Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe

Durante el cursado de la carrera de Ingeniería en Sistemas de Información en la Facultad Regional Resistencia de la Universidad Tecnológica Nacional (UTN‐FRRe), el alumno se enfrenta con la necesidad de cursar y regularizar ciertas materias que le generan restricciones de correlatividad. Ese es el...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	La Red Martínez, David L., Karanik, Marcelo J., Giovannini, Mirtha E., Scappini, Reinaldo José Ramón
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2016
Materias:	Ciencias Informáticas Minería de Datos rendimiento académico modelos predictivos
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/53320
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-53320
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 Minería de Datos rendimiento académico modelos predictivos
spellingShingle	Ciencias Informáticas Minería de Datos rendimiento académico modelos predictivos La Red Martínez, David L. Karanik, Marcelo J. Giovannini, Mirtha E. Scappini, Reinaldo José Ramón Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
topic_facet	Ciencias Informáticas Minería de Datos rendimiento académico modelos predictivos
description	Durante el cursado de la carrera de Ingeniería en Sistemas de Información en la Facultad Regional Resistencia de la Universidad Tecnológica Nacional (UTN‐FRRe), el alumno se enfrenta con la necesidad de cursar y regularizar ciertas materias que le generan restricciones de correlatividad. Ese es el caso de la cátedra de primer año Algoritmos y Estructuras de Datos, cuya regularización es necesaria para cursar varias asignaturas de segundo y tercer año. Tomando como base los resultados del proyecto “Determinación de perfiles de estudiantes y de rendimiento académico mediante la utilización de minería de datos”, 25/L059 ‐ UTI1719, implementado en la mencionada cátedra (2013‐2015), se está comenzando un nuevo proyecto tiene como objetivo tomar como punto de partida el análisis descriptivo (lo que pasó), y utilizar la analítica avanzada, con el objetivo de explicar el por qué, el qué va a pasar y cómo podemos abordarlo. Para el estudio se utilizarán distintas herramientas de Minería de Datos: clustering, redes neuronales, redes bayesianas, árboles de decisión, regresión y series temporales, etc. Estas herramientas permiten obtener resultados desde distintas perspectivas del problema abordado. De esta manera se podrán detectar situaciones problemáticas potenciales al inicio del cursado y tomar las medidas necesarias para solucionarlas.
format	Objeto de conferencia Objeto de conferencia
author	La Red Martínez, David L. Karanik, Marcelo J. Giovannini, Mirtha E. Scappini, Reinaldo José Ramón
author_facet	La Red Martínez, David L. Karanik, Marcelo J. Giovannini, Mirtha E. Scappini, Reinaldo José Ramón
author_sort	La Red Martínez, David L.
title	Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
title_short	Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
title_full	Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
title_fullStr	Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
title_full_unstemmed	Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe
title_sort	hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la utn – frre
publishDate	2016
url	http://sedici.unlp.edu.ar/handle/10915/53320
work_keys_str_mv	AT laredmartinezdavidl haciaunmodelopredictivoderendimientoacademicoutilizandomineriadedatosenlautnfrre AT karanikmarceloj haciaunmodelopredictivoderendimientoacademicoutilizandomineriadedatosenlautnfrre AT giovanninimirthae haciaunmodelopredictivoderendimientoacademicoutilizandomineriadedatosenlautnfrre AT scappinireinaldojoseramon haciaunmodelopredictivoderendimientoacademicoutilizandomineriadedatosenlautnfrre
bdutipo_str	Repositorios
_version_	1764820475864678400

Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN – FRRe

Ejemplares similares