Big Data Mining aplicado a la educación, nos permite determinar factores que afectan el rendimiento

Uno de los mayores desafíos de la Educación Superior a nivel mundial es la integración, permanencia y egreso de los estudiantes de educación superior. “Según la Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (Unesco), el abandono de ese nivel de formación llega a 40 % debido a diversos factores, entre ellos el bajo rendimiento escolar.
Es así que estudiar esta problemática se constituye en interés primordial de profesores, autoridades educativas y estudiantes, puesto sería significativo poder determinar los múltiples factores que pueden influir en el abandono, con el propósito de gestionar y reducir este comportamiento.
Para contribuir con la solución al problema de fracaso escolar varios autores han planteado utilizar la minería de datos para encontrar patrones ocultos en grandes volúmenes de datos, dándole una aplicación educativa.

En cuanto a la metodología se ha recopilado información de una institución educativa aplicando en el histórico de varios años.

Una vez recopilada y procesada esa data cruda se procedió a encontrar los patrones que más influyen en el rendimiento.

La evaluación del modelo analítico-predictivo creado se realizó a través del uso de la técnica de validación matriz de confusión, implementada en la herramienta minería de datos RapidMiner mediante el operando validación cruzada, considerando un porcentaje de la data como grupo de entrenamiento y otro como testeo. A través, de esta matriz se determinó un nivel de confianza del 96,9 % en el resultado predictivo.

se encontró la precisión de los atributos, determinado por la relación entre el total de aciertos con respecto al total de datos predichos en ese atributo, es decir, mide el grado de predicción de un atributo determinado. Con respecto a los resultados obtenidos, la predicción de que un estudiante “Falle” una asignatura tiene una precisión del 99.66%, que se exonere será del 95.32% y de que apruebe 98,08%, siendo valores aceptables para un modelo.

Esta misma metodología se podría aplicar a otras instituciones educativas o a todas ellas a la vez.

Este post está basado en un artículo publicado en la IEEE, en el cual soy coautor de Viviana Párraga (https://www.linkedin.com/in/viviana-parraga-3788405a/)

Fuentes: