Número completo
Full number
Minería de datos educacional en la UNCAus
David L. La Red Martínez. Universidad Nacional del Chaco Austral - UNCAus, Sáenz Peña - Chaco, Argentina.
Stella M. Gerzel. Universidad Nacional del Chaco Austral - UNCAus, Sáenz Peña - Chaco, Argentina.
Resumen/Abstract
-
Resumen / Abstract
En este artículo se comentan los principales aspectos de un proyecto de investigación que utilizará minería de datos educacional aplicada al rendimiento académico. El proyecto es continuación de varios proyectos realizados en la Universidad Nacional del Nordeste (Argentina), en la Universidad Tecnológica Nacional Regional Resistencia (Argentina) y en la Universidad Nacional del Este (Paraguay); en todos ellos se utilizó minería de datos educacional para generar modelos descriptivos y predictivos de rendimiento académico en función del perfil de los alumnos de distintas asignaturas. Se trabajará en encontrar las variables que inciden en el rendimiento académico de los alumnos de las asignaturas “Algoritmos y Estructuras de Datos” y “Sistemas y Organizaciones”, para orientar las acciones que permitan intentar evitar la deserción, considerando las situaciones que se detecte que la generan. El tema es de plena vigencia, actualidad y aplicación en la UNCAus. El proyecto permitirá extraer conclusiones y experiencias concretas, de todos y cada uno de los aspectos que deben considerarse en la detección de las variables que inciden en el rendimiento académico de los alumnos.
Palabras Clave/Keywords
-
Palabras Clave / Keywords
Rendimiento Académico, Minería de Datos Educacional, Prevención de la Deserción.
Referencias/References
-
Referencias / References
1. Grimaldo, M., Manzanares-Medina, E.: Variables intervinientes en el rendimiento académico en ingresantes de una universidad privada de Lima. Revista Electrónica Educare (Educare Electronic Journal) 27(1), 1-14 (2023).
2. Houston, D. M., Henig, J. R.: The “Good” Schools: Academic Performance Data, School Choice, and Segregation. AERA Open 9(1), 1-18 (2023).
3. Matheny, K. T., Thompson, M. E., Townley-Flores, C.: Uneven Progress: Recent Trends in Academic Performance Among U.S. School Districts. American Educational Research Journal 60(3), 447-485 (2023).
4. Acosta, J. C., La Red Martínez, D. L.: Análisis de algunas variables para determinar perfiles de desempeño académico en la UNNE. In: Antonella Carvalho de Oliveira (ed.) International Journal of Human Sciences Research. Atena Editora, Ponta Grossa, PR, Brasil (2022).
5. La Red Martínez, D. L., Karanik, M., Giovannini, M., Pinto, N.: Academic Performance Profiles: A Descriptive Model Based on Data Mining. European Scientific Journal (ESJ) 11(9), 17‐38 (2015).
6. La Red Martínez, D. L., Karanik, M., Giovannini, M., Pinto, N.: Perfiles de Rendimiento Académico: Un Modelo Basado en Minería de Datos. Revista Científica Iberoamericana de Tecnología Educativa - Scientific Journal of Educational Technology 4(1), 12‐30 (2015).
7. La Red Martínez, D. L., Karanik, M., Giovannini, M. E.: Academic achievement profiles: An intelligent predictive model based on data mining. Academia Journal of Educational Research 6(12), 279-289 (2018).
8. La Red Martínez, D. L., Bobadilla, G. M., Delgado, L., Ayala, K.: Detección de Perfiles de Rendimiento Académico en la Universidad Nacional del Este de Paraguay. European Scientific Journal (ESJ) 16(36), 138-157 (2020).
9. Mengash, H. A.: Using Data Mining Techniques to Predict Student Performance to Support Decision Making in University Admission Systems. IEEE Access 8, 55462-55470 (2020).
10. Xiao, W., Ji, P., Hu, J.: A survey on educational data mining methods used for predicting students’ performance. Engineering Reports 4(5), e12482 (2022).
11. Shafiq, D. A., Marjani, M., Habeeb, R. A. A., Asirvatham, D.: Student Retention Using Educational Data Mining and Predictive Analytics: A Systematic Literature Review. IEEE Access 10, 72480-72503 (2022).
12. Cardona, T., Cudney, E. A., Hoerl, R., Snyder, J.: Data Mining and Machine Learning Retention Models in Higher Education. Journal of College Student Retention: Research, Theory & Practice 25(1), 51-75 (2023).
13. Quy, T. L., Friege, G., Ntoutsi, E.: A review of clustering models in educational data science towards fairness-aware learning. In: Peña-Ayala, A. (ed.) Educational Data Science: Essentials, Approaches, and Tendencies, Springer (2023).
14. La Red Martínez, D. L., Bobadilla Almada, G.: Estudio del rendimiento académico y detección temprana de perfiles de alumnos en la Facultad Politécnica de la Universidad Nacional del Este de Paraguay. In: Iriondo Otero, W. R., Bras Ruiz, I. I., Mussi Escobar, P. (eds.) Utilizando tecnologías en la educación para fortalecer la práctica docente en América Latina. Revisiones teóricas - Experiencias prácticas, Colombia (2016).
15. La Red Martínez, D. L., Acosta, J. C., Agostini, F., Uribe, V. E., Rambo, A. R.: La Importancia Otorgada al Estudio y su Relación con el Rendimiento Académico. Revista Documentación 4(24), 54-62 (2011).
16. La Red Martínez, D. L., Acosta, J. C., Uribe, V. E., Rambo, A. R.: Academic Performance: An Approach From Data Mining. Journal of Systemics, Cybernetics and Informatics 10(1), 66-72 (2012).
17. La Red Martínez, D. L., Karanik, M., Giovannini, M., Scappini, R.: Towards to a Predictive Model of Academic Performance Using Data Mining in the UTN-FRRe. Journal of Systemics, Cybernetics and Informatics 14(2), 36-41 (2016).
18. La Red Martínez, D. L., Giovannini, M. E., Báez Molinas, M. E., Torre, J. I., Yaccuzzi, N.: Educational Data Mining - An Experience in UTN FRRe. The 9th International Multi-Conference on Complexity, Informatics and Cybernetics (IMCIC) 1, 86-90 (2018).
19. La Red Martínez, D. L., Gerzel, S. M., Aguirre, C. E., Cáceres, R. A., Berecoechea Galarza, J. A.: Uso de Minería de Datos Para la Determinación de Perfiles Socioeconómicos y Sanitarios en la UNCAus. European Scientific Journal (ESJ) 16(33), 88-104 (2020).
20. La Red Martínez, D. L., Gerzel, S. M., Aguirre, E., Cáceres, R. A., Berecoechea Galarza, J. A., Vallejo, S.: Determinación de perfiles socioeconómicos y sanitarios de las personas atendidas en las campañas efectuadas como actividades curriculares de la carrera de Medicina de la UNCAus en su área de influencia. In: XXIV Workshop de Investigadores en Ciencias de la Computación - WICC - 2022, 133-137, Argentina (2022).
Cómo citar/How to cite
-
Cómo citar / How to cite
La Red Martínez, D. L., y Gerzel, S. M. (2024). Minería de datos educacional en la UNCAus. En C. Rusu et al., (1ª ed.), Transformación digital en la educación: innovaciones y desafíos (pp. 17-21). Huelva (España): United Academic Journals (UA Journals). https://doi.org/10.54988/uaj.000029.002
