Análisis del Sistema Educativo de la Universidad Técnica Estatal de Quevedo Mediante Ciencia de Datos

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.

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.