Grupo UTN GIESIN (Grupo de Investigación Educativa sobre Ingeniería)

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/666

Browse

Author: search.filters.author.Scappini, Reinaldo

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Predicción del rendimiento académico con minería de datos buscando reducir el bajo rendimiento académico en asignatura de la UTN – FRRe
    (2017-11-02) La Red Martínez, David Luis; Giovannini, Mirtha; Scappini, Reinaldo
    A menudo, las universidades no son capaces de lidiar con la variedad de factores que pueden afectar el rendimiento académico de los estudiantes. Este tipo de situación genera la necesidad de herramientas que determinen patrones de desempeño académico, y permitan establecer perfiles como base para detectar posibles casos de bajo rendimiento de los estudiantes, es decir, detectar los alumnos que necesitan apoyo en sus actividades académicas.
  • Thumbnail Image
    Item
    Hacia un modelo predictivo de rendimiento académico utilizando minería de datos en la UTN-FRRe
    (2016-04-14) La Red Martínez, David Luis; Karanik, Marcelo; Giovannini, Mirta Eve; Scappini, Reinaldo
    Durante el cursado de la carrera de Ingeniería en Sistemas de Información en la Facultad Regional Resistencia de la Universidad Tecnológica Nacional (UTN‐FRRe), el alumno se enfrenta con la necesidad de cursar y regularizar ciertas materias que le generan restricciones de correlatividad. Ese es el caso de la cátedra de primer año Algoritmos y Estructuras de Datos, cuya regularización es necesaria para cursar varias asignaturas de segundo y tercer año. Tomando como base los resultados del proyecto “Determinación de perfiles de estudiantes y de rendimiento académico mediante la utilización de minería de datos”, 25/L059 ‐ UTI1719, implementado en la mencionada cátedra (2013‐2015), se está comenzando un nuevo proyecto tiene como objetivo tomar como punto de partida el análisis descriptivo (lo que pasó), y utilizar la analítica avanzada, con el objetivo de explicar el por qué, el qué va a pasar y cómo podemos abordarlo. Para el estudio se utilizarán distintas herramientas de Minería de Datos: clustering, redes neuronales, redes bayesianas, árboles de decisión, regresión y series temporales, etc. Estas herramientas permiten obtener resultados desde distintas perspectivas del problema abordado. De esta manera se podrán detectar situaciones problemáticas potenciales al inicio del cursado y tomar las medidas necesarias para solucionarlas.
  • Thumbnail Image
    Item
    Towards to a predictive model of academic performance using data mining in the UTN-FRRe
    (2016-05-02) La Red Martínez, David Luis; Karanik, Marcelo; Giovaninni, Mirta Eve; Scappini, Reinaldo
    Students completing the courses required to become an Engineer in Information Systems in the Resistencia Regional Faculty, National Technological University, Argentine (UTN-FRRe), face the challenge of attending classes and fulfilling course regularization requirements, often for correlative courses. Such is the case of freshmen's course Algorithms and Data Structures: it must be regularized in order to be able to attend several second and third year courses. Based on the results of the project entitled “Profiling of students and academic performance through the use of data mining”, 25/L059 - UTI1719, implemented in the aforementioned course (in 2013-2015), a new project has started, aimed to take the descriptive analysis (what happened) as a starting point, and use advanced analytics, trying to explain the why, the what will happen, and how we can address it. Different data mining tools will be used for the study: clustering, neural networks, Bayesian networks, decision trees, regression and time series, etc. These tools allow different