Análisis de rendimiento académico estudiantil usando Data Warehouse Difuso

Carolina Zambrano; Angélica Urrutia Sepulveda; Marcela Varas Contreras

Ayuda

Análisis de rendimiento académico estudiantil usando Data Warehouse Difuso

Carolina Zambrano Matamala ^[1] ; Angélica Urrutia Sepúlveda ^[2] ; Marcela Varas Contreras ^[3]
1. [1] Universidad Católica del Norte
  
  Universidad Católica del Norte
  
  Antofagasta, Chile
2. [2] Universidad Católica del Maule
  
  Universidad Católica del Maule
  
  Provincia de Talca, Chile
3. [3] Universidad de Concepción
  
  Universidad de Concepción
  
  Comuna de Concepción, Chile
Mostrar afiliaciones +
Localización: Ingeniare: Revista Chilena de Ingeniería, ISSN-e 0718-3305, ISSN 0718-3291, Vol. 25, Nº. 2, 2017, págs. 242-254
Idioma: español
Títulos paralelos:
- Analysis of students’ academic performance using Fuzzy Data Warehouse
Enlaces
- Texto completo (pdf)

Dialnet Métricas: 2 Citas

Resumen
- español
  Un Data Warehouse (DW) es un repositorio de datos que provienen de distintas fuentes. Es utilizado para el análisis de datos y como apoyo a la toma de decisiones. Ya que permite obtener indicadores cuantitativos tales como cantidades. Sin embargo, en el ámbito de análisis de datos es usual encontrar relaciones entre los datos de naturaleza difusa. Por ejemplo, en un contexto académico la respuesta a la consulta "qué estudiantes obtuvieron buena nota final" no puede ser obtenida desde un DW tradicional pues no maneja información cualitativa. Debido a las limitaciones de los DW tradicionales es que pueden extenderse usando lógica difusa a un DW Difuso (DWD). En este trabajo se presenta una implementación de DWD cuyo objetivo es permitir el análisis cualitativo de datos de estudiantes lo que apoya el proceso de toma de decisiones. El DWD implementado permite operar con medidas difusas, hechos difusos, relaciones difusas y niveles difusos.
- English
  A Data Warehouse (DW) is a data repository containing data from different sources. It is used to support decision-making through data analysis as it allows quantitative indicators such as amounts. However, data analysis lack of data of diffuse nature. For instance, in an academic context, the answer to the query "What students scored with good final grade" cannot be obtained from a traditional DW because they do not handle qualitative information. Due to the limitations of traditional DW the use of fuzzy logic may extend its capabilities through a fuzzy DW (FDW). This paper presents an implementation of FDW aimed at allowing qualitative analysis of scholar data supporting decision making process. The FDW implemented operate fuzzy measures, fuzzy facts, fuzzy relations and fuzzy levels.