Ingeniería de software para clasificar patrones cognitivo conductuales
En la presente línea de investigación nos proponemos utilizar el Adaptive Business Intelligence (ABI) como herramienta de extracción de conocimiento en bases de datos, para clasificar probabilísticamente y con un grado de error aceptable, aquellas causalidades del fracaso de los aspirantes a sub ofi...
Guardado en:
Autores principales: | , , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2013
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/27101 |
Aporte de: |
id |
I19-R120-10915-27101 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas Psicometría Data mining cognitivo conductual adaptive business intelligence |
spellingShingle |
Ciencias Informáticas Psicometría Data mining cognitivo conductual adaptive business intelligence Roldán, Marcelo Fabio Montejano, Germán Antonio Funes, Ana Riesco, Daniel Eduardo Ingeniería de software para clasificar patrones cognitivo conductuales |
topic_facet |
Ciencias Informáticas Psicometría Data mining cognitivo conductual adaptive business intelligence |
description |
En la presente línea de investigación nos proponemos utilizar el Adaptive Business Intelligence (ABI) como herramienta de extracción de conocimiento en bases de datos, para clasificar probabilísticamente y con un grado de error aceptable, aquellas causalidades del fracaso de los aspirantes a sub oficiales de policía que ingresan en la escuela de la fuerza. A partir de allí, generar aplicaciones informáticas que permitan evaluar al futuro aspirante y determinar predictivamente su factibilidad de éxito en la escuela.
Esto es posible, en concordancia con la puesta en práctica de una metodología de reciente creación [RFM12, RDF13], la que facilita el desarrollo de aplicaciones basadas en Business Intelligence, favorece el uso de métodos de predicción y técnicas de optimización.
Este análisis de datos, para encontrar los patrones que determinan las causalidades de las bajas, lo realizaremos optimizando aquello que se denomina Extracción de Conocimiento de Bases de Datos (KDD), mediante una tecnología actualizada a través de la metodología que la implementa de manera simplificada y práctica. Estas causalidades principales, por las cuales los aspirantes no culminan su formación, se encontrarán de una manera probabilística. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Roldán, Marcelo Fabio Montejano, Germán Antonio Funes, Ana Riesco, Daniel Eduardo |
author_facet |
Roldán, Marcelo Fabio Montejano, Germán Antonio Funes, Ana Riesco, Daniel Eduardo |
author_sort |
Roldán, Marcelo Fabio |
title |
Ingeniería de software para clasificar patrones cognitivo conductuales |
title_short |
Ingeniería de software para clasificar patrones cognitivo conductuales |
title_full |
Ingeniería de software para clasificar patrones cognitivo conductuales |
title_fullStr |
Ingeniería de software para clasificar patrones cognitivo conductuales |
title_full_unstemmed |
Ingeniería de software para clasificar patrones cognitivo conductuales |
title_sort |
ingeniería de software para clasificar patrones cognitivo conductuales |
publishDate |
2013 |
url |
http://sedici.unlp.edu.ar/handle/10915/27101 |
work_keys_str_mv |
AT roldanmarcelofabio ingenieriadesoftwareparaclasificarpatronescognitivoconductuales AT montejanogermanantonio ingenieriadesoftwareparaclasificarpatronescognitivoconductuales AT funesana ingenieriadesoftwareparaclasificarpatronescognitivoconductuales AT riescodanieleduardo ingenieriadesoftwareparaclasificarpatronescognitivoconductuales |
bdutipo_str |
Repositorios |
_version_ |
1764820467479216128 |