Modelo de pronóstico de riesgo académico de los alumnos de pregrado de la Universidad Nacional de Ingeniería

Palabras clave: Machine learning, integración de datos, predicción

Resumen

El presente trabajo de investigación usó información no estructurada generada en las unidades académicas de la Universidad Nacional de Ingeniería, a fin de predecir el nivel de riesgo académico de un estudiante, haciendo uso de técnicas de Machine Learning.

Las fases en que se consideraron fueron:

  1. Construcción del datamart: En esta fase se realizó integración de datos de las diferentes fuentes para construir el repositorio de datos objetivo, el cual se dividió en datos de entrenamiento y datos de prueba.  
  2. Entrenamiento del modelo: Elaboración del modelo de entrenamiento basado en los datos del datamart, aplicando Maquina de Soporte Vectorial.
  3. Validación y prueba del modelo: Evaluación del modelo obtenido anteriormente, usando los datos de prueba del datamart.

Citas

Adams Harding, A., & Gingras, R. (2018). Google News Initiative. Obtenido de NewsConsumer Insights Playbook:
https://newsinitiative.withgoogle.com/training/states/consumer_insights/pdfs/gni-new-consumer-insights-playbook.pdf
DBi Data Business Intelligence - Havas. (2019). Obtenido de Google Analytics: ¿Y tú qué necesitas? ¿la versión gratuita o 360?: https://dbibyhavas.io/es/blog/google-analytics-y-tu-que-necesitas-la-version-gratuita-o-360/
Google Analytics Developers. (2019). Obtenido de Enviar datos a Google Analytics: https://developers.google.com/analytics/devguides/collection/analyticsjs/sending-hits?hl=es-419
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2017). An Introduction to Statistical Learning with Applications in R. California: Springer.
Jeffares, A. (Noviembre de 2019). Towards Data Science. Obtenido de K-means: A Complete Introduction: https://towardsdatascience.com/k-means-a-complete-introduction-1702af9cd8c
Kladnik, M., Stopar, L., Fortuna, B., & Mladenić, D. (2017). Audience Segmentation Based on Topic Profiles. Jožef Stefan Institute and Jožef Stefan International Postgraduate School, 1.
Lopez, G., Seaton, D. T., Ang, A., Tingley, D., & Chuang, I. (2017). Google BigQuery for Education: Framework for Parsing and Analyzing edX MOOC Data. L@S '17: Proceedings of the Fourth (2017) ACM Conference on Learning @ Scale.
Syakur, M. A., Khotimah, B. K., Rochman, E. M., & Satoto, B. D. (2018). Integration K-Means Clustering Method and Elbow Method For Identification of The Best Customer Profile Cluster. IOP Conference Series: Materials Science and Engineering, 1.
Publicado
2020-11-13
Cómo citar
Garrafa Aragón, H., & Soto-Rodríguez, I. (2020). Modelo de pronóstico de riesgo académico de los alumnos de pregrado de la Universidad Nacional de Ingeniería. Revista IECOS, 21(1), 121-129. https://doi.org/10.21754/iecos.v21i1.1073
Sección
Artículos