|
|
|
|
| LEADER |
00000naa a2200000 a 4500 |
| 003 |
AR-LpUFIB |
| 005 |
20250311171139.0 |
| 008 |
230201s2013 xx o 000 0 spa d |
| 024 |
8 |
|
|a DIF-M6808
|b 6945
|z DIF006215
|
| 040 |
|
|
|a AR-LpUFIB
|b spa
|c AR-LpUFIB
|
| 100 |
1 |
|
|a Formia, Sonia
|
| 245 |
1 |
0 |
|a Caracterización de la deserción universitaria en la UNRN utilizando minería de datos :
|b un caso de estudio
|
| 300 |
|
|
|a 1 archivo (574,2 kB)
|
| 500 |
|
|
|a Formato de archivo: PDF. -- Este documento es producción intelectual de la Facultad de Informática - UNLP (Colección BIPA/Biblioteca)
|
| 520 |
|
|
|a En el ámbito de la Universidad Nacional de Río Negro (UNRN), y en particular en la Sede Atlántica desde la Licenciatura en Sistemas, es una creciente preocupación el fenómeno de deserción y desgranamiento que se ha podido apreciar en los cuatro primeros años de vida de la Institución. El presente trabajo describe el proceso de identificación de las características más relevantes del problema a través de las cuales, utilizando técnicas de Minería de Datos (DM), puede obtenerse un modelo de la deserción universitaria en la unidad académica mencionada. Para identificar las características más relevantes se propone analizar, luego del preprocesamiento de los datos, las proyecciones de los atributos en las clases o respuestas esperadas. Su aplicación a los datos de los alumnos de las carreras de grado de la UNRN ha ofrecido resultados satisfactorios permitiendo efectuar recomendaciones tendientes a reducir el porcentaje de alumnos que abandona la carrera. At the National University of Río Negro (UNRN), and its Atlantic Coast Delegation in particular, it is an increasing concern for the courses corresponding to the Bachelor's Degree in Systems, the drop-out and crumbling rates observed in the first four years of the Institution. This paper describes the process of identifying the most relevant features of the problem through which, using Data Mining (DM) techniques, a college drop-out model can be obtained for the academic unit mentioned above. In order to identify the most relevant features, after processing the data we will analyze attribute projections for the expected classes or responses. The results of its application to the student data from the courses of the UNRN have been satisfactory, which allows making some recommendations aimed at reducing the percentage of students who drop put from their courses.
|
| 534 |
|
|
|a Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología , 11, pp. 92-98.
|
| 650 |
|
4 |
|a MINERÍA DE DATOS
|
| 650 |
|
4 |
|a EDUCACIÓN
|9 1801
|
| 700 |
1 |
|
|a Lanzarini, Laura Cristina
|
| 700 |
1 |
|
|a Hasperué, Waldo
|
| 856 |
4 |
0 |
|u http://goo.gl/L5tdao
|
| 942 |
|
|
|c CP
|
| 952 |
|
|
|0 0
|1 0
|4 0
|6 A0550
|7 3
|8 BD
|9 81175
|a DIF
|b DIF
|d 2025-03-11
|l 0
|o A0550
|r 2025-03-11 17:04:24
|u http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=841
|w 2025-03-11
|y CP
|
| 999 |
|
|
|c 55996
|d 55996
|
