Please use this identifier to cite or link to this item: https://hdl.handle.net/11000/7846
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorRabasa Dolado, Alejandro-
dc.contributor.authorMeca Sáez, Inmaculada-
dc.contributor.otherDepartamentos de la UMH::Estadística, Matemáticas e Informáticaes
dc.date.accessioned2021-05-24T13:14:04Z-
dc.date.available2021-05-24T13:14:04Z-
dc.date.created2019-06-13-
dc.date.issued2019-06-13-
dc.identifier.urihttp://hdl.handle.net/11000/7846-
dc.description.abstractEl análisis del rendimiento académico de los estudiantes constituye un tema de gran interés que es objeto de numerosos trabajos de investigación. Las técnicas de Minería de Datos constituyen una herramienta de gran eficacia para predecir el rendimiento académico de los estudiantes y permiten identificar y evaluar los factores que más influyen en el proceso de aprendizaje de los alumnos. Esta investigación tiene como objetivo aplicar tres técnicas de Minería de Datos (Factorización, Selección de Atributos y Árboles de Decisión) a la información obtenida en dos Institutos de Educación Secundaria de Portugal durante el Curso 2005-2006, con la finalidad de analizar cómo afectan las diferentes formas de factorizar las variables numéricas a la importancia relativa y al nivel de precisión de los modelos de clasificación, permitiendo comparar la influencia de estas variables en ciencias y en letras. Por otra parte, se pretende deducir la forma óptima de discretización al objeto de predecir la variable objetivo calificación final (G3) en el caso propuesto, para encontrar un clasificador del rendimiento académico y detectar los patrones determinantes en éstees
dc.formatapplication/pdfes
dc.format.extent82es
dc.language.isospaes
dc.publisherUniversidad Miguel Hernández de Elchees
dc.rightsinfo:eu-repo/semantics/openAccesses
dc.subjectrendimiento académicoes
dc.subjecttécnicas de minería de datoses
dc.subjectfactorizaciónes
dc.subjectselección de atributoses
dc.subjectárboles de decisiónes
dc.subjectdetección de patroneses
dc.subject.otherCDU::3 - Ciencias sociales::31 - Demografía. Sociología. Estadísticaes
dc.subject.otherCDU::6 - Ciencias aplicadas::65 - Gestión y organización. Administración y dirección de empresas. Publicidad. Relaciones públicas. Medios de comunicación de masases
dc.titleFactorización y selección de variables para modelos productivos en educaciónes
dc.typeinfo:eu-repo/semantics/bachelorThesises
Appears in Collections:
TFG - Estadística Empresarial


Thumbnail

View/Open:
 TFG-Meca Sáez, Inmaculada.pdf
3,29 MB
Adobe PDF
Share:


Creative Commons ???jsp.display-item.text9???