Mostrar el registro sencillo del ítem

dc.contributor.authorGuanin Fajardo, Jorge
dc.contributor.authorCasillas Barranquero, Jorge 
dc.contributor.authorChiriboga Casanova, Washington
dc.date.accessioned2019-11-04T08:52:38Z
dc.date.available2019-11-04T08:52:38Z
dc.date.issued2019-10
dc.identifier.citationGuanin-Fajardo, J., Casillas, J., & Chiriboga-Casanova, W. (2019). Aprendizaje semi-supervisado para descubrir la escala de tiempo promedio de graduación de estudiantes universitarios. Revista Conrado, 15(70), 291-299.es_ES
dc.identifier.urihttp://hdl.handle.net/10481/57661
dc.description.abstractLas instituciones de educación superior omiten hasta cierto punto los factores que retrasan las tasas de promoción de los estudiantes universitarios. El retraso no siempre puede ser revelado debido a la diversidad de los programas de estudio, desde el comienzo de la carrera hasta la finalización del programa y la graduación. En este trabajo se utilizó el conjunto de datos de estudiantes correspondiente a 5 cursos académicos completos (primero-quinto curso), 53 variables y 849 observaciones de las diferentes carreras universitarias. Así, se exploraron variables y se utilizó la minería de datos con técnicas de aprendizaje semi-supervisado para descubrir asociaciones que detectan categorías de graduación de estudiantes. Por lo tanto, las reglas de interés fueron descubiertas usando las métricas de support, confidence, lift y conviction de las reglas de la asociación. Los hallazgos sugieren que las edades del grupo de profesores entre segundo y tercer año, así como la categoría de nota media entre cursos y la empleabilidad de los estudiantes, son los principales factores que influyen en las tasas de graduación de los estudiantes universitarios.es_ES
dc.description.abstractInstitutions of higher education omit to a certain extent the factors that delay the rates of promotion of university students. The delay cannot always be disclosed due to the diversity of study programs, from the beginning of the career to the completion of the program and graduation. This paper used the student data set for 5 full academic years (grades 1-5), 53 variables, and 849 observations of different university careers. Thus, variables were explored and data mining with semi-supervised learning techniques was used to discover associations that detect graduation categories of students. Therefore, the rules of interest were discovered using the metrics of support, confidence and elevation of the rules of association. The findings suggest that the ages of the group of teachers between second and third year, as well as the grade point average between courses and the employability of students, are the main factors influencing the graduation rates of university students.es_ES
dc.language.isospaes_ES
dc.publisherUniversidad de Cienfuegoses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.subjectAprendizaje semi-supervisadoes_ES
dc.subjectAnálisis educativoes_ES
dc.subjectMinería de datoses_ES
dc.subjectEducacion superiores_ES
dc.subjectTiempo de graduaciónes_ES
dc.titleAprendizaje semi-supervisado para descubrir la escala de tiempo promedio de graduación de estudiantes universitarioses_ES
dc.typeinfo:eu-repo/semantics/articlees_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES


Ficheros en el ítem

[PDF]

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Atribución-NoComercial-SinDerivadas 3.0 España
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 3.0 España