Minería de datos aplicada a la identificación de factores de deserción universitaria en programas de pre grado

Abstract

La minería de datos tiene como objetivo descubrir conocimiento desde los datos, conocido también como KDD, se sirve de la data histórica que reside en repositorios de empresas, instituciones, entidades públicas y privadas, entre otras, las cuales están siendo cada vez más ricas en datos, pero pobres en información. La minería de datos entonces permite estudiar los datos como un preciado recurso para pasar de las meras apreciaciones a la certeza basada en la información. En la presente investigación se busca identificar los factores de deserción universitaria para la Escuela Profesional de Ingeniería de Sistemas a través de técnica de minería de datos que permitan definir patrones alrededor de esta problemática. Dentro de las técnicas que se categorizan en la minería de datos se encuentras las descriptivas, y una de las técnicas más utilizadas es la del Clustering o Agrupamiento, la que permitió analizar los diferentes grupos que determinan los factores de deserción. En los Capítulos cuatro y cinco de la presente investigación se muestra la aplicación del Clustering para la formación de grupos muy similares en comportamiento, que aclaran las tendencias de deserción y permite visualizar el comportamiento de los factores de deserción. La técnica Clustering se utiliza a través del algoritmo K means uno de los más utilizados para la determinación de grupos que no tienen una cantidad pre definida. En el capítulo cinco se realizan varias pruebas y se finaliza con la presentación de resultados, posteriormente se explican los hallazgos en el apartado de conclusiones.