18T00552

IBM Software
Business Analytics

Educación superior

Aplicaciones de minería
de datos en la educación
superior
Jing Luan, PhD
Vicerrector, Planificación y servicios educativos, San Mateo
Community College District Fundador, Jiluan Knowledge
Discovery Laboratory
Introducción
Contenido:
1 Introducción
1 Descripción general de la minería de
datos
2 La minería de datos en la educación
superior
8Acerca de IBM Business Analytics

Uno de los grandes retos a los que se enfrenta la educación superior hoy en
día es el pronóstico de las trayectorias individuales de los estudiantes y de los
antiguos alumnos. A las instituciones académicas les gustaría saber, por
ejemplo, qué estudiante se matriculará en un programa específico y qué
estudiante necesitará ayuda para graduarse, o qué ex-alumnoestá más abierto
a qué tipo de campaña de donaciones Además, los problemas comunes como
la gestión de las matrículas y el tiempo que tardará un estudiante en finalizar
sus estudios, continúan motivando a las instituciones de educación superior
para buscar mejores soluciones.
Una manera de afrontar eficazmente estos retos es mediante la minería de
grandes almacenes de datos presentes en los campusuniversitarios. La
minería de datos permite a las organizaciones descubrir y conocer los
patrones ocultos en grandes bases de datos. A continuación, estos patrones se
incorporan en modelos de minería de datos y se utilizan para pronosticar las
conductas individuales con gran precisión. Por ejemplo, la minería de datos
puede ofrecer a una institución académica la información necesaria para
tomarmedidas antes de que un estudiante abandone o para asignar de
manera eficaz los recursos a una estimación precisa del número de estudiantes que se matricularán en un determinado curso. Como resultado de este
tipo de información, las instituciones académicas pueden asignar los recursos
y su personal de manera más eficaz.
Este documento técnico trata de las funciones de la minería de datos y de susaplicaciones en la educación superior. Tres estudios de casos demuestran
cómo la minería de datos ahorra los recursos mientras potencia al máximo la
efectividad e incrementa la productividad sin que aumente el coste. El
documento empieza con una descripción general de las funciones de la
minería de datos.

Descripción general de la minería de datos
La minería de datos utiliza una combinación de base deconocimientos
explícita, conocimientos analíticos complejos y conocimiento de campo para
descubrir las tendencias y los patrones ocultos. Estas tendencias y patrones
forman la base de los modelos predictivos que permiten a los analistas
realizar nuevas observaciones de los datos existentes.

IBM Software
Business Analytics

La definición que ofrece Gartner Inc. acerca de la
minería de datos es lamás completa: “… el proceso
de descubrir nuevas correlaciones significativas,
patrones y tendencias examinando grandes
cantidades de datos almacenados en repositorios y
utilizando tecnologías de reconocimiento de patrones
así como técnicas matemáticas y estadísticas.”

Educación superior

Tenga en cuenta que la minería de datos no puede producirse sin una interacción
directa con datos unitarios.La minería de datos eclipsa a las pruebas estadísticas
tradicionales cuando se aplica a conjuntos de datos de gran tamaño o sin procesar
con cientos de miles o incluso millones de registros. Los expertos en minería de
datos utilizan algoritmos de minería de datos sin supervisar o supervisados y,
normalmente, en ese orden. La minería de datos sin supervisar ofrece información sobre patronesindividuales o grupales, y la minería de datos supervisada
realiza pronósticos. Esta última es mucho más conocida que la anterior.
Los proyectos de minería de datos más exitosos cumplen con las directrices y
etapas de CRoss-Industry Standard Process for Data Mining (CRISP-DM).
Al aumentar la demanda de la minería de datos y crearse más algoritmos,
CRISP-DM garantiza que todo el mundo pueda seguir las...