Metodología de extracción de conocimiento para la valoración del riesgo de deserción de los aprendices del SENA
| datacite.rights | http://purl.org/coar/access_right/c_16ec | spa |
| dc.contributor.author | Gamez Serna, Alejandro | |
| dc.contributor.author | Cantillo Álvarez, Narciso | |
| dc.date.accessioned | 2020-10-06T14:54:57Z | |
| dc.date.available | 2020-10-06T14:54:57Z | |
| dc.date.issued | 2020 | |
| dc.description.abstract | Antecedentes: En los procesos de formación, las instituciones de educación superior estructuran programas para acoger a los estudiantes e iniciar con ellos un proceso de adaptabilidad y estabilidad durante toda su carrera, es así como cada institución educativa establece un sistema específico para atender, hacer seguimiento y garantizar la permanencia de los estudiantes en todo el proceso desde su admisión hasta su graduación. Pero existen factores y variables que en el proceso de formación pueden afectar el desempeño y la aprobación exitosa de todos los ciclos de formación de los estudianteshasta llegar, incluso, a desistir de la profesión. En este sentido la deserción estudiantil ha sido foco de atención de muchas entidades de educación superior y el ministerio de educación , pues impacta a las instituciones de forma negativa. El Sena Centro Industrial y de Aviación, foco de atención para el presente trabajo de investigación, ubicado en la ciudad de barranquilla, es una de las treinta y tres sedes que tiene el Sena a nivel nacional. Los programas a nivel técnico y tecnólogo ofrecidos por el Sena Industrial y de Aviación son: Artes gráficas, Automotriz, Aviación, Calzado y marroquinería, Confecciones, Construcción, Gestión, Madera, Salud Ocupacional y Sistemas. Un estudio realizado por el Sena Centro Industrial y de Aviación (oficina de bienestar al aprendiz), determino las siguientes causas de deserción: Razones laborales, Situación económica, Situación Residencial (Inseguridad en los barrios, residen en zona rural), Situación familiar, Dificultades de salud (Embarazo / Maternidad), Desorientación vocacional (Desconocimiento del Programa de Formación, Falta de interés en la especialidad), Falta de oportunidad para realizar las prácticas, Fallas en el Proceso de Ingreso, Selección y Matrícula, Desconocimiento de las normas Institucionales Sena, La información de la Oferta web, podría estar incompleta (en una oferta, se podría indicar, por ejemplo: “una vez ingrese al Programa de formación, No se aceptan cambios de programa” …), Dificultades académicas, Dificultades personales. De acuerdo con la situación expresada se enuncia el interrogante que direcciona el proceso de investigación: ¿Qué metodología de extracción de conocimientos sería pertinente para el contexto educativo a fin de prevenir la deserción de los aprendices del Sena? | spa |
| dc.description.abstract | Background In the training processes, higher education institutions structure programs to welcome students and initiate with them a process of adaptability and stability throughout their careers, this is how each educational institution establishes a specific system to attend, monitor and guarantee the permanence of students throughout the process from admission to graduation. But there are factors and variables that in the training process can affect the performance and successful approval of all the training cycles of the students, up to the point of even giving up the profession. In this sense, student desertion has been the focus of attention of many higher education entities and the Ministry of Education, since it impacts institutions in a negative way. The Sena Industrial and Aviation Center, the focus of attention for this research work, located in the city of Barranquilla, is one of the thirty-three headquarters of the Sena nationwide. The technical and technological programs offered by Sena Industrial y de Aviation are: Graphic Arts, Automotive, Aviation, Footwear and Leather Goods, Apparel, Construction, Management, Wood, Occupational Health and Systems. A study carried out by the Sena Industrial and Aviation Center (apprentice welfare office), determined the following causes of desertion: Labor reasons, Economic situation, Residential situation (Insecurity in the neighborhoods, they reside in rural areas), Family situation, Difficulties (Pregnancy / Maternity), Vocational disorientation (Lack of knowledge of the Training Program, Lack of interest in the specialty), Lack of opportunity to carry out the internship, Failures in the Admission, Selection and Enrollment Process, Lack of knowledge of the Sena Institutional regulations , The information of the web offer, could be incomplete (in an offer, it could be indicated, for example: "once you enter the training program, program changes are not accepted" ...), academic difficulties, personal difficulties. According to the situation expressed, the question that directs the investigation process is stated: What knowledge extraction methodology would be relevant for the educational context in order to prevent the dropout of apprentices from the Sena? | eng |
| dc.format.mimetype | spa | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12442/6624 | |
| dc.language.iso | spa | spa |
| dc.publisher | Ediciones Universidad Simón Bolívar | spa |
| dc.publisher | Facultad de Ingenierías | spa |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | eng |
| dc.rights.accessrights | info:eu-repo/semantics/restrictedAccess | spa |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Deserción estudiantil | spa |
| dc.subject | Permanencia académica | spa |
| dc.subject | Metodología de extracción de conocimiento | spa |
| dc.subject | Aprendizaje de máquinas | spa |
| dc.subject | Minería de datos | spa |
| dc.subject | Student desertion | eng |
| dc.subject | Academic permanence | eng |
| dc.subject | Knowledge extraction methodology | eng |
| dc.subject | Machine learning | eng |
| dc.subject | Data mining | eng |
| dc.title | Metodología de extracción de conocimiento para la valoración del riesgo de deserción de los aprendices del SENA | spa |
| dc.type.driver | info:eu-repo/semantics/masterThesis | spa |
| dc.type.spa | Trabajo de grado máster | spa |
| dcterms.references | Azevedo, A., & Santos, M. F. (2008). KDD, SEMMA and CRISP-DM: a parallel overview. Paper presented at the IADIS European Conf. Data Mining. Recuperado de trier.de/db/conf/iadis/dm2008.html#AzevedoS08 | spa |
| dcterms.references | Aguirre, J., Valdovinos, R., Velázquez, J., Eleuterio, R., y Marcial, J. (2015). Análisis de deserción escolar con minería de datos. Research in Computing Science 93, 71- 82. | spa |
| dcterms.references | Amaya, Y., Barrientos, E., & Heredia, D. (2015). Mining Techniques, 13(9), 3127– 3134. | spa |
| dcterms.references | Anderson, L.; & Krathwohl (2001). A Taxonomy for Learning, Teaching, and Assessing: A Revision of Bloom's Taxonomy of Educational Objectives. New York: Longman. | eng |
| dcterms.references | Anuies (2007). Retención y deserción en un grupo de Instituciones Mexicanas de Educación Superior. Biblioteca de la educación superior. México. | spa |
| dcterms.references | Araque. F., Roldan. C., Salguero. A. (2009). Factors influencing university drop out rates”. Computers & Education. Vol. 53. pag. 563–574. España | eng |
| dcterms.references | Barragán, D. y Patiño, L. (2013). Elementos para la comprensión del fenómeno de la deserción universitaria en Colombia. Más allá de las mediciones. Cuadernos | spa |
| dcterms.references | Blanco Suárez, J. O. (2014). Educación superior, crédito educativo y equidad en Colombia 1992-2011. Diálogos de Saberes, 40, 139-155. DOI: 10.18041/0124- 0021/dialogos.40.214 | spa |
| dcterms.references | Beltrán, M. (2016). Minería de Datos. Benemérita Universidad Autónoma de Puebla. Puebla de Zaragoza, México. | spa |
| dcterms.references | Bhise, Ramesh. (2013). “Importance of Data Mining in Higher Education System”. IOSR Journal of Humanities and Social Science. 6. 18-21. 10.9790/0837-0661821. | eng |
| dcterms.references | Braxton, J. M., Johnson, R. M. y Shaw-Sullivan, A. (1997), “Appraising Tinto´s theory of college student departure”; en J. C. Smart (Ed.), Higher Education Handbook of theory and research, Vol. 12, Agathon Press, NY, EE.UU. | eng |
| dcterms.references | Braxton, J. M., Milem, J. F. Y Sullivan, A. S. (2000) The influence of active learning onthe college student departure process: Toward a revision of Tinto's theory. Journal of Higher Education, 71(5) | eng |
| dcterms.references | Cabral, M. (2005). Deserción en la educación superior pública en República Dominicana. [Material en línea]. Disponible en: http://www.psicologiacientifica.com/bv/psicologia218-1-desercion-en-la-educacionsuperior-publica-en-republica-domi.html [Consulta: 2012, Diciembre 12]. | spa |
| dcterms.references | Castaño, E, Gallón, S., Gómez, K y Vásquez, J. (2006). Análisis de los factores asociados a la deserción y graduación estudiantil universitaria. Lecturas Económicas, 65, 9 – 36. Universidad de Antioquia, Medellín. | spa |
| dcterms.references | Conference on Enterprise data. Research in Higher Education Journal. New Zealand desertion based on data mining,” advances and applications in statistical | eng |
| dcterms.references | Hurtado de Barrera, Jacqueline & Morales, Marcos. (2000). Metodología de la investigación holística. | spa |
| dcterms.references | Díaz, C. (2008). Modelo conceptual para la deserción estudiantil universitaria chilena. Estudios Pedagógicos XXXIV, (2), 65-86. | spa |
| dcterms.references | Eccles, J., Adler, T.F., Futterman, R., Goff, S.B., Kaczala, C.M., Meece, J.L., y Midgeley, C. (1983). Expectancies, values and academic behaviours. En H.J.T. Spence (Ed.), Achievement and achievement motivation. San Francisco: Freeman economic systems volume 2, issue 2, Argentina Education – a Case Study”. ICEIS - 12th International | eng |
| dcterms.references | Ethington, C. A. (1990). A psychological model of student persistence. Research in Higher Education 31 (3): 266-269. | eng |
| dcterms.references | Fishbein, M., & Ajzen, I. (1975). Belief, Attitude, Intention, and Behavior: An Introduction to Theory and Research. Reading, MA: Addison-Wesley. | eng |
| dcterms.references | Formia, S. & Lanzarini, L. (2012). Evaluación de técnicas de Extracción de Conocimiento en Bases de Datos y su aplicación a la deserción de alumnos universitarios. (tesis de grado). Universidad Nacional de la Plata. La plata, Buenos Aires. | spa |
| dcterms.references | García, J. (2017). Minería de datos: Modelos predictivos con RapidMiner. Reflexión | spa |
| dcterms.references | Giovagnoli, P. (2002). Determinantes de la deserción y graduación universitaria: una aplicación utilizando modelos de duración, Documento de Trabajo 37, Universidad Nacional de la Plata. | spa |
| dcterms.references | Gómez, V. y Celis, J. (2009). Crédito educativo, acciones afirmativas y equidad social en la educación superior en Colombia. Revista de Estudios Sociales, 30, 106-117. DOI: 10.7440/res33.2009.09 | spa |
| dcterms.references | Hasperué, W.,(2014) Extracción de conocimiento en grandes bases de datos utilizando estrategias adaptativas. - 1a ed. - La Plata: EDULP,210 p. | spa |
| dcterms.references | Henriquez, C., y Escobar, R (2016) construcción de un modelo de alerta temprana para la detección de estudiantes en riesgo de deserción de la universidad metropolitana de ciencias de la educación vol. 21, núm. 71, pp. 1221-1248. | spa |
| dcterms.references | H. kuna, r. García, f. Villatoro. (2010). “Pattern discovery in university students Higher Higher Education System, IOSR Journal of Humanities and Social | eng |
| dcterms.references | ISECO SOFTWARE, QLIK SENSE, BI, BIGDATA, BUSINESS. Recuperate de https://www.isecosoftware.es/2016/11/15/que-es-qlik-sense/ | eng |
| dcterms.references | Journal of Computer Science and Information Security (IJCSIS). Vol. junio.2010. pp. 121-130 Universidad de San Buenaventura. Cali. Colombia | eng |
| dcterms.references | Kovacic, Z. (2012). Predicting student success by mining enrolment data. Research in Higher Education Journal. New Zealand | eng |
| dcterms.references | Jain, N. y Srivastava, V. (2013). Data mining techniques: a survey paper. International Journal of Research in Engineering and Technology. Vol.2 (11) | eng |
| dcterms.references | Kotsiantis, S. Pierrakeas. C. and Pintelas. P. (2004). Preventing student dropout in distance learning systems using machine learning techniques. in Proc. Int. Conf. Knowl.-Based Intell. Inf.learning techniques.” in Proc. Int. Conf. Knowl. -Based Intell. Inf. Eng. Syst.. Oxford. U.K.,3–5. | eng |
| dcterms.references | La Madriz, J. y Parra, J. (2016). “Competencias personales y profesionales aplicadas por gerentes bajo escenarios de incertidumbre económica”, Negotium, 11(33), pp. 69- 98. | spa |
| dcterms.references | La Madriz, jenniz(2016). factores que promueven la deserción del aula virtual Orbis. Revista Científica Ciencias Humanas, vol. 12, núm. 35, noviembre, 2016, pp. 18- 40 | spa |
| dcterms.references | Luo G, et al. (2008) The sphingolipid long-chain base-Pkh1/2-Ypk1/2 signaling pathway regulates eisosome assembly and turnover. J Biol Chem 283(16):10433-44 | eng |
| dcterms.references | Melguizo, T., Sánchez, F. y Jaime, H. (2011). The association between financial aid availability and the college dropout rates in Colombia. Higher Education, 62, 231- 247. DOI: 10.1007/s10734-010-9385-8 | eng |
| dcterms.references | Ministerio de Educación Nacional (MEN). (2009). Deserción estudiantil en la educación superior colombiana. Metodología de seguimiento, diagnóstico, y elementos para su prevención. Disponible en: https://www.mineducacion.gov.co/sistemasdeinformacion/1735/articles254702_libro_desercion.pdf | spa |
| dcterms.references | Ministerio de Educacion Nacional (MEN). (2017). Educacion superior.Boletin N° 1. Disponible en: https://snies.mineducacion.gov.co/1778/articles393225_boletin_dic_2017.pdf | spa |
| dcterms.references | Ministerio de Educación Nacional. (2017). Ministerio de Educación Nacional. Recuperado el 5 de julio de 2018, de Estadísticas Deserción y graduación 2015: https://www.mineducacion.gov.co/sistemasdeinformacion/1735/articles357549_recurso_3.pdf | spa |
| dcterms.references | R.B Bhise, S.S Thorat, A.K Supekar. (2013). Importance of Data Mining in Predict Student’s Retention: A Comparative Study. International | eng |
| dcterms.references | Reyes, L., Castañeda, E., & Pabón, D. (2012). Causas psicosociales de la deserción universitaria. Revista Logos Ciencia & Tecnología. 4(1), 164-168. Recuperado de http://connection.ebscohost.com/c/articles/87411278/causas-psicosociales-deladeserci-n-universitaria. | spa |
| dcterms.references | Sanchez, F., Quiroz, M.,Reveron, C. y Rodriguez, A. (2002). “Equidad social en el acceso y permanencia en la universidad pública determinantes y factores asociados”. Bogotá: Cede. | spa |
| dcterms.references | SAS Enterprise Miner – SEMMA. SAS Institute. Accessed from http://www.sas.com/technologies/analytics/datamining/miner/semma.html, on May 2008 | spa |
| dcterms.references | Romero. C. and Ventura. S. 2007. Educational Data Mining: A Survey from 1995 to 2005. Expert Systems with Applications Volume, Issuse 1, July 2007, Pages 135-146. | eng |
| dcterms.references | Sanz, Malagón, Quintero, Vélez, & Parra. (2010). Identificar y realizar un análisis de los factores asociados a la permanencia y deserción escolar de las instituciones educativas oficiales del país. Bogotá: Universidad Nacional de Colombia. | spa |
| dcterms.references | Servicio nacional de aprendizaje- SENA. (2020). Interventoría técnica, administrativa, financiera, jurídica, contable y ambiental para realizar los estudios, diseños, licenciamiento y construcción de cubiertas, graderías y obras complementarias para las canchas múltiples de diferentes regionales y centros de formación del SENA. | spa |
| dcterms.references | Servicio nacional de aprendizaje- SENA. (2019). Reglamento del aprendiz del servicio nacional de aprendizaje. Dirección de formación profesional. Bogotá. | spa |
| dcterms.references | S. K. Yadav. B. Bharadwaj and S. Pal. (2012). Mining Educational Data to | eng |
| dcterms.references | Sapdy, W. (1970). Dropouts from Higher Education: An interdisciplinary review and synthesis interchance sciences proceedings of the iv meeting on dynamics of social and Science , 1, p. 64-85 | eng |
| dcterms.references | SPADIES (2015) Deserción estudiantil. Recuperado de: http://www.sapiencia.gov.co/wpcontent/uploads/2017/07/BOLETIN_ODES_DESERCION_EN_LA_EDUCACION_ SUPERIOR.pdf | spa |
| dcterms.references | Tapasco-Alzate, O. A., Ruiz-Ortega, F. J., Osorio-García, D. y Ramírez-Ramírez, D. (2019). Deserción estudiantil: incidencia de factores institucionales relacionados con los procesos de admisión. Educación y Educadores 22(1), 81-100. DOI: 10.5294/edu.2019.22.1.5 | spa |
| dcterms.references | Tillman, C.A. Sr. (2002). Barriers to student persistence in higher education. Retrieved October 3, 2002 from: https://www.whdl.org/sites/default/files/v2n1_Tillman.pdf | eng |
| dcterms.references | Timarán, S., Hernández, I., Caicedo, S., Hidalgo, A. y Alvarado, J. (2016). El proceso de descubrimiento de conocimiento en bases de datos. En Descubrimiento de patrones de desempeño académico con árboles de decisión en las competencias genéricas de la formación profesional (pp. 63-86). | spa |
| dcterms.references | Timarán-Pereira, S. R., Hernández-Arteaga, I., Caicedo-Zambrano, S. J., Hidalgo-Troya, y Alvarado Pérez, J. C. (2016). El proceso de descubrimiento de conocimiento en bases de datos. En Descubrimiento de patrones de desempeño académico con árboles de decisión en las competencias genéricas de la formación profesional (pp. 63-86). Bogotá: Ediciones Universidad Cooperativa de Colombia. doi: http://dx.doi.org/10.16925/9789587600490 | spa |
| dcterms.references | Tinto, V. (1975). Dropout from Higher Education: A theoretical synthesis of recent research. Review of Educational Research 45: 89-125. | eng |
| dcterms.references | Tinto (1989) Una reconsideración de las teorías de la deserción estudiantil. En trayectoria escolar en la educación superior. ANUIES-SEP. México | spa |
| dcterms.references | Van Dalen, D., y Meyer, W. (2006): Manual de técnica de la Investigación educacional. Paidós. México | spa |
| dcterms.references | Vasquez, C., y Rodriguez, M. (2007). La deserción estudiantil en educación superior a distancia: Perspectiva teórica y factores de incidencia. Revista Latinoamericana de Estudios Educativos, Vol. XXXVII, Núm. 3-4, sin mes, 2007, Pp. 107-122. México. | spa |
| dcterms.references | Vélez, A. y López, D. (2004). Estrategias para vencer la deserción universitaria. Revista Educación y Educadores, 7, 177-203. | spa |
| dcterms.references | Velickov, S. y Solomatine, D. (2000). Predictive Data Mining: Practical Examples. Artificial Intelligence in Civil Engineering. Proc. 2nd Joint | eng |
| dcterms.references | Zhang, S. Oussena. “Use Data Mining to Improve Student Retention in Zlatko J. Kovacic. (2010). Predicting student success by mining. | eng |
| dcterms.references | Servicio nacional de aprendizaje- SENA. (2020). Interventoría técnica, administrativa, financiera, jurídica, contable y ambiental para realizar los estudios, diseños, licenciamiento y construcción de cubiertas, graderías y obras complementarias para las canchas múltiples de diferentes regionales y centros de formación del SENA. | spa |
| dcterms.references | Servicio nacional de aprendizaje- SENA. (2019). Reglamento del aprendiz del servicio nacional de aprendizaje. Dirección de formación profesional. Bogotá. | spa |
| oaire.version | info:eu-repo/semantics/acceptedVersion | spa |
| sb.programa | Maestría en Ingeniería de Sistemas y Computación | spa |
| sb.sede | Sede Barranquilla | spa |