Abstract:
En la Unidad Educativa John F. Kennedy al finalizar un parcial se desarrollan las
juntas de curso, proceso donde se analiza el rendimiento académico de los estudiantes
utilizando técnicas básicas de estadísticas y se observa la cantidad de estudiantes que han
aprobado o reprobado, no se refleja un estudio a fondo de la causa de la deficiencia, esto
no ayuda a tener una visión para dar solución al problema que afecta al grupo de
estudiantes. Por tal razón se aplicó técnicas de minería de datos que mediante un análisis
prescriptivo lograron determinar varios factores que estaban causando dicha anomalía.
Para el proceso de minería se utilizó la herramienta Rapidminer que facilitó las tareas
mediante el uso de técnicas de modelado. El proyecto siguió la estructura de la
metodología CRISP-DM, que consta de seis fases basadas en comprender el negocio
dando a conocer primero el objetivo general que fue establecer mejoras en las estrategias
de aprendizaje aplicadas a los estudiantes, luego se establecieron los criterios de éxito
basados en la calidad del aprendizaje, seguido de la comprensión de los datos donde la
principal tarea fue explorar las características de los atributos, luego se prepararon los
datos donde se crearon nuevos atributos, se eliminaron y sustituyeron valores, en la fase
de modelado se aplicaron las técnicas apropiadas para el proyecto, luego se valoró el
rendimiento de los modelos según las métricas establecidas en cada uno y posteriormente
se eligió el modelo de mejor rendimiento considerando el tiempo de ejecución y la
precisión. Por último, se mostró los resultados de predicción en un dashboard interactivo
usando la herramienta POWER BI donde los interesados hicieron un monitoreo de la
información e identificaron factores que influyen en el rendimiento académico y que
sirvió para la búsqueda de nuevas estrategias de aprendizaje.