplicando técnicas de minería de datos
title_fullStr Modelo predictivo para determinar la graduación de alumnos de carreras de ingenierías de UTN Facultad Regional San Francisco aplicando técnicas de minería de datos
title_full_unstemmed Modelo predictivo para determinar la graduación de alumnos de carreras de ingenierías de UTN Facultad Regional San Francisco aplicando técnicas de minería de datos
title_sort Modelo predictivo para determinar la graduación de alumnos de carreras de ingenierías de UTN Facultad Regional San Francisco aplicando técnicas de minería de datos
dc.creator.none.fl_str_mv Carrizo, Claudio
author Carrizo, Claudio
author_facet Carrizo, Claudio
author_role author
dc.subject.none.fl_str_mv Modelo predictivo
Minería de datos
Graduados
Ingeniería
UTN
topic Modelo predictivo
Minería de datos
Graduados
Ingeniería
UTN
dc.description.none.fl_txt_mv La ingeniería cumple un rol fundamental en el desarrollo económico y el bienestar social de un país. Por este motivo, en el 2012 el gobierno nacional de Argentina impulsó el “Plan Estratégico de Formación de Ingenieros 2012-2016 (PEFI)”, con el objetivo de incrementar la cantidad de graduados en carreras de ingeniería, en pos de mejorar la industria, la innovación productiva y la expansión económica de dicho país. El propósito del presente trabajo es construir un modelo predictivo a través de técnicas de minería de datos que permita, por un lado, determinar la cantidad de alumnos que pueden graduarse en carreras de ingenierías de UTN Facultad Regional San Francisco, y por otro lado, identificar patrones que puedan incidir en la graduación. Los resultados de este proyecto representarán un aporte a la gestión académica en lo que respecta a la planificación, el seguimiento y el control de las cohortes de alumnos de las carreras de ingeniería.
Universidad Tecnológica Nacional
Fil: Carrizo, Claudio. Universidad Tecnológica Nacional. Facultad Regional San Francisco; Argentina.
description La ingeniería cumple un rol fundamental en el desarrollo económico y el bienestar social de un país. Por este motivo, en el 2012 el gobierno nacional de Argentina impulsó el “Plan Estratégico de Formación de Ingenieros 2012-2016 (PEFI)”, con el objetivo de incrementar la cantidad de graduados en carreras de ingeniería, en pos de mejorar la industria, la innovación productiva y la expansión económica de dicho país. El propósito del presente trabajo es construir un modelo predictivo a través de técnicas de minería de datos que permita, por un lado, determinar la cantidad de alumnos que pueden graduarse en carreras de ingenierías de UTN Facultad Regional San Francisco, y por otro lado, identificar patrones que puedan incidir en la graduación. Los resultados de este proyecto representarán un aporte a la gestión académica en lo que respecta a la planificación, el seguimiento y el control de las cohortes de alumnos de las carreras de ingeniería.
publishDate 2019
dc.date.none.fl_str_mv 2019-07-01
2024-04-26T00:44:27Z
2024-04-26T00:44:27Z
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 978-9972-45-499-8
https://revistas.ulima.edu.pe/index.php/CIIS/article/view/5467
http://hdl.handle.net/20.500.12272/10668
identifier_str_mv 978-9972-45-499-8
url https://revistas.ulima.edu.pe/index.php/CIIS/article/view/5467
http://hdl.handle.net/20.500.12272/10668
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv PID UTN3936
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2024-04-26T00:44:27Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
.
eu_rights_str_mv openAccess
rights_invalid_str_mv 2024-04-26T00:44:27Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
.
dc.format.none.fl_str_mv pdf
application/pdf
dc.coverage.none.fl_str_mv Internacional
dc.publisher.none.fl_str_mv Universidad de Lima, Fondo Editorial
publisher.none.fl_str_mv Universidad de Lima, Fondo Editorial
dc.source.none.fl_str_mv Hacia la transformación digital. Actas del I Congreso Internacional de Ingeniería de Sistemas: 155-168. (2019)
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_ 1877862412942573568
score 13.364332

Publicaciones similares