Minería de datos para la toma de decisiones en la unidad de nivelación y admisión universitaria ecuatoriana

##plugins.themes.bootstrap3.article.main##

María Isabel Uvidia Fassler
Andrés Santiago Cisneros Barahona
Pablo Martí Méndez Naranjo
Henry Mauricio Villa Yánez

Keywords

Resumen

Data Mining o minería de datos (DM) fue aplicado en este trabajo de investigación, donde a partir de la selección de algoritmos y análisis de información, se pudieron obtener patrones que una vez observados y examinados se convirtieron en conocimiento para la toma de decisiones en la Unidad de Nivelación y Admisión de la Escuela Superior Politécnica de Chimborazo (ESPOCH). Dichos datos fueron generados desde el año 2012 en la ESPOCH en estricto cumplimiento a la normativa vigente a la fecha y  dicho proceso generó una importante cantidad de información sin procesar y que no ha aportado a la toma de decisiones.  Mediante la aplicación de minería de datos en Waikato Environment for Knowledge Analysis (WEKA) se pudieron analizar algoritmos de predicción de clasificación (árboles de decisión y redes neuronales) y regresión (regresión lineal y optimización de secuencia mínima) permitiendo el conocimiento de la realidad, cuyo objetivo de la investigación fue generar conocimiento de tendencias de postulaciones por área, género y años, hasta llegar a conocer predicciones.  Finalmente, mediante el análisis de parámetros estadísticos se determinaron los mejores algoritmos que aseguraron la confiabilidad en la información y generaron conocimiento para la toma de decisiones académica, siendo éstas: redes Bayesianas y optimización de secuencia mínima.

Palabras Clave: Minería de datos, WEKA, Universidad Ecuatoriana

Abstract 70 | PDF Downloads 6

Citas

Aluja, T. (2001). La Minería de Datos, entre la Estadística y la Inteligencia Artificial. Qüestiió, 25(3), 479-498.

Asencios, V. (2004). Data Mining y el descubrimiento del conocimiento. Industrial Data, 83-86. Obtenido de http://www.redalyc.org/resumen.oa?id=81670213

Bernabeu, R. (2010). Hefesto. Obtenido de http://www.dataprix.com/data-warehousing-y-metodologia-hefesto/hefesto-metodologia-propia-para-la-construccion-un-data-warehhttp://www.dataprix.com/data-warehousing-y-metodologia-hefesto/ii-hefesto-metodologia-propia-para-la-construccion-un-data-wa

Daza, A. (2016). Data Mining, Minería de datos. Perú: Editorial Macro.

Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. 17(3), 37. doi:http://doi.org/10.1609/aimag.v17i3.1230

González, C. B., & García, F. (2010). Práctica Final INTELIGENCIA EN COMUNICACIONES Minería de Dato. En Predicción de las condiciones meteorológicas.

González, L. (2005). Una arquitectura para el análisis de información que integra procesamiento análitico en línea con minería de datos. En Tesis para optar por el grado de Maestro en Ciencias con especialidad en Ingeniería en Sistemas Computacionales. Universidad de las Américas Puebla, Puebla.

Han, J., & Kamber, M. (2006). Data mining concepts and techniques. New York: Elsevier.

Hernández, J., Ferrari, C., & Ramírez, M. (2004). Introducción a la minería de datos. Madrid: Pearson Education.

Juan, I., Moine, M., Gordillo, D., Ana, D., & Haedo, S. (2011). Proyectos de minería de datos.

Lewandowski, C. (2015). The Effects of Brief Mindfulness Intervention on Acute Pain Experience: An Examination of Individual Difference. doi:http://doi.org/10.1017/CBO9781107415324.004

Maimon, O., & Rokach, L. (2010). Data Mining and Knowledge Discovery Handbook. En In Data Mining and Knowledge Discovery Handbook (págs. 22–38). doi:http://doi.org/10.1007/0-387-25465-x_2

Olson, D., & Delen, D. (2008). Advanced Data Mining Techniques. doi:http://doi.org/10.1007/978-3-540-76917-0

PostgreSQL. (2016). Sobre PostgreSQL. Obtenido de http://www.postgresql.org.es/sobre_postgresql

Weka. (2016). Weka 3: Data Mining Software in Java. Obtenido de http://www.cs.waikato.ac.nz/ml/weka/

Artículos más leídos del mismo autor/a