Data Mining
Páginas: 2 (257 palabras)
Publicado: 1 de febrero de 2013
Se aplico Data Mining en un modelo descriptivo y predictivo, usando cluster y árboles de decisión, esto con la finalidad de conocer los perfiles de los alumnos desertores dela Pontificia Universidad Católica de Valparaíso (Ocaranza y Quiroz, 2005).
Deserción: “Retiro voluntario u obligatorio de los alumnos de una carrera al finalizar el primeraño académico.”
Este caso considera solo a alumnos de carreras de pregrado y con data se obtienen conclusiones validas. Para esto se usan base disponible en la Universidad,teniendo información de 12 años para la generación del modelo(19.695 registros)
Incluye 15 variables cuantitativas (o numéricas) y 15 cualitativas (o categóricas). Sonexcluidos elementos exógenos como variables macroeconómicas que afectan a la situación económica global del país. Los resultados descriptivos son basados en cluster (los alumnosdesertores y no desertores). Con este análisis se obtiene un conocimiento de las variables mas significativas en el cluster de alumnos desertores y así tener estrategias deintervención.
La universidad logro aumentar el porcentaje de aprobación de un 6% en el 2004 a un 59%. Esto para los alumnos que cursaban por primera vez una asignatura.
Parala validación de los resultados del modelo predictivo se consideró el año 2004, obteniéndose los siguientes resultados:
1. Con la totalidad de variables disponibles,
*Nivel de predictividad = 86,34% (predijo correctamente 2022 casos de un total de 2342).
2. Excluyendo variables cuantitativas
* Nivel de predictividad = 86,59%(predijo correctamente 2028 casos de un total de 2342).
Bibliografía:
http://apc.ubiobio.cl/noticias/view_vistas.shtml?cmd[18]=i-26-8418added1c10b94a125754ef51a7a6b
Deserción: “Retiro voluntario u obligatorio de los alumnos de una carrera al finalizar el primeraño académico.”
Este caso considera solo a alumnos de carreras de pregrado y con data se obtienen conclusiones validas. Para esto se usan base disponible en la Universidad,teniendo información de 12 años para la generación del modelo(19.695 registros)
Incluye 15 variables cuantitativas (o numéricas) y 15 cualitativas (o categóricas). Sonexcluidos elementos exógenos como variables macroeconómicas que afectan a la situación económica global del país. Los resultados descriptivos son basados en cluster (los alumnosdesertores y no desertores). Con este análisis se obtiene un conocimiento de las variables mas significativas en el cluster de alumnos desertores y así tener estrategias deintervención.
La universidad logro aumentar el porcentaje de aprobación de un 6% en el 2004 a un 59%. Esto para los alumnos que cursaban por primera vez una asignatura.
Parala validación de los resultados del modelo predictivo se consideró el año 2004, obteniéndose los siguientes resultados:
1. Con la totalidad de variables disponibles,
*Nivel de predictividad = 86,34% (predijo correctamente 2022 casos de un total de 2342).
2. Excluyendo variables cuantitativas
* Nivel de predictividad = 86,59%(predijo correctamente 2028 casos de un total de 2342).
Bibliografía:
http://apc.ubiobio.cl/noticias/view_vistas.shtml?cmd[18]=i-26-8418added1c10b94a125754ef51a7a6b
Leer documento completo
Regístrate para leer el documento completo.