Políticas   Declaración de Budapest  
 

Enfoque de análisis de datos visual - predictivo para el desempeño académico de los estudiantes de una universidad peruana

Vista sencilla de ítem
dc.contributor.advisorLópez Gonzales, Javier Linkolk
dc.contributor.authorOrrego Granados, David Leandro
dc.date.accessioned2021-10-25T17:14:20Z
dc.date.available2021-10-25T17:14:20Z
dc.date.embargoEnd2023-10-12
dc.date.issued2021-10-12
dc.description.abstractThe academic success of university students is a result that depends in a multi-factorial way on the aspects related to the student and the career itself. In this work, we carry out a visual analysis of the data to obtain relevant information regarding the academic performance of students from a Peruvian university. This study was complemented with the construction of machine learning models to provide a predictive model of the students’ academic success. In specific, the XGBoost Machine Learning method achieved a performance of up to 91.5% of Accuracy. In this sense, this study offers a novel visual-predictive data analysis approach as a valuable tool for developing and targeting policies to support students with lower academic performance or to stimulate advanced students. The results obtained allow us to identify the relevant variables associated with the students’ academic performances. Moreover, we were able to give some insight into the academic situation of the different careers of the University.en_ES
dc.description.escuelaEscuela de Posgradoen_ES
dc.description.lineadeinvestigacionInteligencia de Negociosen_ES
dc.description.sedeLIMAen_ES
dc.formatapplication/pdfen_ES
dc.identifier.urihttp://repositorio.upeu.edu.pe/handle/20.500.12840/4892
dc.language.isoeng
dc.publisherUniversidad Peruana Uniónen_ES
dc.publisher.countryPEen_ES
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/embargoedAccessen_ES
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 Spain*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/es/*
dc.subjectStudentsen_ES
dc.subjectPerformancesen_ES
dc.subjectLearning analyticsen_ES
dc.subjectEducational Data Miningen_ES
dc.subjectBusiness intelligence in educationen_ES
dc.subjectMachine learningen_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.04en_ES
dc.titleEnfoque de análisis de datos visual - predictivo para el desempeño académico de los estudiantes de una universidad peruanaen_ES
dc.title.alternativeVisual-predictive data analysis approach for the academic performance of students from a Peruvian universityen_ES
dc.typeinfo:eu-repo/semantics/masterThesisen_ES
renati.advisor.dni46071566
renati.advisor.orcidhttps://orcid.org/0000-0003-0847-0552en_ES
renati.author.dni42870733
renati.discipline612467en_ES
renati.jurorValladares Castillo, Sergio Omar
renati.jurorSaboya Rios, Nemias
renati.jurorAcuña Salinas, Erika Inés
renati.jurorLoaiza Jara, Omar Leonel
renati.jurorLopez Gonzáles, Javier Linkolk
renati.levelhttp://purl.org/pe-repo/renati/nivel#maestroen_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesisen_ES
thesis.degree.disciplineMaestría en Ingeniería de Sistemas con Mención en Dirección y Gestión en Tecnologías de Informaciónen_ES
thesis.degree.grantorUniversidad Peruana Unión. Unidad de Posgrado de Ingeniería y Arquitecturaen_ES
thesis.degree.nameMaestro en Ingeniería de Sistemas con Mención en Dirección y Gestión en Tecnologías de Informaciónen_ES

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
David-Tesis_Maestro_2021.pdf
Tamaño:
702.52 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Magíster en Ingeniería de Sistemas con Mención en Dirección y Gestión en Tecnología de Información