DOI:
https://doi.org/10.14483/2322939X.4169Publicado:
2010-07-01Número:
Vol. 7 Núm. 2 (2010)Sección:
Investigación y DesarrolloANÁLISIS DE COCIENTE TRIÁDICO PARA PROCESOS DE ADMISIÓN DE ESTUDIANTES EN LA FUNDACIÓN INSUTEC MEDIANTE MINERÍA DE DATOS
Palabras clave:
Cociente Mental Tríadico, minería de datos, caracterización, agrupación de datos, Weka. (es).Descargas
Resumen (es)
Actualmente, el proceso de admisión en las instituciones de educación superior a nivel nacional e internacional se ha convertido en un factor determinante. La selección de un programa profesional a través de las diferentes ofertas y demandas de formación representa, a menudo, un problema en el momento de elegir una carrera profesional. Así mismo, dentro del proceso de aprendizaje interfieren múltiples variables externas que pueden conducir a la no culminación de una carrera profesional.
El cociente triádico es una herramienta de caracterización de individuos cuyo fin es analizar las variables internas del ser, las cuales —al combinarse con las externas— modelan un ambiente incierto y especulativo frente al comportamiento de los seres humanos en el proceso de selección y admisión de una carrera profesional. Es justo en este punto donde converge la minería de datos, un conjunto de tecnologías que permite descubrir e inferir conocimiento a partir de diferentes técnicas.
Referencias
Felder, R.M. y Silverman, L.K. (1988), “Learning Styles and Teaching Styles in Engineering Education”, en Engr. Education, vol. 78, núm. 7, pp. 674-681.
Durán E. y Costaguta R. (2007), “Minería de Datos para Descubrir Estilos de Aprendizaje”, en Revista Iberoamericana de Educación, VOL. NÚM. PP.
Felder, F.M. y Soloman, B.A. (1991), “Index of Learning Styles”.North Carolina State University.Disponibleon-line, [en línea], disponible en: http://sn.umdnj.edu/studentsonly/cas/IndexofLearningStyles.pdf
http://www.cs.waikato.ac.nz/mlweka/
Waldemar, D.G. (1999), “En busca de una nueva noologia”, en Estudio pedagógico, núm. 25, pp. 71-82.
Fundación de Educación Superior. INSUTEC. (2010). Departamento de Bienestar Institucional. Bases de datos Admisiones.
Alonso, C. (AÑO), “Waitako Environment for Knowledge Analysis. Introducción básica”, [en línea], disponible en: http://www.infor.uva.es/~calonso/IAII/Aprendizaje/weka/IntroduccionWeka.pdf
Merlino, H., et. al. (2005), “Un Método de Transformación de Datos Orientado al Uso de Explotación de Información”. XI Congreso Argentino de Ciencias de la Computación, Buenos Aires, Argentina.
Sáez Olivito, E., et. al. (1999), “Caracterización estructural de explotaciones ovinas aragonesas mediante métodos estadísticos multivariantes”, SEOC XXII,
Garre, M., et. al. (2007), “Comparación de diferentes algoritmos de clustering en la estimación de coste en el desarrollo de software”, en Revista Española de Innovación, Calidad e Ingeniería de Software, vol. 3, núm. 1, pp. 1885 4486.
Duda, R. Hart, P., “Pattern Classification and Scene Analysis”, Wiley & Sons, 1973.
Gómez García, J.; PalareaAlbaladejo, J. y Martín Fernández, J.A. (2006). “Métodos de Inferencia Estadística con datos faltantes”, en Estadística española, vol. 48, pp. 240 -275.
2.png)
