Aplicación de técnicas de minería de datos para la predicción del rendimiento académico de los estudiantes de la escuela de educación básica 26 de Septiembre

Abstract

La escuela '26 de septiembre.' ha establecido metas orientadas al desarrollo estratégico, que incluyen la expansión de su infraestructura y la obtención de reconocimientos por su destacada calidad académica. Para alcanzar estos objetivos, se ha dado prioridad a la evaluación de la población estudiantil a través de indicadores como el rendimiento académico. Sin embargo, se enfrentan a limitaciones en la evaluación de este indicador debido a la falta de conocimiento óptimo para la toma de decisiones y a la carencia de una gestión y organización adecuada de la información. A pesar de ser una institución privada, la falta de información estructurada ha llevado a resultados poco convincentes debido a la parcialidad y subjetividad. Con el propósito de abordar este problema, se propuso la aplicación de técnicas de minería de datos utilizando la metodología de Descubrimiento de Conocimiento en Base de Datos (KDD). Este enfoque consta de cinco fases, desde la recolección e integración de datos hasta la minería de datos, con el objetivo de obtener conocimientos valiosos para los administradores de la institución. Se ha empleado la herramienta Microsoft Visual Studio, reconocida por su capacidad para generar procesos de extracción, transformación y carga de datos, facilitando así la integración adecuada de la información. En cuanto a la creación de modelos de minería de datos, se ha destacado el uso de Jupyter Notebook y Orange Data Mining. Entre los resultados alcanzados, se destaca la implementación de herramientas de inteligencia de negocios para crear un almacén de datos que resuelva problemas de gestión y análisis empresarial. Además, se aplicaron técnicas de minería de datos, como árboles de decisión de regresión, redes neuronales y vectores de soporte mediante la creación de modelos de regresión para predecir el rendimiento académico estudiantil.