Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.utc.edu.ec/handle/27000/7143
Tipo de Material: masterThesis
Título : Modelo para la determinación de factores de deserción estudiantil en la Universidad Técnica de Cotopaxi utilizando Minería de Datos
Autor : Chimba Lagla, Edwin Geovanny
Director de Tesis: Albán Taipe, Mayra Susana PhD
Descriptores: DESERCIÓN ESTUDIANTIL
FACTORES DESERCIÓN
MINERÍA DE DATOS
REDES NEURONALES
Fecha de publicación : 2020
Ciudad: Editorial: Ecuador, Latacunga: Universidad Técnica de Cotopaxi UTC.
Citación : Chimba Lagla Edwin Geovanny (2020); Modelo para la determinación de factores de deserción estudiantil en la Universidad Técnica de Cotopaxi utilizando Minería de Datos. UTC. Latacunga. 130 p,
metadata.dc.format.extent: 130 páginas
Resumen : La educación superior en el Ecuador juega un rol muy importante en la búsqueda del desarrollo y el bienestar social, convirtiéndose así en un eje principal para el desarrollo nacional. El interés por abordar la investigación para la determinación de factores de deserción en la Universidad Técnica de Cotopaxi, se debe a que la deserción estudiantil universitaria se ha convertido en una problemática actual que afecta al estudiante, a su entorno familiar, a las universidades y a la sociedad en general. Por tanto, la determinación de factores de deserción en las universidades puede ser considerada como una estrategia clave para la toma de decisiones institucionales. Para el desarrollo de la investigación se construye un modelo teórico de deserción estudiantil universitaria a través de validación de expertos, los datos obtenidos fueron comprobados mediante Regresión Lineal con mínimos cuadrados ordinarios. Se valida el modelo teórico de deserción mediante modelos de predicción utilizando Redes Neuronales Perceptrón Multicapa y Deep Learning, mediante la metodología Knowledge Discover in Data Base (KDD) para proyectos de minería de datos. Los resultados indican que la técnica con mayor tasa de precisión fue el algoritmo backpropagation se obtuvo una exactitud de predicción del 98,2 %. Se concluye que los modelos propuestos son adecuados en términos de confiabilidad que se sustentan bajo procedimiento experimental.
Descripción : Higher education in Ecuador plays a very important role in the search for development and social welfare, thus becoming a main axis for the national development. The interest in approaching the investigation to determine dropout factors at the Technical University of Cotopaxi, is due to the fact that university student dropout has become a current problem that affects the student, their family environment, universities and society in general. Therefore, the determination of dropout factors in universities can be considered as a key strategy for decision making institutional. For the development of the research, a theoretical model is built of university student dropouts through expert validation, the data obtained were verified by Linear Regression with least squares ordinary. The theoretical model of attrition is validated using prediction models using Multilayer Perceptron Neural Networks and Deep Learning, through Knowledge Discover in Data Base (KDD) methodology for mining projects data. The results indicate that the technique with the highest precision rate was the backpropagation algorithm a prediction accuracy of 98.2% was obtained. I know concludes that the proposed models are adequate in terms of reliability that They are sustained under an experimental procedure.
Aparece en las colecciones: Tesis - Maestría en Sistemas de Información

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MUTC-000706.pdfPROYECTO DE GRADO A TEXTO COMPLETO4,94 MBAdobe PDFVisualizar/Abrir


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