Minería de datos aplicada a la clasificación del rendimiento académico

Abstract

El presente trabajo de titulación fue desarrollado, con el objetivo de aplicar los principales algoritmos de minería de datos utilizados en la educación para realizar inferencias en la clasificación del rendimiento académico de los estudiantes de la carrera de computación de la ESPAM MFL. La herramienta utilizada para el proceso de análisis fue el software WEKA (Waikato Environment for Knowledge Analysis), además se usó la metodología CRISP-DM (Cross-Industry Standard Process for Data Mining) la cual está estructurada en fases de desarrollo: inicialmente se buscó información de investigaciones ya existentes lo cual permitió realizar un enfoque de los algoritmos y variables a aplicar, también se realizó la adaptación de los datos de acuerdo a la herramienta seleccionada, una vez preparados los datos se aplicaron las técnicas más apropiadas y se realizaron las pruebas pertinentes para determinar la utilidad de los modelos obtenidos a partir de las variables que se evaluaron. Se estableció que los principales algoritmos de la técnica de clasificación son el J48, Naïve Bayes, Random Forest y OneR ya que estos son los más utilizados en la minería de datos educacional debido a su precisión en la clasificación de datos, con los modelos se determinó que las variables que más inciden en la clasificación del rendimiento académico de los estudiantes son: estado académico, semestre y sub total, se aplicaron estos algoritmos con el fin de obtener un modelo que genere conocimiento que apoye la toma de decisiones en el proceso de educación superior.