Por favor, use este identificador para citar o enlazar este ítem: http://dspace.espoch.edu.ec/handle/123456789/14598
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorChavez Valderrama, Ledvir Ayrton Walter-
dc.contributor.authorSalinas Flores, Jesús Walter-
dc.date.accessioned2021-09-07T14:17:45Z-
dc.date.available2021-09-07T14:17:45Z-
dc.date.issued2021-05-31-
dc.identifier.urihttp://dspace.espoch.edu.ec/handle/123456789/14598-
dc.descriptionActualmente, en el área de educación superior se ha vuelto indispensable la gestión de los datos para la toma de decisiones académicas y la mejora de los procesos educativos, para ello la analítica y estadística han sido llevados al ámbito tecnológico, donde prima la automatización de procesos y la gestión de grandes bases de datos a través de algoritmos de Machine Learning, uno de los más utilizados son los algoritmos clustering, cuyo propósito es agrupar datos por similitud. El presente estudio tuvo como objetivo encontrar tipos de estudiantes universitarios respecto a sus variables sociodemográficas, económicas y de rendimiento académico, utilizando el algoritmo K-medoid en datos de alumnos ingresantes a la Universidad Nacional Agraria La Molina de Lima, Perú. Se pudo determinar que los ingresantes en estudio se pueden segmentar en 3 grupos, cada uno con características propias, lo que permitirá impulsar cambios a favor de la calidad educativa y promover la renovación de los espacios de enseñanza de manera personalizada en torno al tipo de estudiante que la universidad gestiona.es_ES
dc.description.abstractCurrently, in the area within higher education, data management has become essential for academic decision making and the improvement of educational processes. Analytics and statistics have been taken to the technological field, where the processes automation and the large databases management through Machine Learning algorithms are the most used, among which are the clustering algorithms, whose purpose is to group data by similarity. The objective of this study was to find types of university students with respect to their sociodemographic, economic and academic performance variables, using the K-medoid algorithm on data of students entering the Universidad Nacional Agraria La Molina in Lima, Peru. It was determined that the students under study can be segmented into 3 groups, each with its own characteristics, which will make it possibleto promote changes in favor of educational quality and promote the renovation of teaching spaces in a personalized way around the type of student that the university manages.es_ES
dc.language.isospaes_ES
dc.publisherEscuela Superior Politécnica de Chimborazoes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.subjectPERFIL DEL INGRESANTEes_ES
dc.subjectALGORITMOS DE AGRUPAMIENTOes_ES
dc.subjectSEGMENTACIÓNes_ES
dc.subjectK-MEDOIDes_ES
dc.subjectADMITTED STUDENT PROFILEes_ES
dc.subjectCLUSTERING ALGORITHMSes_ES
dc.subjectSEGMENTATIONes_ES
dc.titleAplicación del algoritmo K-Medoid para la segmentación de los alumnos ingresantes de una universidad.es_ES
dc.typeinfo:eu-repo/semantics/articlees_ES
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/3.0/ec/es_ES
Aparece en las colecciones: Número 25, Vol. 1 (Enero - Junio 2021)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
per_n25_v1_03.pdf330,15 kBAdobe PDFVista previa
Visualizar/Abrir


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