Análisis descriptivo y prescriptivo con la información de caracterización de los estudiantes UNAD
| dc.contributor.advisor | García Bedoya, Olmer | |
| dc.coverage.spatial | Colombia | spa |
| dc.creator | León Ayala, Mauricio | |
| dc.creator.degree | Magíster en Ingeniería y Analítica de Datos | spa |
| dc.date.accessioned | 2021-02-02T01:24:18Z | |
| dc.date.available | 2021-02-02T01:24:18Z | |
| dc.date.created | 2020 | |
| dc.description.abstract | El an´alisis de la informaci´on generada por los estudiantes a trav´es de la plataforma MOODLE, se convierte en un opcio´n muy importante a la hora de conocer patrones acad´emicos, con el objetivo de establecer estrategias que conlleven a una mejor interaccio´n entre los actores involucrados en este proceso, ayudando a determinar las mejores opciones en cuanto a franjas horarias y d´ıas de la semana por ejemplo, para el desarrollo de actividades escolares dentro de las cuales se puede incrementar el nivel de acceso por parte de los estudiantes y de esta forma mejorar la calidad de los cursos ofrecidos y el aprendizaje. Estos datos son analizados desde las perspectiva de las anal´ıticas descriptiva que permite conocer la situacio´n actual con la informaci´on generada por cada estudiante dentro de la plataforma MOODLE, la anal´ıtica predictiva que muestra que puede suceder de acuerdo a la informacio´n anterior y prescriptiva con la cual se puede sugerir acciones a tener en cuenta, convirtiendo as´ı estos datos en informaci´on de valor con respecto, tanto al conocimiento de los datos histo´ricos, como la generacio´n de posibles escenarios que pueden suceder con base en lo que ha venido pasando en periodos acad´emicos anteriores, esto con el fin de encontrar patrones comportamentales desde la perspectiva acad´emica para mejorar la interaccio´n entre las partes. Los sistemas de informacio´n Learnig Management System (LMS) han evolucionado notoriamente con el paso del tiempo, y esto a su vez a permitido un crecimiento bastante importante en la educacio´n virtual tanto en Colombia como a nivel mundial. Teniendo en cuenta los ana´lisis realizados en este trabajo se puede tener un mayor conocimiento acerca de las caracter´ısticas de los estudiantes y generar pron´osticos con el objetivo de mejorar la interaccio´n acad´emica entre alumnos y la comunidad educativa en general. | spa |
| dc.description.abstractenglish | The analysis of the information generated by the students through the MOODLE platform, becomes a very important option when it comes to knowing academic patterns, with the aim of establishing strategies that lead to a better interaction between the actors involved in this process, helping to determine the best options in terms of time slots and days of the week for example, for the development of school activities within which the level of access can be increased by students and This way improve the quality of the courses offered and learning. These data are analyzed from the perspective of descriptive analytics that allows know the current situation with the information generated by each student within the MOODLE platform, predictive analytics that shows what can happen according to the previous and prescriptive information with which you can suggest actions to take into account, converting how this data into valuable information regarding, both the knowledge of historical data, such as the generation of possible scenarios that may occur based on in what has been happening in previous academic periods, this in order to find behavioral patterns from an academic perspective to improve the interaction between the parts. The information systems Learnig Management System (LMS) have evolved significantly over time, and this in turn has allowed quite a growth important in virtual education both in Colombia and worldwide. Having in account of the analyzes carried out in this work, it is possible to have a greater knowledge about characteristics of the students and generate forecasts with the aim of improving academic interaction between students and the educational community in general. | spa |
| dc.description.hashtag | #AnálisisDescriptivoPrescriptivoInformaciónEstudiantesUNAD | spa |
| dc.description.hashtag | #AnálisisDescriptivoPrescriptivoCaracterizaciónEstudiantesUNAD | spa |
| dc.format.extent | 58 páginas | spa |
| dc.format.mimetype | application/pdf | spa |
| dc.identifier.repourl | http://expeditio.utadeo.edu.co | spa |
| dc.identifier.uri | https://hdl.handle.net/20.500.12010/16988 | |
| dc.language.iso | spa | spa |
| dc.publisher | Universidad de Bogotá Jorge Tadeo Lozano | spa |
| dc.publisher.program | Maestría en Ingeniería y Analítica de Datos | spa |
| dc.relation.references | L. M. S. Fonseca, “La evaluacio´n y su incidencia en la deserci´on escolar:¿ falla de un sistema, de las instituciones educativas, del docente o del estudiante?” Educaci´on y humanismo, vol. 18, no. 31, pp. 313–325, 2016. | spa |
| dc.relation.references | J. Sa´nchez, “Relaci´on entre los modelos de series de tiempo univariadas con los modelos de series multivariadas,” Ph.D. dissertation, Universidad de Narin˜o, 2013. | spa |
| dc.relation.references | N. Medina Vela, P. J. Urbano Lozano et al., “Estudio de educacio´n superior a distancia en colombia: una reflexi´on de la modalidad como solucio´n a los requerimientos del siglo xxi.” | spa |
| dc.relation.references | N. E. Parra Acevedo et al., “Entornos educativos saludables en los programas ofertados por la universidad nacional abierta ya distancia unad-ccav dosquebradas.” | spa |
| dc.relation.references | A. Romualdo Rosario, “Factores socioecon´omicos en la desercio´n estudiantil universitaria de la universidad nacional daniel alcides carri´on, pasco 2018,” 2020. | spa |
| dc.relation.references | ´A. E. Torres-Zapata, J. R. Dom´ınguez, P. F. L´opez, M. d. P. G. Reyes, and D. A. C. Trejo, “Reprobaci´on, s´ıntoma de desercio´n escolar en licenciatura en nutrici´on de la universidad auto´noma del carmen,” RIDE Revista Iberoamericana para la Investigaci´on y el Desarrollo Educativo, vol. 10, no. 20, 2020. | spa |
| dc.relation.references | J. La Madriz, “Factores que promueven la desercio´n del aula virtual,” Orbis. Revista Cient´ıfica Ciencias Humanas, vol. 12, no. 35, pp. 18–40, 2016. | spa |
| dc.relation.references | B. R. P´erez-Guti´errez, “Comparaci´on de t´ecnicas de miner´ıa de datos para identificar indicios de desercio´n estudiantil, a partir del desempen˜o acad´emico,” Revista UIS Ingenier´ıas, vol. 19, no. 1, pp. 193–204, 2020 | spa |
| dc.relation.references | A. Viloria, J. G. Guliany, W. N. Nu´n˜ez, H. H. Palma, and L. N. Nu´n˜ez, “Data mining applied in school dropout prediction,” in Journal of Physics: Conference Series, vol. 1432, no. 1. IOP Publishing, 2020, p. 012092. | spa |
| dc.relation.references | F. d. J. N. Ca´rdenas, E. A. Herna´ndez, A. E. G. Zenil, A. M. F. Redondo et al., “Application method of data mining using the k means algorithm for the determination of stress level in high school students using the beck depression inventory,” Ciencia Huasteca Bolet´ın Cient´ıfico de la Escuela Superior de Huejutla, vol. 8, no. 15, pp. 1–8, 2020. | spa |
| dc.relation.references | J. G. L´opez Mart´ınez and ´O. A. M´endez Aguirre, “T´ecnicas de machine learning para la predicci´on de desempen˜o acad´emico en el desarrollo del espacio proyectivo del pensamiento espacial,” 2020. | spa |
| dc.relation.references | D. G. D´ıaz, J. P. Alcaraz, M. G. Mart´ınez, and C. H. Jacome, “Nodes: Plataforma para la predicci´on de deserci´on escolar utilizando t´ecnicas de inteligencia artificial.” | spa |
| dc.relation.references | N. Bedregal-Alpaca, D. Aruquipa-Velazco, and V. Cornejo-Aparicio, “T´ecnicas de data mining para extraer perfiles comportamiento acad´emico y predecir la desercio´n universitaria,” Revista Ib´erica de Sistemas e Tecnologias de Informa¸c˜ao, no. E27, pp. 592–604, 2020. | spa |
| dc.relation.references | S. Bouktif, A. Fiaz, A. Ouni, and M. A. Serhani, “Multi-sequence lstm-rnn deep learning and metaheuristics for electric load forecasting,” Energies, vol. 13, no. 2, p. 391, 2020. | spa |
| dc.relation.references | C.-F. Tsai, C.-T. Tsai, C.-S. Hung, and P.-S. Hwang, “Data mining techniques for identifying students at risk of failing a computer proficiency test required for graduation,” Australasian Journal of Educational Technology, vol. 27, no. 3, 2011. | spa |
| dc.relation.references | J. Villavicencio, “Introduccio´n a series de tiempo,” Puerto Rico, 2010. | spa |
| dc.relation.references | C. H. A. Irgoin et al., “An´alisis de series de tiempo,” Contribuciones a la Econom´ıa, no. 2011-02, 2011. | spa |
| dc.relation.references | J. Contreras, R. Espinola, F. J. Nogales, and A. J. Conejo, “Arima models to predict next-day electricity prices,” IEEE transactions on power systems, vol. 18, no. 3, pp. 1014–1020, 2003. | spa |
| dc.relation.references | H. Urbisaia and J. Brufman, “Ana´lisis de series de tiempo univariadas y multivariadas,” Cooperativas, Buenos Aires, 2001. | spa |
| dc.relation.references | J. A. P´erez-Ortiz, “Modelos predictivos basados en redes neuronales recurrentes de tiempo discreto,” 2002. | spa |
| dc.relation.references | J. Torres, “Redes neuronales recurrentes,” Sep 2019. [Online]. Available: https: //torres.ai/redes-neuronales-recurrentes/ | spa |
| dc.relation.references | g. lstm, “Understanding lstm networks.” [Online]. Available: https://colah.github.io/ posts/2015-08-Understanding-LSTMs/ | spa |
| dc.relation.references | Y. Zhang, “Converging data storytelling and visualisation,” in International Conference on Entertainment Computing. Springer, 2018, pp. 310–316. | spa |
| dc.relation.references | A. Bovo, S. Sanchez, O. H´eguy, and Y. Duthen, “Clustering moodle data as a tool for profiling students,” in 2013 Second International Conference on E-Learning and ETechnologies in Education (ICEEE), 2013, pp. 121–126. | spa |
| dc.relation.references | G. AKC¸APINAR and A. BAYAZIT, “Moodleminer: Data mining analysis tool for moodle learning management system,” ˙Ilk¨o˘gretim Online, vol. 18, no. 1, pp. 406–415, 2019. | spa |
| dc.relation.references | C. Batanero, M. M. Gea, P. Arteaga, and G. Can˜adas, “Interpretando la correlacio´n,” 2016 | spa |
| dc.relation.references | J. F. B. Redondo, “Prueba de causalidad y determinacio´n de la nairu,” El Trimestre Econ´omico, pp. 663–692, 1999. | spa |
| dc.relation.references | J. C. Alonso et al., “Estimaci´on de modelos var, prueba de causalidad de granger y funcio´n impulso respuesta empleando easyreg,” Universidad Icesi, Tech. Rep., 2011. | spa |
| dc.relation.references | E. Lahura et al., El coeficiente de correlaci´on y correlaciones espu´reas. Pontificia Universidad Cato´lica del Peru´, Departmento de Econom´ıa, 2003, vol. 218. | spa |
| dc.relation.references | J. A. P. Ortiz, “Modelos predcitivos basados en redes neuronales recurrentes de tiempo discreto,” Universidad de Alicante. Departamento de lenguaje y sistemas inform´aticos.[Documento en l´ınea http://www. conicyt. cIl573 Modelos predictivos basados en redes neuronales recurrentes de tiempo discreto. pdf][22/07/08], 2002. | spa |
| dc.relation.references | M. Leon, “series de tiempo multivariadas.” [Online]. Available: https://gitlab. com/olmerg/moodle-unad/-/blob/dd52ac6591fdc75b44104ac8cf649521b9d463c3/ Seriesdetiempofranjashorarias.ipynb | spa |
| dc.relation.references | M. Acosta-Cervantes, M. Villarreal-Marroqu´ın, and M. Cabrera-R´ıos, “Estudio de validacio´n de un m´etodo para seleccionar t´ecnicas de pron´ostico de series de tiempo mediante redes neuronales artificiales,” Ingenier´ıa, investigaci´on y tecnolog´ıa, vol. 14, no. 1, pp. 53–63, 2013. | spa |
| dc.relation.references | M. G. Gomez Zermen˜o, “Sep prep´arate, modelos de educaci´on a distancia en el nivel medio superior: Estudio descriptivo sobre los modelos innovadores de educaci´on a distancia para adolescentes en condiciones de rezago.” Revista Q, vol. 6, no. 11, 2011. | spa |
| dc.relation.references | D. F. Herrera Cofre et al., “Predicci´on para el mercado de acciones con redes neuronales lstm,” 2020. | spa |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
| dc.rights.local | Abierto (Texto Completo) | spa |
| dc.source | instname:Universidad de Bogotá Jorge Tadeo Lozano | spa |
| dc.source | reponame:Expeditio Repositorio Institucional UJTL | spa |
| dc.subject | Análisis de información | spa |
| dc.subject | Plataforma Moodle | spa |
| dc.subject.lemb | Análisis de información | spa |
| dc.subject.lemb | Plataforma Moodle--Uso | spa |
| dc.subject.lemb | Educación por internet | spa |
| dc.subject.lemb | Autoaprendizaje | spa |
| dc.subject.lemb | Tecnologías de la información y la comunicación | spa |
| dc.title | Análisis descriptivo y prescriptivo con la información de caracterización de los estudiantes UNAD | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | spa |
| dc.type.driver | info:eu-repo/semantics/masterThesis | spa |
| dc.type.hasversion | info:eu-repo/semantics/acceptedVersion | spa |
| dc.type.local | Trabajo de grado de maestría | spa |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- ProyectoGradoMauricioLeon.pdf
- Tamaño:
- 1.59 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Ver documento
Bloque de licencias
1 - 1 de 1
Cargando...
- Nombre:
- license.txt
- Tamaño:
- 2.87 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: