##plugins.themes.bootstrap3.article.main##

Luis Fernando Castro Rojas Esperanza Espitia Peña

Abstract

SUMMARY
Higher education institutions face increasingly demanding challenges to guarantee the successful development of their mission. A frequent concern of these institutions is the academic failure of students as a consequence of poor academic performance. This causes difficulties for both the student and the institution, which result in considerable losses of money and time. These losses may be due to delays in the study plan, failure of subjects, abandonment of the professional career, restart of training processes, student dropout or waste of resources, among others. This problem is complex due to the incidence of multiple factors, which is evident in the literature, which questions the lack of definitive solutions to overcome this situation. As a contribution to the solution of this problem, this work proposes a methodology based on educational data mining techniques known as EDM (Educational Data Mining), with the purpose of understanding and analyzing the phenomenon of academic performance. In addition, findings are presented in the context of the aforementioned problem obtained from a literature review and, finally, the results of the initial stages of the application of said methodology to a real case study in a Colombian public university are presented. The above allows us to conclude about the relevance of the application of MDE in the context of the academic performance of university students.

Download Statistics

##plugins.themes.bootstrap3.article.details##

Keywords

higher education; academic performance; MDE; KDD; Mining of data.

References
REFERENCIAS BIBLIOGRÁFICAS

Aldowah, H., Al-Samarraie, H. y Fauzy, W. M. (2019). Educational data mining and learning analytics for 21st century higher education: A review and synthesis. Telematics and Informatics, 37, 13-49. https://doi.org/10.1016/j.tele.2019.01.007.
Arroyave, C., Maya, A. y Orozco, C. (2007). Aplicación de QFD en el proceso de ingeniería de requisitos. [Tesis de pregrado]. Repositorio Universidad Eafit. https://repository.eafit.edu.co/bitstream/handle/10784/2375/Carolina_Arroyave_Carlos_Orozco_2007.pdf?sequence=3&isAllowed=y
Ayala, E. y López, R. (1-2 de julio de 2019). Minería de datos educativa para el análisis de rendimiento académico en una carrera de computación. [Presentación en congreso]. Congreso Nacional de Computación y Tecnología Educativa, San Luis, Argentina.
Bakhshinategh, B., Zaiane, O. R., ElAtia, S. y Ipperciel, D. (2018). Educational data mining applications and tasks: A survey of the last 10 years. Education and Information Technologies, 23(1), 537-553. https://doi.org/10.1007/s10639-017-9616-z.
Candia, D. (2019). Predicción del rendimiento académico de los estudiantes de la UNSAAC a partir de sus datos de ingreso utilizando algoritmos de aprendizaje automático. [Tesis de maestría]. Universidad Nacional de San Antonio Abad del Cusco, Cusco, Perú.
Holgado, L. A. (2018). Detección de patrones de bajo rendimiento académico mediante técnicas de minería de datos de los estudiantes de la Universidad Nacional amazónica de Madre de Dios. [Tesis de maestría]. Universidad Nacional del Altiplano, Perú.
Kumar, M., Singh, A. J. y Handa, D. (2017). Literature Survey on Student's Performance Prediction in Education using Data Mining Techniques. International Journal of Education and Management Engineering, 6, 40-49.
Menacho, C. H. (2018). Predicción del rendimiento académico aplicando técnicas de minería de datos. Anales Científicos, 78(1), 26-33. http://dx.doi.org/10.21704/ac.v78i1.811.
Méndez, C. (1999). Metodología, diseño y desarrollo del proceso de investigación. McGraw Hill interamericana S.A.
Ordaz, A. y García, O. (14-15 de noviembre de 2018). El estudio del rendimiento académico en nivel universitario. Aproximaciones al estado del conocimiento. [Ponencia]. Congreso CLABES VIII, Ciudad de Panamá, Panamá.
Peña-Ayala, A. (ed.). (2014). Educational Data Mining. Studies in Computational Intelligence, 524.
Rico, A., Gaytan, N. y Sánchez, D. (2019). Construcción e implementación de un modelo para predecir el rendimiento académico de estudiantes universitarios mediante el algoritmo Naive Bayes. Diálogos sobre educación. Temas actuales en investigación educativa. 10(19), 1-12. https://doi.org/10.32870/dse.v0i19.509.
Rico, A. y Sánchez D. (2018). Diseño de un modelo para automatizar la predicción del rendimiento académico en estudiantes del IPN. Revista iberoamericana para la investigación y el desarrollo educativo, 8(16), 1-21.
Salal, Y. K., Abdullaev, S. M. y Kumar, M. (2019). Educational Data Mining: Student Performance Prediction in Academic. International Journal of Engineering and Advanced Technology (IJEAT), 8(4C), 54-59.
Valarino, E., Yáber, G. y Cemborain, M. S. (2010). Metodología de la investigación: paso a paso. Trillas.
Citation Format
How to Cite
Castro Rojas, L. F., & Espitia Peña, E. (2023). VIII. PROPOSAL FOR THE APPLICATION OF DATA MINING IN THE UNIVERSITY EDUCATIONAL CONTEXT: CASE STUDY. Revista De Investigación Transdisciplinaria En Educación, Empresa Y Sociedad - ITEES, 10(1), 20. https://doi.org/10.34893/itees.v10i1.502
Section
Artículos Científico