Aplicación de Técnicas de Minería de Datos para el Análisis de la Eficiencia Académica

• Grijalva Arriaga, Paola K. ^[1] ; Freire Avilés, Verónica A. ^[1] ; Real Avilés, Karina P. ^[1] ; Arellano Arcentales, Ana M. ^[1] ; Cornejo Gómez, Galo ^[2]
  1. [1] Universidad Agraria del Ecuador

     Universidad Agraria del Ecuador

     Guayaquil, Ecuador

     
  2. [2] Universidad Católica Santiago de Guayaquil, Guayaquil, Ecuador.
• Localización: Revista Científica Hallazgos21, ISSN-e 2528-7915, Vol. 3, Nº. Extra 1, 2018
• Idioma: español
• Títulos paralelos:
  • Application of Data Mining Techniques for the Analysis of Academic Efficiency
• Enlaces
  • Texto completo
• Resumen
  • español

    Las Instituciones de Educación Superior están inmersas en procesos periódicos de evaluación y acreditación, que exigen el cumplimiento de estándares mínimos, siendo uno de ellos la Eficiencia Académica, compuesta por el indicador Retención Estudiantil, que se determina por la cantidad de estudiantes matriculados por primera vez al primer año manteniéndose en sus estudios dos años después. El presente estudio se desarrolla en la Universidad Agraria del Ecuador y tiene como objetivo determinar los factores de mayor incidencia en la deserción estudiantil, y se utilizó la Minería de Datos, con las técnicas de árboles de decisión y clustering para obtener los patrones de comportamiento que conllevan a la deserción, generando un modelo que permita predecir las deserciones. Se trabajó con los estudiantes de primer año de las diferentes carreras de las sedes de Guayaquil y Milagro, de los períodos lectivos 2014, 2015 y 2016, aplicando la metodología para descubrimiento de conocimiento (KKD,Knowledge Discovery in Database) donde se integran los datos iniciales, se seleccionan y se transforman los datos para la aplicación de la técnica escogida y posteriormente se evalúan y se difunden para permitir a las autoridades correspondientes la toma de decisiones, que conlleven a generar planes de acción que incrementen la tasa de retención de los estudiantes en la institución. Con la aplicación de las técnicas citadas se obtuvo que el factor más relevante que afecta a la tasa de retención en la institución, son los bajos promedios obtenidos durante los primeros semestres, así como la cantidad de asignaturas aprobadas, que conllevan a la pérdida de año de los niveles objeto de estudio.

  • English

    The Institutions of Higher Education are immersed in periodic processes of evaluation and accreditation, that demand the fulfillment of minimum standards, being one of them the Academic Efficiency, integrated by the Student Retention indicator, which is determined by the number of students enrolled for the first time to the first year and are still studying two years later. The present study was carried out at the Agrarian University of Ecuador with the goal of predicting factors of higher incidence that generate student dropout in higher education, using Data Mining, and decision tree techniques and Clustering to obtain desertion behavior patterns. We worked with first year students of different careers at the Guayaquil and Milagro venues, during the academic periods 2014- 2015 and 2016, applying the Knowledge Discovery in Database (KKD) where the initial data is integrated, selected and transformed for the application of the chosen technique and are subsequently evaluated and spread to allow the corresponding authorities to make decisions that lead to the generation of action plans, which increase the student retention rate in the institution. With the application of the mentioned techniques it was concluded that the most relevant factor affecting the retention rate in the institution are the low averages obtained during the first semesters as well as the subjects approved, which lead to the loss of the year of the levels under study.