@misc{10481/102011,
year = {2025},
url = {https://hdl.handle.net/10481/102011},
abstract = {La educación desempeña un papel fundamental en el progreso de las sociedades y
economías modernas. Con este planteamiento, las instituciones de enseñanza superior se han
convertido en depositarias de confianza de una educación de calidad. Su compromiso no
sólo radica en la excelencia educativa, sino también en satisfacer la creciente demanda de
formación significativa y oportuna. Los investigadores educativos han desempeñado un papel
crucial en el desarrollo de herramientas tecnológicas, planes pedagógicos y programas de
estudios innovadores. Entre estas herramientas destaca el uso de la inteligencia artificial (IA),
que proporciona a los responsables académicos información valiosa para diseñar estrategias
que fomenten el éxito universitario. La IA puede analizar datos, identificar patrones de
aprendizaje y personalizar la experiencia educativa de cada estudiante de forma personalizada
o colectiva en función de sus necesidades. La Inteligencia Artificial y los diversos enfoques
marcan una nueva era en la educación moderna. Sin dejar de lado la calidad educativa
que busca promover Naciones Unidas a través de los Objetivos de Desarrollo Sostenible
(ODS), que busca garantizar una educación inclusiva, equitativa y de alta calidad que fomente
oportunidades de aprendizaje para todos. Enmarcado en este contexto, el análisis del sistema
educativo de la Universidad Técnica del Estado de Quevedo se desarrolló a través de la
ciencia de datos y, para los fines de esta tesis, se aplicó la metodología CRISP-DM (Cross-
Industry Standard Process for Data Mining) con sus respectivas fases para descubrir patrones
o, a su vez, conocimiento oculto en los datos. Previo al análisis, se extrajo información
de diferentes departamentos con el fin de limpiar y fusionar sus datos, es decir, aplicar
ETL (Extracción, Transformación y Carga) para lograr una base de datos robusta y única.
Así, como parte inicial de esta tesis, se realizó un estudio exploratorio de los datos para
comprender su comportamiento y facilitar la identificación de información relevante, de ahí
que las técnicas de visualización proporcionaran las pautas necesarias en cuanto a proyección,
trayectoria y patrón en los datos. Posteriormente, se examinaron sus atributos mediante
diversos algoritmos de selección de características e instancias que dieron paso al uso de
algoritmos de balanceo de datos. A continuación, la modelización de los datos dio lugar a
una base de conocimientos robusta y a otra más simplificada, que reveló el perfil esencial del profesorado experimentado y maduro, tanto en la enseñanza como en los grupos de edad.
Además, la pandemia COVID-19 tuvo un gran impacto en todos los aspectos de la vida
universitaria, lo que puso de manifiesto la necesidad de planificar y formar al profesorado en
herramientas educativas que mitiguen los riesgos y superen las dificultades de la docencia
virtual. Por último, la utilidad de estos resultados a través de la ciencia de datos proporcionó
sugerencias para la conveniencia de las partes interesadas de proporcionar una enseñanza
significativa y orientar el éxito académico de los estudiantes.},
abstract = {Education plays a fundamental role in the progress of modern societies and economies.
With this approach, institutions of higher education have become trusted repositories of
quality education. Their commitment lies not only in educational excellence, but also in
meeting the growing demand for meaningful and timely training. Educational researchers
have played a crucial role in the development of innovative technological tools, pedagogical
plans and curricula. Chief among these tools is the use of artificial intelligence (AI), which
provides academic leaders with valuable information to design strategies that foster college
success. AI can analyze data, identify learning patterns and customize each student’s educational
experience on a personalized or collective basis according to their needs. Artificial
Intelligence and diverse approaches mark a new era in modern education. Not to mention
the educational quality that the United Nations seeks to promote through the Sustainable
Development Goals (SDGs), which seeks to ensure inclusive, equitable and high quality
education that promotes learning opportunities for all. Framed in this context, the analysis of
the educational system of the Technical University of the State of Quevedo was developed
through data science and, for the purposes of this thesis, the CRISP-DM (Cross-Industry
Standard Process for Data Mining) methodology was applied with its respective phases to
discover patterns or, in turn, hidden knowledge in the data. Prior to the analysis, information
was extracted from different departments in order to clean and merge their data, i.e. apply
ETL (Extraction, Transformation and Loading) to achieve a robust and unique database. Thus,
as an initial part of this thesis, an exploratory study of the data was conducted to understand
its behavior and facilitate the identification of relevant information, hence visualization
techniques provided the necessary guidelines in terms of projection, trajectory and pattern
in the data. Subsequently, their attributes were examined using various feature and instance
selection algorithms that gave way to the use of data balancing algorithms. Then, modeling of
the data resulted in a robust knowledge base and a more simplified one, revealing the essential
profile of experienced and mature faculty, both in teaching and age groups. In addition, the
COVID-19 pandemic had a major impact on all aspects of university life, highlighting the
need to plan and train faculty in educational tools that mitigate the risks and overcome the difficulties of virtual teaching. Finally, the usefulness of these results through data science
provided suggestions for stakeholder convenience to provide meaningful instruction and to
guide studentsácademic success.},
organization = {Tesis Univ. Granada.},
publisher = {Universidad de Granada},
title = {Análisis del Sistema Educativo de la Universidad Técnica Estatal de Quevedo Mediante Ciencia de Datos},
author = {Guanin Fajardo, Jorge Humberto},
}