MINERÍA DE DATOS APLICADA AL SOPORTE DEL PROCESO DOCENTE EDUCATIVO

“Minería de datos aplicada al soporte del proceso docente educativo”

Minería de datos aplicada al soporte del proceso docente educativo

Data Mining APplied to support the educational teaching process 

Susana Bris Amor1, Lisandra Bravo Ilisastigui2

1 Universidad Tecnológica de La Habana, Cuba, sbris@ceis.cujae.edu.cu

2 Universidad Tecnológica de La Habana, Cuba, lbravo@ceis.cujae.edu.cu

Resumen:

Existe una creciente necesidad de apoyar el proceso docente educativo. Esto ha hecho que se priorice la tarea de obtener herramientas que permitan dirigir al estudiante una atención “especializada” según sus características y necesidades.

Los datos que proporciona el estudiante durante su proceso de matrícula, pueden determinar su comportamiento, o al menos influenciarlo. Si se lograra alertar con la suficiente antelación al estudiante de su posible desempeño, puede que preste mayor atención en cierto grupo de asignaturas.

Se utiliza la Minería de Datos, más específicamente, la tarea de clasificación, para predecir el posible resultado del estudiante en las asignaturas de Introducción a la Programación, Matemáticas Discretas y Diseño y Programación Orientada a Objetos. Estas asignaturas están incluidas en el Plan de Estudio E del primer año de la Facultad de Ingeniería Informática en la Universidad Tecnológica de La Habana.

La metodología CRISP-DM fue la utilizada durante la realización de esta investigación. Los resultados obtenidos fueron una certeza de entre el 70% y el 90%, utilizando como criterios: Origen Escolar, Color de la piel, Sexo, Ciudad de origen, Organización política e Índice académico.

Dicha clasificación permite alertar a los estudiantes sobre su posible comportamiento en las asignaturas, dadas sus características iniciales. Esto finalmente apoya la fase de evaluacion del proceso docente educativo, lo que puede afectar positivamente en el porciento de retención de la carrera.

Palabras Clave: Mineria de Datos, Redes Neuronales, Proceso Docente Educativo, CRISP-DM

AbstracT:

There is a growing need to support the educational teaching process. This has led to the prioritization of the task of obtaining tools that allow the student to receive "specialized" attention according to their characteristics and needs.

The data provided by the student during the enrolment process can determine his/her behavior, or at least influence it. If the student is alerted sufficiently in advance of his or her potential performance, he or she may pay more attention to a certain group of subjects.

Data Mining, more specifically, the classification task, is used to predict the student's likely outcome in Introduction to Programming, Discrete Mathematics, and Object-Oriented Design and Programming. These subjects are included in Study Plan E of the first year of the Faculty of Computer Engineering at the Technological University of Havana.

The CRISP-DM methodology was used during this research. The results obtained were a certainty of between 70% and 90%, using as criteria: School Origin, Skin Color, Sex, City of Origin, Political Organization and Academic Index.

This classification allows alerting students about their possible behavior in the subjects, given their initial characteristics. This finally supports the evaluation phase of the educational teaching process, which can positively affect the percentage of career retention.

Keywords: Data Mining, Neural Networks, Predictive Model, CRISP-DM.

1. INTRODUCCIÓN

El Proceso Docente Educativo es la integración, la sistematización, de todos los aspectos en una unidad teórica, se desarrolla en un movimiento propio en que se manifiestan todos los componentes, sus relaciones o leyes, sus cualidades y resultados. Es aquel proceso formativo eficaz y eficiente que le da respuesta al encargo social.

Componentes del proceso docente educativo

1. Planificación y organización del proceso docente: comprende, tanto el trabajo del docente y/o colectivo en la preparación previa del proceso, como en su propio desarrollo, durante el cual se reajusta y donde el estudiante debe tener su espacio de participación, con lo cual se logra la identificación.
2. Motivación y comprensión del contenido: contiene el planteamiento y la motivación del contenido en los estudiantes, así como la comprensión de dicho contenido, donde la acción del profesor es fundamental.
3. Sistematización de los contenidos: se va alcanzando a medida que el estudiante se enfrenta a tareas que relacionan contenidos anteriores con los actuales.
4. Evaluación del aprendizaje: la evaluación es un proceso dinámico, participativo y desarrollador de capacidades, se da a medida que el estudiante desarrolla su aprendizaje, mediante la comunicación que se establece en el propio proceso [1].

La presente investigación se basa en la evaluacion del aprendizaje como componente del Proceso Docente Educativo, como apoyar y reforzar dicha actividad.

Para apoyar el desempeño de los procesos docentes en la educación superior en Cuba existe el Sistema de Gestión de la Nueva Universidad» (SIGENU) que cuenta con varios módulos desplegados en la mayor parte de las instituciones de educación superior cubanas [2]. SIGENU es un Sistema de Base de Datos que almacena todo lo relacionado con el estudiante durante su paso por Educación Superior. Desde los datos que proporciona este en el proceso de matrícula, hasta la calificación de las evaluaciones que realiza a lo largo de su carrera. 

Para la siguiente investigación, se limita el análisis a los estudiantes de la carrera de Ingeniería Informática.

Dado el volumen de datos que contiene dicho sistema, aun cuando se limita, su exploración manual es un proceso costoso en esfuerzo humano. Por lo anteriormente planteado, se requiere la utilización de las técnicas de Minería de Datos para obtener mayor alcance de los resultados.

La Minería de Datos (o DM, por sus siglas en inglés) se define como el proceso de exploración y análisis, por medios automáticos o semiautomáticos, de grandes cantidades de datos con el fin de descubrir patrones y reglas significativas [3].