Resumen de Comparación de cinco algoritmos de inteligencia computacional para la predicción de perfil emprendedor en los estudiantes de la Universidad Iberoamericana León
- español
El emprendimiento hoy en día es considerado como uno de los factores más importantes en el desarrollo de las economías emergentes. Es por ello fundamental generar estrategias que permitan incrementar el número de emprendedores que egresen de las universidades. El presente trabajo tiene como objetivo comparar cinco algoritmos de inteligencia computacional para predecir el perfil emprendedor de los estudiantes de la Universidad Iberoamericana León, a través del análisis de 22 variables utilizando técnicas estadísticas y de Inteligencia Artificial. Las variables están agrupadas en: apoyo familiar a los procesos de emprendimiento, control interno, innovación y asunción al riesgo. Se encuestaron 236 estudiantes, 125 del departamento de Ciencias Económico Administrativa de la Licenciatura Creación de Empresas y 111 estudiantes del departamento de Ciencias e Ingeniería, así como del departamento de Ciencias Sociales y Humanidades que estudian las licenciaturas: Ingeniería en Biotecnología, Nutrición, Psicología y Comunicación. Los estudiantes encuestados del departamento de Ciencias Económico Administrativas tienen un perfil con rasgos de emprendimiento, mientras que el resto de los estudiantes tienen, de inicio y por el contrario, un perfil lejano al de un emprendedor. Se realizó un análisis comparativo utilizando cinco algoritmos de clasificación: Logistic, Perceptrón multicapa (MLP). Simple Logistic, J48 y Análisis Discriminante Lineal (ADL).
- English
Nowadays entrepreneurship is considered one of the most important developing factors in emerging economies. Therefore, it is very important to generate strategies that increase the number of entrepreneurs will graduate from universities. The present study aims to compare five computational intelligence algorithms to predict the entrepreneurial profile of students from Iberoamericana University in Leon Guanajuato. For this study 22 variables were analyzed, using statistical techniques and artificial intelligence. The variables are grouped by: family support enterprise processes, internal locus, innovation and risk-taking. The total of student surveyed were 236. Of this, 125 were from the Business Faculty, 111 students from Basic Science and Social Science Faculty. We select this profile of students because students from Business Faculty have a profile with entrepreneurial features, and students from Basic Science and Social Science faculty have a distant profile of an entrepreneur. Five classification algorithms were performed to make a comparison: Logistic, Multilayer Perceptron, Simple Logistic, J48 and Linear Discriminant Analysis.
