Monografías IST · 2017
Descubrimiento de patrones en causales de desgranamiento estudiantil por medio de ingeniería de explotación de información
La explotación de información (también llamada minería de datos) es una sub-disciplina de la informática que permite encontrar patrones de comportamiento en un conjunto de datos, que empleando otras técnicas de análisis como la estadística, sería muy difícil identificar. Una de las grandes ventajas es la flexibilidad de aplicación a diferentes tipos de información pertenecientes a distintas áreas de estudio, como lo puede ser el área de salud, educación, negocios, transporte, etc. Este proyecto de grado presenta la aplicación de ingeniería de explotación de información en el ámbito educativo, al trabajar con una fuente de datos de estudiantes de la universidad Católica de Pereira./ Abstract : The exploitation of information (also called data mining) is a sub-discipline of computing that allows finding patterns of behavior in a data set, which using other analysis techniques such as statistics, it would be very difficult to identify. One of the great advantages is the flexibility of application to different types of information belonging to different areas of study, such as the area of health, education, business, transport, etc. This degree project presents the application of information exploitation engineering in the educational field, by working with a data source of students from the Catholic University of Pereira.
Texto completo 104 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Resumenp. 8
- 1. Introducciónp. 9
- 2. Formulación del proyectop. 11
- 2.1 descripción del problemap. 11
- 2.2 objetivo del proyectop. 11
- 2.3 objetivo generalp. 11
- 2.4 objetivos especificosp. 12
- 2.5 justificaciónp. 12
- 2.6 planteamiento de hipotesisp. 14
- 3. Marco contextualp. 16
- 4. Marco teóricop. 18
- 4.1 antecedentesp. 18
- 4.2 descripción teóricap. 19
- 4.2.1 procesos de explotación de informaciónp. 22
- 4.2.2 k-meansp. 24
- 4.2.3 redes bayesianasp. 25
- 4.2.4 arboles de decisiónp. 25
- 4.2.5 créditos académicosp. 25
- 5. Modelo teóricop. 27
- 5.1 entendimiento del dominio (d.en.end)p. 28
- 5.1.1 análisis del negocio (d.en.ann)p. 28
- 5.1.2 comprensión del problema de negocio (d.en.cpn)p. 32
- 5.2 entendimiento de los datos (d.ed.end)p. 35
- 5.2.1 diccionario de fuente de datos (d.ed.and.difd)p. 35
- 5.2.2 campos relacionados con el problema de negocio (d.ed.and.crpn)p. 37
- 5.2.3 exploración de los datos (d.ed.exd)p. 49
- 5.2.4 evaluación de los datos (d.ed.evd)p. 76
- 5.3 modelado (d.mo)p. 80
- 5.3.1 modelado del problema (d.mo.mop)p. 80
- 5.3.2 configuración del modelo (d.mo.com)p. 81
- 6. Resultadosp. 88
- 7. Conclusionesp. 95
- 8. Recomendaciones y trabajos futurosp. 96
- 9. Referenciasp. 97
- 10.Anexosp. 101
- Anexo 1: Listado de asignaturasp. 101
- Anexo 2: Reporte de versionadop. 102
- Tabla 1. Regla de atraso académico por número de créditos pendientesp. 26
- Tabla 2. Formalismo: Objetivos del Proyectop. 29
- Tabla 3. Formalismo: Criterios de Éxito del proyectop. 29
- Tabla 4. Formalismo: Expectativas del Proyectop. 30
- Tabla 5. Formalismo: Suposiciones del Proyectop. 31
- Tabla 6. Formalismo: Restricciones del Proyectop. 32
- Tabla 7. Formalismo: Problema del Negociop. 33
- Tabla 8. Formalismo: Criterios de Éxito del Problema de Negociop. 34
- Tabla 9. Formalismo: Diccionario de Fuente de Datosp. 36
- Tabla 10. Formalismo: Campos Relacionados con el Problema de Negocio PRNE-01p. 41
- Tabla 11. Formalismo: Campos Relacionados con el Problema de Negocio PRNE-02p. 44
- Tabla 12. Formalismo: Campos Relacionados con el Problema de Negocio PRNE-03p. 49
- Tabla 13. Formalismo: Reporte de Datos Explorados ReDE-01p. 63
- Tabla 14. Formalismo: Reporte Datos Explorados ReDE-02p. 66
- Tabla 15. Formalismo: Reporte de Datos Explorados ReDE-03p. 75
- Tabla 16. Formalismo Reporte de la Calidad de los Datos EvD-01p. 77
- Tabla 17. Formalismo: Reporte de la Calidad de los Datos EvD-02p. 78
- Tabla 18. Formalismo: Reporte de la Calidad de los Datos EvD-03p. 79
- Tabla 19. Formalismo: Diseño del Proceso de Explotación de Informaciónp. 81
- Tabla 23. Formalismo Selección de Variables del Modelo SeVM-01p. 84
- Tabla 24. Formalismo Selección de Variables del Modelo SeVM-02p. 85
- Tabla 25. Formalismo Selección de Variables del Modelo SeVM-03p. 86
- Tabla 26. Formalismo: Estrategias de Evaluación de Modelos EsEM-01p. 87
- Tabla 27. Conjunto de Asignaturas empleadasp. 102
- Tabla 28. Reporte de Versionadop. 104
- Ilustración 1. Estructura General – MoProPEI [42]p. 21
- Ilustración 2. Esquema de proceso: Descubrimiento de reglas de comportamiento [46]p. 23
- Ilustración 3. Esquema de proceso: Descubrimiento de grupos [46]p. 23
- Ilustración 4. Esquema de proceso: Ponderación de interdependencia de atributos [46]p. 24
- Ilustración 5. Esquema de proceso ETLp. 27
- Ilustración 6. Fuente Integrada de Datos (Diagrama Entidad-Relación)p. 76
- Ilustración 7. Configuración parámetros algoritmos kmedoids y decision treep. 89
- Ilustración 8. Flujo de procesos en rapidminerp. 90
- Ilustración 9. Distribución del cluster generado en la ejecución #1p. 90
- Ilustración 10. Árbol de decisión generado, ejecución #1p. 91
- Ilustración 11. Flujo de procesos ejecución #2p. 92
- Ilustración 12. Árbol de decisión generado, ejecución #2p. 92
- Ilustración 13. Descripción de distribución bayesianap. 93
- Ilustración 14.Tabla de distribución bayesianap. 94