Extracción de conocimiento para la predicción y análisis de los resultados de la prueba de calidad de la educación superior en Colombia

dc.contributor.authorGarcía-González, José R.
dc.contributor.authorSánchez-Sánchez, Paola A.
dc.contributor.authorOrozco, Manuel
dc.contributor.authorObredor, Sergio
dc.date.accessioned2019-08-30T20:15:18Z
dc.date.available2019-08-30T20:15:18Z
dc.date.issued2019
dc.description.abstractSe presentan y analizan los resultados de la prueba de la calidad de la educación superior en Colombia – Saber Pro. Se usó la metodología de extracción de conocimiento en bases de datos KDD sobre la cual se construyó una base de datos del desempeño académico del estudiante en áreas asociadas con los contenidos de la prueba Saber Pro, y se utilizó redes neuronales como técnica para la minería de datos. Las redes neuronales permitieron la predicción de los resultados de la prueba Saber Pro con alta exactitud tanto en rangos cualitativos como cuantitativos. Además, se comprobó una correlación entre el desempeño académico y los resultados de Saber Pro. Los hallazgos sugieren que la metodología usada es una excelente guía para el descubrimiento de patrones ocultos en los datos, y permite establecer estrategias de mejora de los resultados de las pruebas Saber Pro que involucren el desempeño académico del estudiante.spa
dc.description.abstractIn this paper, the prediction and results analysis of the quality test of higher education in Colombia - Saber Pro is performed. The knowledge extraction in databases methodology KDD was used, on which a database of the student's academic performance was built in areas associated with the contents of the Saber Pro test, and neural networks were used as a technique for data mining. The neural networks allowed the prediction of the results of the Saber Pro test with high exactness in both qualitative and quantitative ranges. A correlation between academic performance and Saber Pro results was also found. The findings suggest that the methodology used is an excellent guide for the discovery of hidden patterns in the data, and allows to establish strategies to improve the results of the Saber Pro tests that involve the student's academic performance.eng
dc.identifier.issn07185006
dc.identifier.urihttps://hdl.handle.net/20.500.12442/3862
dc.language.isospaspa
dc.publisherLa serenaspa
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.sourceFormación universitariaspa
dc.sourceVol. 12, Nº 4 (2019)spa
dc.source.urihttp://dx.doi.org/10.4067/S0718-50062019000400055spa
dc.subjectMinería de datosspa
dc.subjectExtracción de conocimientospa
dc.subjectBases de datos KDDspa
dc.subjectSaber Prospa
dc.subjectEducación superiorspa
dc.subjectData miningeng
dc.subjectKnowledge extractioneng
dc.subjectDatabases methodology KDDeng
dc.subjectHigher educationeng
dc.titleExtracción de conocimiento para la predicción y análisis de los resultados de la prueba de calidad de la educación superior en Colombiaspa
dc.typearticlespa
dcterms.referencesAsif, R., A. Merceron, S. Abbas y N. Ghani. Analyzing Undergraduate Students' Performance Using Educational Data Mining, doi: 10.1016/j.compedu.2017.05.007, Computers & Education, 113, 177-194 (2017)eng
dcterms.referencesCosta, E., B. Fonseca, M. Almeida, F. Ferreira y J. Rego, Evaluating the Effectiveness of Educational Data Mining Techniques for Early Prediction of Students' Academic Failure in Introductory Programming Courses, doi: 10.1016/j.chb.2017.01.047, Computers in Human Behavior, 73, 247-256 (2017)eng
dcterms.referencesFernandes, E., M. Holanda y otros cuatro autores, Educational Data Mining: Predictive Analysis of Academic Performance of Public School Students in the Capital of Brazil, doi: 10.1016/j.jbusres.2018.02.012, Journal of Business Research (2018)eng
dcterms.referencesGarcia, J., La Aplicabilidad del Enfoque de Sistemas como Método para la Transposición Didáctica de Situaciones Profesionales Enmarcadas en los Procesos Administrativos, Dimensión Empresarial, ISSN: 2322-956X, 6(1), 52-57 (2008)spa
dcterms.referencesGoga, M., S. Kuyoro y N. Goga, A Recommender for Improving the Student Academic Performance, doi: 10.1016/j.sbspro.2015.02.296, Procedia - Social and Behavioral Sciences, 180, 1481-1488 (2015)eng
dcterms.referencesHernández, U., J. Moreno y otros cuatro autores, Evaluación y Aprendizajes de una Experiencia Colombiana de Formación Docente en TIC, Revista Virtual Universidad Católica del Norte, 40, 31-52 (2013)spa
dcterms.referencesJiménez, S., L. Reyes y M. Cañón, Enfrentando Resultados Programa de Ingeniería de Sistemas de la Universidad Simón Bolívar con las Pruebas Saber Pro, doi: 10.17081/invinno.1.1.2072, Investigación e Innovación en Ingenierías, 1(1), 50-56 (2013)spa
dcterms.referencesKlösgen, W. y J. Zytkow, Handbook of Data Mining and Knowledge Discovery, Oxford University Press, Inc., New York, USA (2012)eng
dcterms.referencesLagunes-Domínguez, A., C.A. Torres-Gastelú, J. Angulo-Armenta y M.Á. Martínez-Olea, Prospectiva hacia el Aprendizaje Móvil en Estudiantes Universitarios, doi: 10.4067/S0718-50062017000100011, Formación Universitaria, 10 (1), 101-108 (2017)spa
dcterms.referencesMiguéis, V.L., A. Freitas, P. Garcia y A. Silva, Early Segmentation of Students According to their Academic Performance: A Predictive Modelling Approach, doi: 10.1016/j.dss.2018.09.001, Decision Support Systems, 115, 36-51 (2018)eng
dcterms.referencesMinisterio de Educación Nacional - MEN. Ley 1324, Decreto Numero 3963: Examen de Estado de Calidad de la Educación Superior, República de Colombia (2009)spa
dcterms.referencesNghe N., P. Janecek y P. Haddawy, A Comparative Analysis of Techniques for Predicting Academic Performance, doi: 10.1109/FIE.2007.4417993, 37 ASEE/IEEE Conference Frontiers in Education Conference, T2G7-T2G11, Milwaukee - USA 10-13 de Octubre (2007)eng
dcterms.referencesPeña-Ayala, A., Educational Data Mining: A Survey and a Data Mining-Based Analysis of Recent Works, doi: 10.1016/j.eswa.2013.08.042, Expert Systems with Applications, 41(4-1), 1432-1462 (2014)eng
dcterms.referencesRodríguez, G., M. Ariza y J.L. Ramos, Calidad Institucional y Rendimiento Académico: El Caso de las Universidades del Caribe Colombiano, doi: 10.1016/S0185-2698(14)70607-5, Perfiles Educativos, 36(143), 10-29 (2014)spa
dcterms.referencesRuby, J. y K. David, Predicting the Performance of Students in Higher Education Using Data Mining Classification Algorithms - A Case Study, International Journal for Research in Applied Science & Engineering Technology, 2(9), 173-180 (2014)eng
dcterms.referencesSánchez-Sánchez, P. y J.R. García-González, A New Methodology for Neural Network Training Ensures Error Reduction in Time Series Forecasting, doi: 10.3844/jcssp.2017.211.217, Journal of Computer Science, 13(7), 211-217 (2017)eng
dcterms.referencesShahiri, A., W. Husain y N. Rashid, A Review on Predicting Student's Performance Using Data Mining Techniques, doi: 10.1016/j.procs.2015.12.157, Procedia Computer Science, 72, 414-422 (2015)eng
dcterms.referencesShu-Hsien, L., C. Pei-Hui y H. Pei-Yuan, Data Mining Techniques and Applications – A Decade Review from 2000 to 2011, Expert Systems with Applications, 39(12), 11303-11311 (2012)eng
dcterms.referencesSumathi, S. y S. Sivanandam. Introduction to Data Mining and its Applications.Studies in Computational Intelligence, Springer-Verlag, Heidelberg, Alemania (2006)eng
dcterms.referencesWang, Y.H. y H-C. Liao, Data Mining for Adaptive Learning in a TESL-Based E-Learning System, doi: 10.1016/j.eswa.2010.11.098, Expert Systems with Applications, 38(6), 6480-6485 (2011)eng

Archivos

Bloque original
Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
Extracción_Conocimiento_Predicción.pdf
Tamaño:
409.73 KB
Formato:
Adobe Portable Document Format
Descripción:
PDF
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
368 B
Formato:
Item-specific license agreed upon to submission
Descripción:

Colecciones