Predictor de deserción universitaria
La deserción estudiantil siempre ha sido un tema de preocupación debido a sus múltiples implicancias. En este trabajo se propone la aplicación de técnicas de reconocimiento de patrones para exponer información útil y formular reglas de inferencia en sistemas de diagnóstico automático. De esta man...
Guardado en:
Autores principales: | , , , , |
---|---|
Formato: | Artículo publisherVersion |
Lenguaje: | Español |
Publicado: |
2021
|
Materias: | |
Acceso en línea: | http://hdl.handle.net/20.500.12272/5587 |
Aporte de: |
id |
I68-R174-20.500.12272-5587 |
---|---|
record_format |
dspace |
institution |
Universidad Tecnológica Nacional |
institution_str |
I-68 |
repository_str |
R-174 |
collection |
RIA - Repositorio Institucional Abierto (UTN) |
language |
Español |
topic |
minería de datos predictor de deserción universitaria SVM redes neuronales aprendizaje automático knowledge data discovery data minning university dropout predictor neural networks machine learning |
spellingShingle |
minería de datos predictor de deserción universitaria SVM redes neuronales aprendizaje automático knowledge data discovery data minning university dropout predictor neural networks machine learning Romero, Giselle Toranzo Calderón, Joaquin Jaremczuk, Sebastián Gómez, Juan Carlos Verrastro, Claudio Predictor de deserción universitaria |
topic_facet |
minería de datos predictor de deserción universitaria SVM redes neuronales aprendizaje automático knowledge data discovery data minning university dropout predictor neural networks machine learning |
description |
La deserción estudiantil siempre ha sido un tema de preocupación debido a sus
múltiples implicancias. En este trabajo se propone la aplicación de técnicas de
reconocimiento de patrones para exponer información útil y formular reglas de
inferencia en sistemas de diagnóstico automático. De esta manera se generan
modelos predictivos de deserción universitaria en la UTN.BA, a partir de bases de
datos de estudiantes de la carrera de Ingeniería en Sistemas de la Información
del plan K08. Se construyeron dos modelos, uno basado sobre Máquinas de
Vectores de Soporte y otro sobre Redes neuronales. Ambos presentan resultados
muy similares reconociendo a estudiantes en situación de deserción con una
exactitud de 79%. |
format |
Artículo publisherVersion |
author |
Romero, Giselle Toranzo Calderón, Joaquin Jaremczuk, Sebastián Gómez, Juan Carlos Verrastro, Claudio |
author_facet |
Romero, Giselle Toranzo Calderón, Joaquin Jaremczuk, Sebastián Gómez, Juan Carlos Verrastro, Claudio |
author_sort |
Romero, Giselle |
title |
Predictor de deserción universitaria |
title_short |
Predictor de deserción universitaria |
title_full |
Predictor de deserción universitaria |
title_fullStr |
Predictor de deserción universitaria |
title_full_unstemmed |
Predictor de deserción universitaria |
title_sort |
predictor de deserción universitaria |
publishDate |
2021 |
url |
http://hdl.handle.net/20.500.12272/5587 |
work_keys_str_mv |
AT romerogiselle predictordedesercionuniversitaria AT toranzocalderonjoaquin predictordedesercionuniversitaria AT jaremczuksebastian predictordedesercionuniversitaria AT gomezjuancarlos predictordedesercionuniversitaria AT verrastroclaudio predictordedesercionuniversitaria |
bdutipo_str |
Repositorios |
_version_ |
1764820552078327808 |