Mostrar el registro sencillo del ítem
Minería de datos educativos para la predicción personalizada del rendimiento académico
dc.contributor.author | Del-Campo-Ávila, José | |
dc.contributor.author | Ramos-Jiménez, Gonzalo Pascual | |
dc.contributor.author | Morales-Bueno, Rafael | |
dc.contributor.author | Baena-García, Manuel | |
dc.date.accessioned | 2018-03-22T11:50:47Z | |
dc.date.available | 2018-03-22T11:50:47Z | |
dc.date.created | 2018-03-21 | |
dc.date.issued | 2018-03-22 | |
dc.identifier.uri | https://hdl.handle.net/10630/15477 | |
dc.description.abstract | La Minería de Datos Educativos (Educational Data Mining - EDM) está adquiriendo gran importancia como un nuevo campo de investigación interdisciplinario relacionado con algunas otras áreas. Está directamente relacionado con los Sistemas Educativos basados en la Web (Web-based Educational Systems - WBES) y la Minería de Datos (Data Mining - DM), siendo esta última una parte fundamental del Descubrimiento de Conocimiento en Bases de Datos (Knowledge Discovery in Databases - KDD). Los WBES almacenan y administran grandes cantidades de datos. Estos datos están creciendo cada vez más y contienen conocimientos ocultos que podrían ser muy útiles para los usuarios (tanto profesores como estudiantes). Es conveniente identificar tales conocimientos en forma de modelos, patrones o cualquier otro esquema de repre- sentación que permita una mejor explotación del sistema. La minería de datos se revela como la herramienta para lograr tal descubrimiento, dando lugar a la EDM. En este contexto complejo se suelen utilizar distintas técnicas y algoritmos de aprendizaje para obtener los mejores resultados. En este trabajo se estudia, para una asignatura de Informática Teórica, concretamente la asignatura “Teoría de Autómatas y Lenguajes Formales”, cómo predecir el rendimiento académico alcanzado por los estudiantes, a partir de la realización de controles intermedios. Para ello se han aplicado y comparado distintos tipos de algoritmos de aprendizaje (vecinos más cercanos, árboles de decisión, multiclasificadores). Todo el proceso de control y evaluación de los estudiantes durante el curso se ha llevado a cabo a través de la herramienta web denominada SIETTE, desarrollada en nuestro departamento, y que además se utiliza en ámbitos fuera de nuestra propia universidad. | en_US |
dc.description.sponsorship | Universidad de Málaga. Campus de Excelencia Internacional Andalucía Tech. Este trabajo ha sido parcialmente financiado por el I Plan Propio de Investigacion y Transferencia de la Universidad de Malaga. | en_US |
dc.language.iso | spa | en_US |
dc.rights | info:eu-repo/semantics/openAccess | en_US |
dc.subject | Minería de datos - Congresos | en_US |
dc.subject.other | Multiclasificadores | en_US |
dc.subject.other | Descubrimiento de conocimiento | en_US |
dc.subject.other | Sistemas educativos basados en la Web | en_US |
dc.subject.other | Árboles de decisión | en_US |
dc.title | Minería de datos educativos para la predicción personalizada del rendimiento académico | en_US |
dc.title.alternative | Educational Data Mining for Personalized Prediction of Academic Performance | en_US |
dc.type | info:eu-repo/semantics/article | en_US |
dc.centro | E.T.S.I. Informática | en_US |
dc.relation.eventtitle | CIPI 2017 | en_US |
dc.relation.eventplace | Universidad Central de Las Villas, Cuba | en_US |
dc.relation.eventdate | Octubre 2017 | en_US |