Aplicación de la minería de datos

...

Determinación de los objetivos de minería de datosLos objetivos en términos de minería de datos son:

- Predecir el logro del estudiante y si es posible identificar las variables clave que afectan a la educación de éxito / fracaso.

- Predecir el rendimiento de los estudiantes.

Criterios de rendimiento de minería de datosDesde el punto de vista de la minería de datos se establece como criterio de éxito la posibilidad de realizar predicciones sobre identificar los factores que afectan a los estudiantes con un elevado porcentaje de fiabilidad, concretamente definimos este porcentaje en un 80%. El grado de fiabilidad lo determinará el algoritmo específico que se emplee a la hora de conseguir el modelo de la minería de datos, por lo que este tema se volverá a abordar más adelante en la metodología (evaluación).

Producción de un plan de proyecto

El proyecto se dividirá en las siguientes etapas para facilitar su organización y estimar el tiempo de realización del mismo:

CODIGO DE ACTIVIDADES

NOMBRE DE LA ACTIVIDAD

Semana 1

Semana 2

Semana 3

Semana 4

Semana 5

Semana 6

Semana 7

Semana 8

A01

Análisis de la estructura de los datos y la información de la base de datos.

A02

Ejecución de consultas para tener muestras representativas de los datos.

A03

Preparación

de los datos.

A04

Elección de las técnicas de modelado y ejecución de las mismas sobre los datos.

A05

Análisis de los resultados obtenidos

A06

Producción de informes con los resultados obtenidos

A07

Presentación de los resultados finales

Evaluación inicial de herramientas y técnicas

La herramienta que se va a utilizar para llevar a cabo este proyecto de minería de datos es Rapidminer ya que esta herramienta se adapta bien a la metodología que estamos empleando y sobre todo a la base de datos en la que están almacenados todos los datos de los estudiantes.

En cuanto a las técnicas que se van a emplear para la extracción de conocimiento, Rapidminer nos ofrece los siguientes tipos de tareas de minería de datos:

- Predictivas

- Clasificación

- Regresión

- Descriptivas

- Agrupamiento (clustering)

- Reglas de asociación