KDD (Knowledge Discovery in Databases) process as support of the SARA (Accompaniment System for the Academic Performance) project strategies
DOI:
https://doi.org/10.26507/rei.v13n26.916Keywords:
data warehouse, dropout, KDD (knowledge discovery in databases), data mining, SARA project (accompaniment system for the academic performance)Abstract
One of the most important problems which is facing our country about education, it is regarding the high indicators of students dropout in universities. According to the sources of the Ministry of National Education, almost fifty percent of the students who enter to university don’t manage to finish their studies. In this study, it is showing the SARA project (Accompaniment System for the Academic Performance), this project was created by the computer science and system engineering program at the Quindío University as well as a proposal to include the process called KDD (Knowledge Discovery in Databases) to support the data analysis, therefore, strategies are defined in order to help to intervene in the academic life of students throughout the use of data mining techniques to identify patterns which allow to profile or predict different cases of dropout inside of the program.Downloads
References
Guzmán-Ruiz, C., Muriel-Durán, D. y Franco-Gallego, J., Deserción estudiantil en la educación superior colombiana. Metodología de
seguimiento, diagnóstico y elementos para su prevención, Ministerio de Educación Nacional, 2009.
Cepero-González, A., Las preferencias profesionales y vocacionales del alumnado de secundaria y formación profesional específica, Tesis, Facultad de Ciencias de la Educación, Universidad de Granada, Granada, España, 2010.
Universidad Pedagógica Nacional, La deserción estudiantil: reto investigativo y estratégico asumido de forma integral por la UPN, 10 P, 2008.
Ministerior de Educación, SPADIES, Sistema para la Prevención de la Deserción de la Educación Superior, 2002. [en línea]. Disponible en: https://www.mineducacion.gov.co/sistemasdeinformacion/1735/w3-article-254707.html.
Pereira, R.T., Romero, A.C. y Toledo, J.J., La minería de datos como un método innovador para la detección de patrones de deserción estudiantil en programas de pregrado en instituciones de educación superior, ACOFI, IFEES, 9 P, 2013.
Timaran, R., Jimenez, J., Pereira, R.T. y Toledo, J.J., Detección de patrones de deserción estudiantil en programas de pregrado de instituciones de educación superior con CRISP-DM, en Congreso Iberoamericano de Ciencia, Tecnología, Innovación y Educación, Buenos Aires, Argentina, 2014, pp. 1-19.
Eckert, K.B. y Suénaga, R., Análisis de deserción-permanencia de estudiantes universitarios utilizando técnica de clasificación en minería de datos, Form. Univ., 8(5), pp. 3-12, 2015, DOI: 10.4067/S0718-50062015000500002.
Pautsh, J.G.A., Minería de datos aplicada al análisis de la deserción en la carrera de analista en sistemas de computación, Tesis de grado, Facultad de Ciencias de Ciencias Exactas, Químicas y Naturales, Universidad Nacional de Misiones, Posadas, Argentina, 2009, 111 P.
Delen, D., A comparative analysis of machine learning techniques for student retention management, Decis. Support Syst., 49(4), pp. 498-506, 2010. DOI: 10.1016/j.dss.2010.06.003.
Head, S.P., Mining educational data to reduce dropout rates of engineering students, Inf. Eng. Electron. Bus., 2(2), pp. 1-7, 2012. DOI: 10.5815/ijieeb.2012.02.01.
Quiceno, C. and Pulgarón, R., S.A.R.A Sistema de acompañamiento para el rendimiento académico, ACOFI, 2016, 8 P.
Fayyad, U., Piatetsky-Shapiro, G. and Smyth, P., From data mining to knowledge discovery in databases, AI Mag., pp. 37-54, 1996, DOI: 10.1609/aimag.v17i3.1230.
Hernández, J., Ramirez, M. and Ferri, C., Introducción a la minería de datos. España, 2004.
Downloads
Published
How to Cite
Issue
Section
License
Total or partial reproduction of the documents published in the journal is authorized only when the source and author are cited.
Article metrics | |
---|---|
Abstract views | |
Galley vies | |
PDF Views | |
HTML views | |
Other views |