Imputación de datos faltantes en encustas escolares: comparación entre random forest y redes neuronales artificiales

Póster presentado en la Escuela de Primavera en Deep Learning 2025 – Facultad de Ciencias Exactas y Naturales - UBA.

Guardado en:
Detalles Bibliográficos
Autor principal: Sagier, Malena
Formato: Presentación
Lenguaje:Español
Publicado: 2025
Materias:
DATOS FALTANTES, DATOS MISSING, APRENDIZAJE AUTOMÁTICO SUPERVISADO, RANDOM FOREST, REDES NEURONALES ARTIFICIALES, IMPUTACIÓN, ENCUESTAS ESCOLARES
Acceso en línea:https://hdl.handle.net/20.500.14769/5131
Aporte de:
Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)
id I32-R138-20.500.14769-5131
record_format dspace
spelling I32-R138-20.500.14769-51312026-01-07T13:47:34Z Imputación de datos faltantes en encustas escolares: comparación entre random forest y redes neuronales artificiales Sagier, Malena DATOS FALTANTES, DATOS MISSING, APRENDIZAJE AUTOMÁTICO SUPERVISADO, RANDOM FOREST, REDES NEURONALES ARTIFICIALES, IMPUTACIÓN, ENCUESTAS ESCOLARES Póster presentado en la Escuela de Primavera en Deep Learning 2025 – Facultad de Ciencias Exactas y Naturales - UBA. "Los cuestionarios complementarios que responden los estudiantes en el marco de la Evaluación Nacional Aprender, presentan respuestas faltantes, en especial en las variables sociodemográficas que definen el Nivel Socioeconómico (NSE) de los alumnos. La Secretaría de Educación de la Nación, imputa los datos perdidos de estos indicadores mediante el método de Hotdeck Secuencial, posibilitando el seguimiento de las brechas de equidad en los resultados de aprendizaje y la aplicación de modelos estadísticos que precisan datos completos (análisis de factores asociados al aprendizaje, por ejemplo)." 2025-10-24T12:51:39Z 2025-10-24T12:51:39Z 2025-10-24 Presentación https://hdl.handle.net/20.500.14769/5131 es application/pdf
institution Instituto Tecnológico de Buenos Aires (ITBA)
institution_str I-32
repository_str R-138
collection Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language Español
topic DATOS FALTANTES, DATOS MISSING, APRENDIZAJE AUTOMÁTICO SUPERVISADO, RANDOM FOREST, REDES NEURONALES ARTIFICIALES, IMPUTACIÓN, ENCUESTAS ESCOLARES
spellingShingle DATOS FALTANTES, DATOS MISSING, APRENDIZAJE AUTOMÁTICO SUPERVISADO, RANDOM FOREST, REDES NEURONALES ARTIFICIALES, IMPUTACIÓN, ENCUESTAS ESCOLARES
Sagier, Malena
Imputación de datos faltantes en encustas escolares: comparación entre random forest y redes neuronales artificiales
topic_facet DATOS FALTANTES, DATOS MISSING, APRENDIZAJE AUTOMÁTICO SUPERVISADO, RANDOM FOREST, REDES NEURONALES ARTIFICIALES, IMPUTACIÓN, ENCUESTAS ESCOLARES
description Póster presentado en la Escuela de Primavera en Deep Learning 2025 – Facultad de Ciencias Exactas y Naturales - UBA.
format Presentación
author Sagier, Malena
author_facet Sagier, Malena
author_sort Sagier, Malena
title Imputación de datos faltantes en encustas escolares: comparación entre random forest y redes neuronales artificiales
title_short Imputación de datos faltantes en encustas escolares: comparación entre random forest y redes neuronales artificiales
title_full Imputación de datos faltantes en encustas escolares: comparación entre random forest y redes neuronales artificiales
title_fullStr Imputación de datos faltantes en encustas escolares: comparación entre random forest y redes neuronales artificiales
title_full_unstemmed Imputación de datos faltantes en encustas escolares: comparación entre random forest y redes neuronales artificiales
title_sort imputación de datos faltantes en encustas escolares: comparación entre random forest y redes neuronales artificiales
publishDate 2025
url https://hdl.handle.net/20.500.14769/5131
work_keys_str_mv AT sagiermalena imputaciondedatosfaltantesenencustasescolarescomparacionentrerandomforestyredesneuronalesartificiales
_version_ 1854267342881554432

Ejemplares similares