Tesis - Maestría en Sistemas de Información

Permanent URI for this collection

https://repositorio.utc.edu.ec/handle/27000/5670

Browse

Browsing Tesis - Maestría en Sistemas de Información by Author "Chancúsig Taipicaña, Diego Marcelo"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Modelo de análisis del rendimiento académico de la Unidad Educativa Personas Con Escolaridad Inconclusa. (P.C.E.I.) “Monseñor Leonidas Proaño” del cantón Latacunga, a través de minería de datos.
    (Ecuador, Latacunga: Universidad Técnica de Cotopaxi UTC., 2020) Chancúsig Taipicaña, Diego Marcelo; Albán Taipe, Mayra Susana PhD
    El objetivo principal de este trabajo es contribuir al proceso de predicción del rendimiento académico de los estudiantes de la Unidad Educativa de Personas Con Escolaridad Inconclusa (PCEI) Monseñor Leonidas Proaño de la ciudad de Latacunga mediante el estudio integral de técnicas y herramienta de análisis de minería de datos a partir de los factores de influencia como el social, económico y académico, determinando indicadores que detecten elementos que servirán a los docentes, autoridades y mentores educativos para mejorar el rendimiento académico del estudiante en el el proceso educativo. Una de las etapas de esta investigación fue el diseño de un modelo teórico de la retención estudiantil a través del software Statistical Package for Social Sciences (SPSS) a través de regresión lineal, mínimos cuadrados ordinarios que permitieron crear el modelo teórico del rendimiento académico Posteriormente este modelo siguió un proceso experimental con cuatro algoritmos de clasificación a través de técnicas de machine learning como J48, Random Forest, Naive Bayes y OneR, proceso que se utilizó para predecir la tasa de precisión del modelo propuesto. La implementación de estas técnicas permitió determinar que el algoritmo Naive Bayes presenta una tasa de precisión del 88.85% lo que indica que el modelo que se presenta es adecuado en términos de confiabilidad, los niveles de capa obtenidos a través del proceso experimental con un resultado del 0,86 indican que estos modelos son adecuados para predecir la retención estudiantil.