Seguimiento del aprendizaje mediante la minería de datos educativos

Para citar o enlazar este item, por favor use el siguiente identificador: http://dspace.ups.edu.ec/handle/123456789/30544
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorLlerena Izquierdo, Joe-
dc.contributor.authorMontero Castillo, Gisella Belén-
dc.date.accessioned2025-06-10T20:16:01Z-
dc.date.available2025-06-10T20:16:01Z-
dc.date.issued2025-
dc.identifier.urihttp://dspace.ups.edu.ec/handle/123456789/30544-
dc.descriptionLa minería de datos educativos está enfocada en crear métodos para explorar los tipos únicos de datos que provienen de entornos educativos con el fin de generar soluciones y estrategias en distintos niveles, pedagógico, curricular, a nivel directivo e institucional. Este trabajo tiene como objetivo ser un aporte al modelo predictivo en el seguimiento académico mediante el uso de la minería de datos educativos. En este proyecto se desarrolló el método PCN en un diseño cuasiexperimental, en la cual se puede cuantificar el aprendizaje académico mediante comentarios escritos de forma libre, que permite a los docente obtener una visualización de las tendencias para futuras clases enfocada a la enseñanza personalizada, la educación no solo se basa en que los estudiantes adquieran conocimientos, si no en la forma de interactúan, idealizar, reflexionar y aprender a lo largo de la educación. Se concluye que es fundamental contribuir a la mejora de la experiencia del estudiante de un curso de educación superior, así como a las expectativas en su trayectoria académica, pero sobre todo ver la oportunidad de obtener información del proceso que realiza el estudiante de acuerdo con el análisis de su aprendizaje, de tal manera que se determinen factores que afecten positivamente al patrón de comportamiento, su compromiso y su desempeño.spa
dc.description.abstractThis Educational data mining focuses on creating methods to explore the unique types of data that come from educational environments to generate solutions and strategies at different levels:pedagogical, curricular, management, and institutional. This work aims to contribute to the predictive model for academic monitoring using educational data mining. In this project, the PCN method was developed in a quasi-experimental design, in which academic learning can be quantified through free written comments.This allows teachers to obtain a visualization of trends for future classes focused on personalized teaching. Education is not only based on students acquiring knowledge, but also on the way they interact, idealize, reflect, and learn throughout their education. It is concluded that it is essential to contribute to improving the student experience in a higher education course, as well as their expectations for their academic career, but above all, to see the opportunity to obtain information about the process that the student carries out according to the analysis of their learning, in such a way that factors that positively affect the pattern of behavior, their commitment and their performance are determined.spa
dc.language.isospaspa
dc.rightsopenAccessspa
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectMINERÍA DE DATOS EDUCATIVOSspa
dc.subjectMÉTODO PCNspa
dc.subjectANÁLISIS DE APRENDIZAJEspa
dc.subjectMETODOLOGÍA CRISP-DMspa
dc.titleSeguimiento del aprendizaje mediante la minería de datos educativosspa
dc.typeArticlespa
ups.carreraMaestría en Tecnologías de la Información y Comunicación para la Educaciónspa
ups.sedeSede Guayaquilspa
Pertenece a las colecciones: Posgrado

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
UPS-GT006465.pdfTexto Completo3,22 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons