Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/jspui/handle/20.500.11962/27742Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Cabrera Loayza, María del Carme | es_ES |
| dc.contributor.author | Aguirre Montaño, Hermel Santiag | es_ES |
| dc.date.accessioned | 2021-04-22T13:50:15Z | - |
| dc.date.available | 2021-04-22T13:50:15Z | - |
| dc.date.issued | 2021 | es_ES |
| dc.identifier.citation | Aguirre Montaño, Hermel Santiag. (2021). Educational Data Mining en el descubrimiento de rutas de aprendizaje de estudiantes en Entornos Virtuales de Aprendizaje y predicción temprana de abandono en cursos online. (Trabajo de Titulación de Ingeniero en Sistemas Informáticos y Computación ). UTPL, Loja. | es_ES |
| dc.identifier.other | 1347266 | es_ES |
| dc.identifier.uri | http://dspace.utpl.edu.ec/handle/20.500.11962/27742 | - |
| dc.description | Resumen: Las instituciones educativas, almacenan grandes volúmenes de datos, como los registros de interacción de los estudiantes en las plataformas virtuales. Estos datos ayudan a determinar el rendimiento académico y dan información sobre la mejora continua de los cursos. La deserción es un problema complejo y crucial en el campo de la educación. Involucra los distintos niveles y modalidades de enseñanza y genera daños en el proceso. Se hace imprescindible desarrollar métodos eficientes de predicción de deserción, que permitan la adopción de acciones proactivas para minimizar la situación. El objetivo del trabajo es implementar técnicas de Educational Data Mining para el descubrimiento de rutas de aprendizaje y determinar patrones de abandono. Como resultado se obtiene una herramienta que ayuda a identificar el alto índice de abandono, obteniendo patrones, con modelos de Redes Neuronales Artificiales y Árboles de Decisión. Mientras que para la obtención de rutas de aprendizaje se utiliza la minería de procesos, creando modelos de procesos basados en registros históricos, para identificar los problemas de rendimiento y ejecutar acciones tempranas que permitan mejorar la calidad del curso evitando el abandono. | es_ES |
| dc.language.iso | spa | es_ES |
| dc.subject | Enseñanza asistida por ordenador. | es_ES |
| dc.subject | Internet.- | es_ES |
| dc.subject | Ingeniero en sistemas informáticos y computación.- | es_ES |
| dc.title | Educational Data Mining en el descubrimiento de rutas de aprendizaje de estudiantes en Entornos Virtuales de Aprendizaje y predicción temprana de abandono en cursos online | es_ES |
| dc.type | bachelorThesis | es_ES |
| Appears in Collections: | Ingeniero en Sistemas Informáticos y Computación | |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.