Hola

Minería de Datos aplicada al análisis de la deserción en la Carrera de Analista en Sistemas de Computación.
J. G. A. PAUTSCH, D. L. LA RED MARTINEZ, L. A. CUTRO Dpto. Informática. FCEQyN. Univ. Nac. de Misiones (3300) Posadas. Argentina E-mail: gpautsch@fceqyn.unam.edu.ar 24 de Febrero de 2010

ABSTRACT En la presente investigación se realizó una Minería de Datos sobre el Cubo 04Desgranamiento, exportado del Sistema de Gestión Académica SIU-Guaraní, provistos por el Ministerio de Educación, Ciencia y Tecnología de la Nación. El objetivo principal fue maximizar la calidad que los modelos tienen para clasificar y agrupar a los estudiantes, de acuerdo a sus características académicas, factores sociales y demográficos, que han desertado de la Carrera Analista en Sistemas de Computaciónde la Facultad de Ciencias Exactas, Químicas y Naturales de la Universidad Nacional de Misiones. Luego, estos modelos fueron utilizados para realizar pronósticos sobre el resto de los alumnos. El proyecto se desarrolló bajo la metodología de libre difusión Crisp-DM y con la herramienta comercial IBM DB2 Warehouse (versión 9.5). La calidad de los modelos obtenidos a través de la clasificación conárboles de decisión superó a la técnica de agrupamiento a través de la generación de clústeres y ambas han superado ampliamente lo planteado. Palabras Claves: Minería de datos, clasificación, agrupamiento, almacenes de datos, descubrimiento de conocimiento, deserción universitaria, perfiles de alumnos. 1 INTRODUCCIÓN Todos los días, y casi sin darnos cuenta, se generan gran cantidad de datosinformatizados. W.J. Frawley y otros[1],

estiman que las bases de datos (BD) de las organizaciones se duplican cada veinte (20) meses. Por el contrario las técnicas de análisis de esta información no han tenido un desarrollo equivalente. Muchas organizaciones mantienen grandes BD. Dentro de esta masa de datos hay información oculta de gran importancia que, aplicando procesos de Minería de Datos(MD) (data mining), se podría llegar a descubrir. (Figura 1.1)

Figura 1.1. Tipos de conocimiento.

Se estima que un 80% de la información contenida en una BD corresponde al conocimiento evidente (fácilmente recuperable). El otro 20% requiere de técnicas más complejas para su obtención (Figura 1.2) Puede que esta cifra parezca despreciable, pero la información oculta en ese pequeño porcentajepuede ser de vital importancia para el éxito de la empresa u organización.

1

Figura 1.2. Relación entre potencial de análisis y complejidad.

Lo que se busca con esta tecnología es revelar conocimiento oculto útil y no evidente a partir de grandes BD [2]. Desde la década pasada la MD se ha ido incorporando a las organizaciones para constituirse en un apoyo esencial en el proceso de toma dedecisiones. 2 OBJETIVO PRINCIPAL Hoy día la Universidad Nacional de Misiones cuenta con el Sistema de Gestión Académica SIU-Guaraní (SIU-G). Su sigla significa Sistema de Información Universitaria y “es un consorcio de universidades que desarrolla soluciones informáticas y brinda servicios para el Sistema Universitario Nacional y distintos organismos de gobierno. Su objetivo es contribuir amejorar la gestión de las instituciones, permitiéndoles contar con información segura, íntegra y disponible, optimizar sus recursos y lograr que el software sea aprovechado en toda su potencialidad.” [18]. El sistema, produce una gran cantidad de datos, los cuales pueden ser muy valiosos, pero que resultan muy difíciles de analizar (debido a su volumen) por las autoridades; aún con el uso de lasherramientas estadísticas, esta tarea se dificulta. Dentro de esta masa de datos hay información oculta de gran importancia que se podría llegar a descubrir con técnicas de MD. Realizando un relevamiento preliminar, se observó que en el SIU-G

existe un módulo (Interfaz) que exporta varios Data Mart de una DW. Los mismos están orientados al OLAP y abarcan diferentes temáticas. Luego de analizar...