Modelo predictivo aplicando técnicas de minería de datos para la irregularidad estudiantil en la Escuela Académica Profesional de Ingeniería de Sistemas de la UNU, 2018

Abstract

Esta investigación se llevó a cabo para desarrollar un modelo predictivo aplicando técnicas de minería de datos para predecir el desempeño académico de los alumnos cursantes de la Carrera Profesional de Ingeniería de Sistemas de la Universidad Nacional de Ucayali de Pucallpa (UNU), con información académica desde el año 2015 al 2017. Para la elaboración de este proyecto se optó por usar la metodología KDD que dispone el proceso de minería de datos en cinco fases consecutivas; y WEKA como herramienta software para el tratamiento de los datos y comparativa de resultados en el proceso de la metodología. Se evaluó con el modelo de árbol de decisión (RandomTree) con regresión logística, teniendo en cuenta cuatro dimensiones: situación social, situación económica, situación personal y situación académica del alumno. La veracidad de los modelos es medida a partir de la información que brindó la oficina de dirección de escuela de la carrera profesional de ingeniería de sistemas y de las encuestas brindadas a los alumnos matriculados en la carrera, en el año 2018.