Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.utc.edu.ec/handle/27000/5328
Tipo de Material: bachelorThesis
Título : Modelo basado en minería de datos para determinar factores de deserción estudiantil en la facultad de ciencias de la ingeniería y aplicadas de la universidad técnica de Cotopaxi.
Autor : Masabanda Yépez, Jhenny Flor
Zapata Rocha, Carla Jhoana
Director de Tesis: Albán Taipe, Mayra Susana, Ing. MSc.
Descriptores: MINERÍA DE DATOS
DESERCIÓN ESTUDIANTIL
BASE DE DATOS
Fecha de publicación : ago-2019
Ciudad: Editorial: Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC).
Citación : Masabanda Yépez Jhenny Flor Zapata Rocha Carla Jhoana (2019); Modelo basado en minería de datos para determinar factores de deserción estudiantil en la facultad de ciencias de la ingeniería y aplicadas de la universidad técnica de Cotopaxi. UTC. Latacunga. 161 p.
metadata.dc.format.extent: 161 páginas
Resumen : La deserción en las universidades es considerada como el abandono de los estudiantes que puede ser temporal o definitivo, causa efectos negativos como problemas socioeconómicos para el estudiante y la institución que lo acogió. Por tal razón, este problema debe ser tratado a profundidad para establecer estrategias que permitan minimizar las tasas de deserción en las universidades y la culminación exitosa de los estudios universitarios. La revisión de la literatura permitió determinar estudios para predecir la deserción a través de técnicas de minería de datos, sin embargo, los estudios analizados fueron ejecutados en entornos de Educación Superior que difieren del contexto de educación que se aplica en el Ecuador. Se propone un modelo para determinar factores de deserción estudiantil a través de técnicas de minería de datos para determinar factores que influyen en la deserción y su influencia predictiva. El proceso experimental se basa en una encuesta en línea aplicada a 1457 estudiantes de la Facultad de Ciencias de la Ingeniería y Aplicadas de las Carreras de Ingenierías: Eléctrica, Sistemas de Información, Electromecánica e Industrial. La metodología aplicada corresponde a Knowledge Discovery in Databases (KDD), que consta de cinco etapas: selección, pre-procesamiento, transformación, extracción e interpretación y evaluación. Los resultados encontrados permiten determinar que los factores: conducta en el aula de clases, bullying, motivación del docente – alumno, limitado conocimiento de la asignatura, adicción de las redes sociales, estado emocional, conocimiento adquirido en los cursos de nivelación, formación académica, sistema de ingreso a la universidad, problemas familiares, residencia y expectativas respecto a la carrera seleccionada, son los factores que tienen mayor influencia en la deserción de los estudiantes en la Facultad de Ciencias de la Ingeniería y Aplicadas. Mientras que las técnicas de minería de datos J48, Random Forest y Sequential Minimal Optimization (SMO), dieron como resultado una tasa de predicción de la deserción del 92%. Se concluye que el uso de técnicas de minería de datos puede ser consideradas como importantes para realizar estudios de las causales que afectan a los estudiantes en su permanencia estudiantil universitaria. Además, esta herramienta podría ser considerada como una herramienta de apoyo para las autoridades universitarias a fin de que se establezca estrategias y políticas que permitan mitigar las tasas de deserción.
Descripción : Attrition in universities is considered as the abandonment of students that may be temporary or permanent, causing negative effects such as socioeconomic problems for the student and the institution that hosted him. For this reason, this problem must be treated in depth to establish strategies that minimize the drop-out rates in universities and the successful completion of university studies. The literature review allowed to determine studies to predict attrition through data mining techniques, however, the studies analyzed were executed in Higher Education environments that differ from the context of education that is applied in Ecuador. A model is proposed to determine student dropout factors through data mining techniques to determine factors that influence dropout and its predictive influence. The experimental process is based on an online survey applied to 1457 students of the Faculty of Engineering and Applied Sciences of Engineering Careers: Electrical, Information Systems, Electromechanical and Industrial. The methodology applied corresponds to Knowledge Discovery in Databases (KDD), which consists of five stages: selection, pre-processing, transformation, extraction and interpretation and evaluation. The results found allow determining that the factors: inappropriate behavior in the classroom, bullying, teacher-student motivation, limited knowledge of the subject, addiction of social networks, emotional state, knowledge acquired in leveling, academic training, system of University entrance, family problems, residence and expectations regarding the selected career, are the factors that have the greatest influence on the drop-out of students in the Faculty of Engineering and Applied Sciences. While the J48, Random Forest and Sequential Minimal Optimization (SMO) data mining techniques resulted in a 92% dropout prediction rate. It is concluded that the use of data mining techniques can be considered as important for studies of the causes that affect students during their university student stay. In addition, this tool could be considered as a support tool for university authorities in order to establish strategies and policies to mitigate dropout rates.
Aparece en las colecciones: Tesis - Ingeniería en Sistemas

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
PI-001352.pdfPROYECTO DE GRADO A TEXTO COMPLETO4,32 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons