Show simple item record

Análisis de deserción estudiantil en un programa de pregrado en Ingeniería de sistemas y computación

dc.contributor.authorCastro, Luis Fernandospa
dc.contributor.authorEspitia P., Esperanzaspa
dc.contributor.authorCardona, Sergio Augustospa
dc.date.accessioned2020-10-27T00:19:58Z
dc.date.available2020-10-27T00:19:58Z
dc.date.issued2019-05-28
dc.identifier.issn2539-2115
dc.identifier.issn1657-2831
dc.identifier.urihttp://hdl.handle.net/20.500.12749/8830
dc.description.abstractLas técnicas de minería de datos se enfocan principalmente en apoyar el proceso de toma de decisiones dentro de una organización. La deserción estudiantil es un fenómeno común que agobia a las universidades tanto públicas como privadas, las cuales se afectan de manera social y económica. Diversos estudios se llevaron a cabo en esta área; sin embargo, por lo general se enfocan solo en los aspectos académicos, sociales, demográficos y económicos. Este artículo propone un método para analizar la deserción académica en el contexto de un programa de pregrado en Ingeniería de Sistemas y Computación. Proporciona una vista de esta problemática desde la perspectiva ofrecida por KDD (descubrimiento de conocimiento en bases de datos) y usa técnicas para descubrir patrones de comportamiento asociados con dicha problemática. A diferencia de otros trabajos similares, esta propuesta considera variables planteadas por las pruebas BADyG. Este trabajo proporcionará apoyo al proceso de toma de decisiones y fomentará la creación de planes de acción por parte de las instituciones de educación superior con el propósito de reducir la preocupante tasa de deserción estudiantil.spa
dc.format.mimetypeapplication/pdfspa
dc.format.mimetypeText/htmlspa
dc.language.isoengspa
dc.language.isospaspa
dc.publisherUniversidad Autónoma de Bucaramanga UNAB
dc.relationhttps://revistas.unab.edu.co/index.php/rcc/article/view/3608/3032
dc.relationHttps://revistas.unab.edu.co/index.php/rcc/article/view/3608/3008
dc.relation.urihttps://revistas.unab.edu.co/index.php/rcc/article/view/3608
dc.rightsDerechos de autor 2019 Revista Colombiana de Computación
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.sourceRevista Colombiana de Computación; Vol. 20 Núm. 1 (2019): Revista Colombiana de Computación; 72-82
dc.titleAnálisis de deserción estudiantil en un programa de pregrado en Ingeniería de sistemas y computación
dc.title.translatedAnalysis of student desertion in a systems and computing engineering undergraduate program
dc.publisher.facultyFacultad Ingeniería
dc.publisher.programPregrado Ingeniería de Sistemas
dc.type.driverinfo:eu-repo/semantics/article
dc.type.localArtículospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsData miningeng
dc.subject.keywordsStudent desertioneng
dc.subject.keywordsKDDeng
dc.subject.keywordsPatternseng
dc.subject.keywordsCRISP-DMeng
dc.subject.keywordsAnalysiseng
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga UNABspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.relation.referencesArgote, I., & Jiménez, R. (2016). Detección de patrones de deserción en los programas de pregrado de la Universidad Mariana de San juan de Pasto, aplicando el proceso de KDD y su implementación en modelos matemáticos de predicción. In Conferencia Latinoamericana sobre Abandono en la Educación Superior. Ponencias de Congresos CLABES (pp. 1–7). Retrieved from http://revistas.utp.ac.pa/index.php/clabes/article/view/991
dc.relation.referencesCastro, L. F., Espitia E., & Montilla A. (2018). Applying CRISP-DM in a KDD process for the analysis of student attrition. Communications in Computer and Information Science. Springer, 885, 386-401
dc.relation.referencesChapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-DM 1.0 Step-by-step data mining guide
dc.relation.referencesCruz O., D., & Ortega C., J. (2008). Análisis de la deserción estudiantil en la facultad de Ciencias Exactas y Naturales de la Universidad de Nariño desde la cohorte 2001-2 hasta la cohorte 2006-2 utilizando el sistema SPADIES. Retrieved from http://sired.udenar.edu.co/214
dc.relation.referencesEckert, K. B., & Suénaga, R. (2015). Análisis de Deserción-Permanencia de Estudiantes Universitarios Utilizando Técnica de Clasificación en Minería de Datos. Formación Universitaria, 8(5), 03-12. https://doi.org/10.4067/S0718-50062015000500002
dc.relation.referencesFayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). The KDD process for extracting useful knowledge from volumes of data. Communications of the ACM, 39(11), 27–35
dc.relation.referencesGalvis, D. (2007). Estudio sobre la deserción estudiantil en la Universidad del Quindío. Retrieved from https://catalogo.uniquindio.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=33407
dc.relation.referencesHernán Cáceres, J., & González Cardona, J. C. (2011). Sistema de apoyo para la acreditación de la calidad de programas académicos de la Universidad de Caldas, aplicando técnicas en minería de datos. Universidad Autónoma de Manizales. Retrieved from http://repositorio.autonoma.edu.co/jspui/handle/11182/38
dc.relation.referencesHernández Cáceres, J. (2011). Descubrimiento de conocimiento en la base de datos académica de una institución de educación superior usando redes neuronales. Vector, 7–19
dc.relation.referencesHernández Cáceres, J., & Gallego Gallego, M. (2014). Descubrimiento de conocimiento en una empresa de outsourcing de TI de la ciudad de Medellín aplicando técnicas de minería de datos que permita identificar potencialidades en el éxito de los proyectos de desarrollo de software. Universidad Autónoma de Manizales. Retrieved from http://repositorio.autonoma.edu.co/jspui/handle/11182/51
dc.relation.referencesHernández Cáceres, J., & Gutiérrez, J. E. (2012). Descubrimiento de conocimientos en la base de datos académica de la Universidad Autónoma de Manizales aplicando redes neuronales. Universidad Autónoma de Manizales. Retrieved from http://repositorio.autonoma.edu.co/jspui/handle/11182/39
dc.relation.referencesLinoff, G., & Berry, M. (2011). Why and What is Data Mining? In Data Mining Techniques
dc.relation.referencesParamo, G. J., & Correa Maya, C. A. (1999). Deserción estudiantil universitaria. Conceptualización. Revista Universidad EAFIT, 35(114), 65–78. Retrieved from http://publicaciones.eafit.edu.co/index.php/revista-universidad-eafit/article/view/1075
dc.relation.referencesSalazar, A., Gosalbez, J., Bosch, I., Miralles, R., & Vergara, L. (2004). A case study of knowledge discovery on academic achievement, student desertion and student retention. In ITRE 2004. 2nd International Conference Information Technology: Research and Education (pp. 150–154). IEEE. https://doi.org/10.1109/ITRE.2004.1393665
dc.relation.referencesSanthanakumar, M., & Christopher Columbus, C. (2015). Web Usage Based Analysis of Web Pages Using RapidMiner. WSEAS Transactions on Computers, 14, 455–464
dc.relation.referencesSotomonte-Castro, J. E., Rodríguez-Rodríguez, C. C., Montenegro-Marín, C. E., Gaona-García, P. A., & Castellanos, J. G. (2016). Hacia la construcción de un modelo predictivo de deserción académica basado en técnicas de minería de datos - Towards the construction of a predictive model of academic desertion based on data mining techniques. Revista Científica, 3(26), 35. https://doi.org/10.14483/23448350.11089
dc.relation.referencesTimarán Pereira, S. R., & Jiménez Toledo, J. (2015). Extracción de perfiles de deserción estudiantil en la institución universitaria CESMAG. InvestigiumIre: Ciencias Sociales y Humanas, 6(1), 30–44. https://doi.org/10.15658/CESMAG15.05060103
dc.relation.referencesVélez Bedoya, J. I., & Salcedo Toro, D. F. (2015). Tendencias y características de los viajeros que visitan la ciudad de Pereira por medio de técnicas de minería de datos. Universidad Autónoma de Manizales. Retrieved from http://repositorio.autonoma.edu.co/jspui/handle/11182/59
dc.relation.referencesYuste Hernanz, C., & Martínez Arias, M. del R. (2005). BADyG S batería de aptitudes diferenciales y generales. (CEPE, Ed.)
dc.subject.lembCiencia de los computadores
dc.subject.lembTecnología
dc.subject.lembTIC´S
dc.identifier.repourlrepourl:https://repository.unab.edu.co
dc.description.abstractenglishData mining techniques are mainly focused on supporting the decision makers in a specific organization. Student attrition is a common phenomenon that worries public and private universities, which are affected financially and socially. Several studies have addressed this issue. However, they have mainly focused on academic, social, demographic, and economic aspects. In this paper, we propose a method for analyzing academic desertion in the context of a Systems and Computing Engineering undergraduate program by providing a view of this issue from a KDD (knowledge discovery in databases) perspective and using techniques for identifying students’ behavioral patterns. Unlike other proposals, we also consider variables provided by the BADyG test. This proposal is important because it will support higher education institutions in decision-making and creating action plans to reduce the high rate of student attrition.eng
dc.subject.proposalMinería de datos
dc.subject.proposalDeserción estudiantil
dc.subject.proposalPatrones
dc.subject.proposalCRISP-DM
dc.subject.proposalAnálisis
dc.identifier.doi10.29375/25392115.3608
dc.type.redcolhttp://purl.org/redcol/resource_type/CJournalArticle
dc.rights.creativecommonsAttribution-NonCommercial-ShareAlike 4.0 International*


Files in this item

Thumbnail
Name:
2019_Análisis_de_deserción_est ...
Size:
987.2Kb
Format:
PDF
Description:
Articulo
View/Open

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-ShareAlike 4.0 International
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-ShareAlike 4.0 International