Aplicación de técnicas y estrategias de inteligencia de negocio para analizar/integrar información de los alumnos de la Facultad de Informática de la UNLP

Mostrar todas las versiones(2)
Detalles Bibliográficos
Autor Principal: Kruzylko Ostojic, Claudia Yanina
Otros autores o Colaboradores: Díaz, Francisco Javier, Amadeo, Ana Paola, Osorio, María Alejandra
Formato: Tesis
Lengua:español
Datos de publicación: 2013
Temas:
BASES DE DATOS
MINERÍA DE DATOS
PROCESAMIENTO DE DATOS
REDES SOCIALES
inteligencia de negocio
minería de datos aplicada a la educación
preprocesamiento de datos
perfiles de alumnos
análisis sociodemográfico
weka
Acceso en línea:Consultar en el Cátalogo
Descripción Física:134 p. : il. + 1 CD-ROM
Tabla de Contenidos:
  • PREFACIO
  • Introducción
  • Motivación
  • Objetivos
  • Problemática
  • Organización del documento
  • PARTE I
  • INVESTIGACIÓN TEÓRICA – CONCEPTUAL
  • 1 Capítulo 1 BI, KDD Y DM
  • 1.1 Datos, Información y conocimiento
  • 1.2 Business Intelligence
  • 1.3 BI y Analítica de Datos
  • 1.4 Knowledge Discovery in Database - KDD
  • 1.4.1 Pasos del proceso de KDD
  • 2 Capítulo 2 MINERÍA DE DATOS Y ESTILOS DE APRENDIZAJE 18
  • 2.1 Minería de Datos - DM
  • 2.2 Clasificación de minería de datos
  • 2.3 Pasos para el desarrollo de la fase de minería de datos
  • 2.4 Tareas de minería de datos
  • 2.5 Métodos ó técnicas de minería de datos
  • 2.6 Evaluación de los modelos
  • 2.6.1 Técnicas de evaluación de modelos
  • 2.7 Selección de una Técnica de Minería de Datos
  • 3 Capítulo 3 MINERÍA DE DATOS EDUCATIVA - EDM
  • 3.1 Introducción
  • 3.2 Ciclo y participantes de EDM
  • 3.3 Clasificación de EDM
  • 3.3.1 EDM orientado al sector administrativo y responsables académicos
  • 3.3.2 EDM orientado a los docentes
  • 3.3.3 EDM orientado a los alumnos
  • 3.4 Conclusión del capítulo
  • PARTE II
  • HERRAMIENTAS Y DATOS
  • 4 Capítulo 4 SISTEMAS Y HERRAMIENTAS DE MINERÍA DE
  • DATOS
  • 4.1 Librerías de minería de datos
  • 4.1.1 Xelopes
  • 4.1.2 MLC++
  • 4.2 Suites
  • 4.2.1 IBM - SPSS
  • 4.2.2 RapidMiner
  • 4.2.3 WEKA
  • 4.2.4 DBMiner
  • 4.2.5 SAS Enterprise Miner
  • 4.3 Herramientas específicas
  • 4.3.1 CART
  • 4.3.2 NeuroShell
  • 4.3.3 See5 / C5.0
  • 4.4 Cuadro comparativo
  • 5 Capítulo 5 POSIBLES FUENTES DE DATOS
  • 5.1 SIU
  • 5.1.1 SIU Guaraní
  • 5.2 Moodle
  • 5.3 WebUNLP
  • 5.4 Merán
  • PARTE III SOLUCIÓN PROPUESTA
  • 6 Capítulo 6 PRESENTACIÓN DE LA SOLUCIÓN PROPUESTA
  • 6.1Recursos Disponibles
  • 6.2 Sistemas y Datos Seleccionados
  • 6.2.1 Datos seleccionados del sistema SIU-Guaraní
  • 6.2.2 Datos seleccionados del sistema Moodle
  • 6.2.3 Datos seleccionados del sistema Merán
  • 6.3 Análisis propuestos
  • 6.4 Herramienta de minería de datos seleccionada
  • 6.5 Extracción de conocimiento
  • 6.5.1 Generación de las vistas minables
  • 6.5.2 Generación de los modelos
  • 6.5.3 Tareas y técnicas seleccionadas
  • 6.5.4 Algoritmos aplicados
  • 6.6Interfaz de interacción
  • 7 Capítulo 7 SELECCIÓN, PREPROCESAMIENTO Y
  • TRANSFORMACIÓN
  • 7.1Análisis socio-demográfico
  • 7.1.1 Exportación e importación de los datos
  • 7.1.2 Descripción de los datos recolectados
  • 7.1.3 Exploración y transformación de los datos
  • 7.1.3.1 Corte horizontal de FT_Desgranamiento_PersUA
  • 7.1.3.2 Atributos de FT_Desgranamiento_PersUA_Licenciatura
  • 7.1.3.3 Atributos Unidad Académica, Tipo Título Secundario y Carrera
  • 7.1.3.4 Atributos Colegio, creación del atributo Procedencia
  • 7.1.3.5 Atributo Situación del Estudiante
  • 7.1.3.6 Atributo Nivel Estudio Padres
  • 7.1.3.7 Atributos Sexo, creación del atributo Género
  • 7.1.3.8 Valores de los atributos de la tabla LT_Egresados
  • 7.1.4 Vista minable
  • 7.2Análisis de participación en las materias
  • 7.2.1 Exportación e importación de los datos
  • 7.2.1.1 Exportación e importación de los datos de Moodle
  • 7.2.1.2 Exportación e importación de los datos de SIU-Guaraní
  • 7.2.1.3 Exportación e importación de los datos de Merán
  • 7.2.2 Descripción de las tablas y datos seleccionados
  • 7.2.3 Exploración de los datos
  • 7.2.3.1 Selección de los cursos
  • 7.2.3.2 Alumnos inscriptos en cada materia
  • 7.2.3.3 Resultados obtenidos en las materias
  • 7.2.3.4 Participación en los foros de las materias
  • 7.2.3.5 Uso de biblioteca
  • 7.2.4 Vista minable
  • 8 Capítulo 8 MODELADO Y EVALUACIÓN
  • 8.1Análisis socio-demográfico
  • 8.1.1 Distribución de los datos
  • 8.1.2 Clasificación – Árbol de decisión
  • 8.1.3 Agrupamiento
  • 8.1.3.1 Visualización de los grupos
  • 8.2Análisis de la participación en las materias
  • 8.2.1 Distribución de los datos
  • 8.2.2 Clasificación – Árbol de decisión
  • 8.2.3 Agrupamiento
  • 8.2.3.1 Visualización de los grupos
  • 9 Capítulo 9 APLICATIVO
  • 9.1Funcionalidad provista
  • 9.2 Ejecución de la Aplicación
  • 9.3 Pantalla inicial del aplicativo
  • 9.4 Tipos de análisis
  • 9.5 Tarea de Clasificación
  • 9.6 Tarea de agrupamiento
  • 9.7 Otras opciones del aplicativo
  • Capítulo 10 EXTENSIÓN DEL TRABAJO
  • 10.1 Las redes sociales en la Web
  • 10.2 Uso de las redes sociales en las materias
  • 10.3 Análisis de las materias incluyendo las redes sociales
  • 10.4 Obtención de datos
  • 10.5 Análisis
  • 10.5.1 Distribución de los datos
  • 10.5.2 Árbol de decisión
  • 10.5.3 Agrupamiento
  • 10.5.3.1
  • Visualización de los grupos
  • CONCLUSIONES Y TRABAJOS FUTUROS
  • Conclusiones
  • Trabajos futuros
  • 12 Apéndice A SCRIPTS DE BASE DE DATOS
  • 13 Apéndice B RESOLUCIONES
  • 14 REFERENCIAS BILIOGRÁFICAS

Ejemplares similares