CARRERA DE LICENCIATURA EN INFORMÁTICA

TRABAJO FINAL DE GRADO

Olga Gabriela Arancibia Vega

Profesor Tutor: Lic. Pablo LenaProfesores Consultos:

Lic. Sally BursztynLic. Beatriz Steinberg

Una respuesta a la deserción en la educación superior argentina a través de la

minería de datos.

Propuesta:

Propuesta

Escenario Actual Altos niveles de deserción de los

estudiantes. Prevención: Predicciones Manuales

y Subjetivas. Tendencias para el Cambio

Conocimiento de las características del alumno.

Prevención: Detección temprana del desertante.

Escenario

Oportunidad

Minería de Datos

Bases de Datos

Herramientas

Modelos

Conocimiento

Válido

Novedoso

Útil

Comprensible

Predictivos

Descriptivos

Oportunidad

Entorno KDD

Preparación de

Datos

Minería de Datos

EvaluaciónInterpretación

Entorno KDD

Sistemas de

InformaciónPatrones Conocimiento

Incorporación a los Procesos del

Establecimiento

2. Aplicar Minería de Datos

1. Recopilar datos de los desertantes históricos

3. Identificar Patrones y Perfiles de Riesgo

4. Aplicar Acciones Preventivas

5. Medir los Resultados

Incorporación

Integración y Recopilación de Datos Evaluación Evaluación Técnica Evaluación Institucional

Minería de Datos Modelos Tareas Algoritmos

FASE0

FASE2

FASE3

FASE4

FASE1

Aplicación de las Fases del Proceso KDD

FASE0

FASE2

FASE3

FASE4

FASE1

Establecer los Objetivos Objetivos de la Institución Objetivos de Minería de Datos

Selección, Limpieza y Transformación de Datos

Fases

ConclusiónMinería de Datos Disminución de la deserción en la

educación superior argentina Herramienta eficaz y viable Soporte innovador Conocimiento

válido novedoso útil comprensible.

Conclusión

Futuras Líneas de Investigación Aplicar las técnicas de minería de datos en las

bases de datos de las instituciones de educación superior a: Conformación de comisiones de clases o grupos de

trabajo e investigación. Identificación de alumnos que cambian de carrera o

institución. Generación de una herramienta especializada en el

ámbito educativo. Adaptación de la curricula en las especializaciones o

materias optativas, investigando qué materias se toman juntas, o materias eligen los alumnos a continuación de otra.

Determinar los intereses de los potenciales alumnos para la oferta de nuevos cursos o carreras.

Futuras Líneas de Investigación

Caso de Aplicación

Caso de Aplicación

Escenario

0

50

100

150

200

250

1ro. 2do. 3ro. 4to.

Caso de Aplicación

37%

63%

Desertantes No Desertantes

Distribución de Abandono por Cuatrimestre Situación

1er Cuatrimestre

Año 2005

Escenario

Recursos PLATAFORMA

Microprocesador Pentium 4 de 2.8 Mhz. 512 Mb. de Memoria RAM, Disco Rígido de 40 GB Sistema Operativo Windows 2000 Server.

HERRAMIENTA: Weka

EQUIPO DE TRABAJO: Propio e Interno

Caso de Aplicación

Recursos

FASE 0

Caso de Aplicación

De la institución Bajar los índices de deserción para el

primer año, primer cuatrimestre. Incorporar DM a los procesos regulares

progresivamente. De minería de datos:

Modelo Descriptivo Identificar características de desertantes

anteriores. Modelo Predictivo

Detectar alumnos en riesgo.

Definir los Objetivos

Objetivos

Caso de Aplicación

Base de Datos Relacional

Campos utilizados

Provenientes de la Ficha de Inscripción + Baja

Seleccionados por los especialistas

FASE 1 Integración y Recopilación

Integración

Caso de Aplicación

FASE 2

Atributos Seleccionados y Modificados

Edad

Sexo

Estado Civil

Hijo

Trabajo

Deserto [si/no]

Vista Minable

Selección, Limpieza y Transformación

Selección

Caso de Aplicación

Minería de Datos - Agrupamiento

Archivo:Universo

(632)

Desertantes(233)

NoDesertantes

(399)Agrupamiento

AgrupamientoA: Casado | Sin Hijos | Varón | 40 a 46 años |Trabaja en el Área

B: Soltero | Sin Hijos | Varón | 18 a 25 años |Trabaja en otra Área

C: Soltero | Sin Hijos | Varón | 18 a 25 años |No Trabaja

A: Divorciado | Sin Hijos | Varón | 34 a 39 años |Trabaja en el Área

B: Divorciado | Sin Hijos | Mujer | 34 a 39 años |Trabaja en otra Área

C: Soltero | Sin Hijos | Mujer | 18 a 25 años |No Trabaja

FASE 3

39%

22%

17%

27%

18%

18%

Agrupamiento

Caso de Aplicación

Minería de Datos – Clasificación

Archivo:Universo

FASE 3

EDAD = 1825| SEXO = Varón: D | SEXO = Mujer| | TRABAJO = NT: ND| | TRABAJO = TA: D | | TRABAJO = TNA: ND…….. (etc.)

Árbol de Decisión Algoritmo C 4.5

Reglas de

Clasificación

Clasificación

Caso de Aplicación

Técnica

Cobertura (Recall)

Precisión

Institucional

Interpretación

Lenguaje

Simplicidad

FASE 4 Evaluación

- +Complejidad Creciente

Evaluación

Caso de Aplicación

Resultados

37%

63%

Desertantes No Desertantes

14%

86%

Desertantes No Desertantes

Situación1er

CuatrimestreAño 2005

Situación1er

CuatrimestreAño 2006

Resultados

Muchas Gracias

Fin