应用K-prototype算法对公立大学新生进行细分

Ledvir Chavez, J. Salinas
{"title":"应用K-prototype算法对公立大学新生进行细分","authors":"Ledvir Chavez, J. Salinas","doi":"10.21704/rtn.v15i2.1825","DOIUrl":null,"url":null,"abstract":"En la actualidad, el análisis de datos es una labor desafiante, especialmente en el campo de la educación, debido a que se realizan investigaciones profundas para conocer, entender y gestionar la diversidad de alumnos que ingresan a cada institución superior y con ello plantear estrategias educativas para mejorar el modelo de enseñanza – aprendizaje. El objetivo de este artículo fue caracterizar el perfil de los ingresantes de una universidad pública respecto a sus variables sociodemográficas, económicas y de rendimiento académico utilizando el algoritmo K-prototypes, para lo cual se utilizó datos de alumnos ingresados a la Universidad Nacional Agraria La Molina (Lima, Perú) recolectados a partir del examen de admisión, ficha del ingresante y su certificado de estudios escolares. Se pudo determinar que los ingresados en estudio se ajustan a 5 perfiles, cada uno con características propias, permitiendo agrupar a los ingresados con características similares, contribuyendo a la mejora de políticas de acompañamiento, impulsando cambios a favor de la calidad educativa y promoviendo la renovación de los espacios de enseñanza de manera personalizada en torno al perfil del alumno que la universidad gestiona.","PeriodicalId":358925,"journal":{"name":"Tierra nuestra","volume":"5 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Segmentación de los alumnos ingresantes a una universidad pública aplicando el algoritmo K-prototype\",\"authors\":\"Ledvir Chavez, J. Salinas\",\"doi\":\"10.21704/rtn.v15i2.1825\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"En la actualidad, el análisis de datos es una labor desafiante, especialmente en el campo de la educación, debido a que se realizan investigaciones profundas para conocer, entender y gestionar la diversidad de alumnos que ingresan a cada institución superior y con ello plantear estrategias educativas para mejorar el modelo de enseñanza – aprendizaje. El objetivo de este artículo fue caracterizar el perfil de los ingresantes de una universidad pública respecto a sus variables sociodemográficas, económicas y de rendimiento académico utilizando el algoritmo K-prototypes, para lo cual se utilizó datos de alumnos ingresados a la Universidad Nacional Agraria La Molina (Lima, Perú) recolectados a partir del examen de admisión, ficha del ingresante y su certificado de estudios escolares. Se pudo determinar que los ingresados en estudio se ajustan a 5 perfiles, cada uno con características propias, permitiendo agrupar a los ingresados con características similares, contribuyendo a la mejora de políticas de acompañamiento, impulsando cambios a favor de la calidad educativa y promoviendo la renovación de los espacios de enseñanza de manera personalizada en torno al perfil del alumno que la universidad gestiona.\",\"PeriodicalId\":358925,\"journal\":{\"name\":\"Tierra nuestra\",\"volume\":\"5 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-12-30\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Tierra nuestra\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.21704/rtn.v15i2.1825\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Tierra nuestra","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21704/rtn.v15i2.1825","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

目前,数据分析是一个挑战性的工作,特别是在教育领域,由于进行调查了解,理解的深度和多样性管理进入每个学生的高等院校,从而提出教育战略,以改善教学—学习模型。本文的目的是描述在公共大学大学简介其学业成绩和经济社会人口变量,利用该算法K-prototypes,为此使用了数据输入的学生国立大学土地莫利纳(利马,秘鲁)收集从新人和入学考试,记录你的学校课程证书。输入的,确定了每个人在研究符合500个人特色,住院们分组与类似的特点,有助于改善后续政策,推动教育质量并促进变化更新空间围绕个性化教学方式管理大学学生。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Segmentación de los alumnos ingresantes a una universidad pública aplicando el algoritmo K-prototype
En la actualidad, el análisis de datos es una labor desafiante, especialmente en el campo de la educación, debido a que se realizan investigaciones profundas para conocer, entender y gestionar la diversidad de alumnos que ingresan a cada institución superior y con ello plantear estrategias educativas para mejorar el modelo de enseñanza – aprendizaje. El objetivo de este artículo fue caracterizar el perfil de los ingresantes de una universidad pública respecto a sus variables sociodemográficas, económicas y de rendimiento académico utilizando el algoritmo K-prototypes, para lo cual se utilizó datos de alumnos ingresados a la Universidad Nacional Agraria La Molina (Lima, Perú) recolectados a partir del examen de admisión, ficha del ingresante y su certificado de estudios escolares. Se pudo determinar que los ingresados en estudio se ajustan a 5 perfiles, cada uno con características propias, permitiendo agrupar a los ingresados con características similares, contribuyendo a la mejora de políticas de acompañamiento, impulsando cambios a favor de la calidad educativa y promoviendo la renovación de los espacios de enseñanza de manera personalizada en torno al perfil del alumno que la universidad gestiona.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信