Identificación de Patrones de Rendimiento Académico en las Pruebas Saber Pro entre 2012-2014, en las Competencias Lectura Crítica y Comunicación Escrita con Técnicas Predictivas de Minería de Datos
Identification of Academic Performance Patterns in the Projects Saber Pro between 2012-2014, in Competences Critical Reading and Written Communication with Data Mining Predictive Techniques
Barra lateral del artículo
PDF
FLIP
XML
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Cuaderno Activa provee acceso libre inmediato a su contenido bajo el principio de hacer disponible gratuitamente la producción investigativa al ´´público, fomentando un mayor intercambio de conocimiento científico.
Contenido principal del artículo
Resumen
La Ley 30 del 28 de diciembre de 1992 (Fundamentos de la Educación Superior),
menciona en el artículo 31 la necesidad de: “Propender por la creación de mecanismos de evaluación de la calidad de los programas académicos de las instituciones de Educación Superior”. Los exámenes de calidad de la educación superior (ECAES) son una tendencia mundial, de la cual Colombia no es ajena; por el contrario, el Ministerio de Educación Nacional busca garantizar por medio de estas prácticas la calidad en el nivel educativo. En este artículo se identificaron patrones de rendimiento académico en las competencias genéricas de
Lectura Crítica y Comunicación Escrita a partir de las bases de datos de las pruebas Saber Pro que presentaron los estudiantes colombianos entre los años 2012 al 2014 utilizando técnicas de minería de datos. Para cumplir este objetivo, y siguiendo las fases de la metodología CRISP-DM, se hizo un análisis de las pruebas Saber Pro y de las bases de datos para tener un conocimiento del negocio y de la información de las pruebas, luego se construyó un repositorio inicial el cual, sirvió sirve de base para la aplicación de un proceso de ETL para construir un repositorio final (limpio y transformado) que contiene los factores socioeconómicos, académicos e institucionales de los estudiantes que presentaron estas pruebas. A este repositorio se le aplicaron técnicas de minería
de datos para descubrir patrones de rendimiento académico en estas pruebas. Finalmente, se evaluaron e interpretaron los resultados obtenidos. El conocimiento obtenido sirve como base para realizar recomendaciones que ayuden a los entes gubernamentales e instituciones de educación superior a la toma de decisiones con el fin de mejorar la calidad de la educación superior en Colombia.
Palabras clave:
Descargas
Detalles del artículo
Referencias (VER)
Curto, J. (2010). Introducción al Business Intelligence. Barcelona: Editorial UOC.
Duarte, J., Bos, S. y Moreno, M. (2009). Inequidad en los Aprendizajes Escolares en Latinoamérica. Banco Interamericano de Desarrollo. Nota Técnica #4.
Frawley, W., Piatetsky-Shapiro, G. y Matheus, C. (1992). Knowledge Discovery in Databases: An Overview. AI Magazine, 13(3),
58.
García, J. y Molina, J. (2012). Técnicas de análisis de datos. Aplicaciones prácticas utilizando Microsoft Excel y Weka. Madrid: Universidad Carlos III de Madrid.
Harper, G. y Pickett, S. (2006). Methods for mining HTS data. Drug Discovery Today, 11(15-16),
694-699.
HernaÌndez O., RamiÌrez Q. y Ferri R. (2010). Introducción a la minería de datos. Madrid: Pearson.
IBM (2016). Guía de CRISP-DM de IBM SPSS Modeler. España: IBM Corporation.
Instituto Colombiano para la Evaluación de la Educación (ICFES) (diciembre de 2011). Exámenes de Estado de calidad de la educación superior SABER PRO. Resultados del periodo 2005-2009. Bogotá.
Instituto Colombiano para la Evaluación de la Educación (ICFES) (2017a). Informe nacional de resultados Examen Saber Pro 2016. Bogotá.
Instituto Colombiano para la Evaluación de la Educación (ICFES) (2017b). Módulos Saber Pro 2016-2. Recuperado de http://www.icfes.gov.co/terminos-de-uso/item/1982-modulos-saberpro-2016-2 [Consultado el 04 de noviembre de 2017].
Jiménez, G. y Álvarez, H. (2010). Minería de Datos en la Educación. Universidad Carlos III de Madrid. Recuperado de http://www.it.uc3m.es/jvillena/irc/practicas/10-11/08mem.pdf
KDNuggets (2002). Poll: What main methodology are you using for data mining? Recuperado de https://www.kdnuggets.com/polls/2002/methodology.htm [Consultado el 3 de noviembre de 2017].
KDNuggets (2004). Poll: Data Mining Methodology. Recuperado de https://www.kdnuggets.com/polls/2004/data_mining_methodology.htm [Consultado el 3 de noviembre de 2017].
KDNuggets (2007). “Poll: Data Mining Methodology. Recuperado de https://www.kdnuggets.com/polls/2007/data_mining_methodology.htm [Consultado el 3 de noviembre de 2017].
KDNuggets (2014). Poll: What main methodology are you using for your analytics, data mining, or data science projects? Recuperado de https:// www.kdnuggets.com/polls/2014/analyticsdata-mining-data-science-methodology.html [Consultado el 3 de noviembre de 2017].
Marbán, O., Mariscal, G. y Segovia, J. (2017). A Data Mining and Knowledge Discovery Process Model. En J. Ponce & A. Karahoca (Eds.),
Data Mining and Knowledge Discovery in Real Life Applications (pág. 442). Viena, Austria: I-Tech.
Márquez V., Romero M. y Ventura S. (2012). Predicción del Fracaso Escolar mediante Técnicas de Minería de Datos. Revista Iberoamericana de Tecnologías del Aprendizaje, 7(3),
109-117.
Ministerio de Educación Nacional de Colombia (MEN) (2003). Decreto 1781, “Por el cual se reglamentan los Exámenes de Estado de Calidad de la Educación Superior, ECAES, de los estudiantes de los programas académicos de pregrado”. Bogotá.
Ministerio de Educación Nacional de Colombia (MEN) (2009). Decreto 3963, “Por el cual se reglamenta el Examen de Estado de Calidad de la Educación Superior”. Bogotá.
Sarmiento, A., Becerra, L. y González, J. (2000). La incidencia del plantel en el logro educativo del alumno y su relación con el nivel socioeconómico. Coyuntura Social (22).
Shearer, C. (2000). The CRISP-DM Model: The New Blueprint for Data Mining. Journal of Data Warehousing, 5(4),
13-22.
Timarán, S., Hernández, I., Caicedo, S. J., Hidalgo, A. y Alvarado, J. (2016). Descubrimiento de patrones de desempeño académico con árboles de decisión en las competencias genéricas de la formación profesional. Bogotá: Ediciones Universidad Cooperativa de Colombia. doi: http://dx.doi.org/10.16925/9789587600490
Tobón, D., Valencia, G., Ríos, P. y Bedoya, J. (2008). Organización jerárquica y logro escolar en Medellín. Un análisis a partir de la función de producción educativa. Lecturas de economía, (68),
145-173.
Toranzos, L. (2017). Evaluación y Calidad. Revista Iberoamericana de Educación, (10),
65.
