Factorización y selección de variables para modelos productivos en educación

Abstract

El 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 éste