Minería y almacenamiento de archivos de las aulas virtuales de la Universidad Técnica de Machala

Karina Elizabeth García-Galarza, Javier Bernardo Cabrera-Mejía

Resumen


La minería de datos es un campo emergente, que puede ayudar a la obtención de data de una organización determinada. El presente artículo busca determinar la capacidad de almacenamiento y la cantidad de datos creados en la plataforma virtual de la Universidad Técnica de Machala, que fueron generados en los años 2016, 2017 y 2018. Así también se propone determinar qué tipo de documentos se generan y en qué formato. La investigación se basa en cuatro pasos: selección de datos, pre-procesamiento de datos, minería de datos y análisis de resultados. La selección de datos consistió en recuperar la información de los respaldos de la base de datos Postgres mediante Navicat, el pre-procesamiento se ejecutó mediante el software Open Refine, realizando una depuración de los datos, para la aplicación de la minería se utilizó el software Weka empleando técnicas de clasificación y clúster: árbol de decisiones y K-means. Finalmente, en el análisis de resultados se derivó como principal conclusión lo que sigue a continuación: mediante el uso de un modelo matemático podemos obtener una mejor precisión en la predicción del almacenamiento de las aulas virtuales de la Universidad Técnica de Machala.


Palabras clave


Aula virtual; minería de datos; base de datos; plataforma virtual; universidad.

Texto completo:

PDF HTML XML

Referencias


Bogarín Vega, A., Romero Morales, C., & Cerezo Menéndez, R. (2016). Aplicando minería de datos para descubrir rutas de aprendizaje frecuentes en Moodle. EDMETIC. https://doi.org/10.21071/edmetic.v5i1.4017

Chen, J., Xu, J., Tang, T., & Chen, R. (2017). WebIntera-classroom : an interaction-aware virtual learning environment for augmenting learning interactions, 4820. https://doi.org/10.1080/10494820.2016.1188829

Emilio, H., Ludovico, J., Martín, H., Romina, L., Victoria, C., Mirta, E., … Hernán, F. (2016). Resumen Extendido correspondiente al Informe de Avance Título del Proyecto : Análisis Comparativo de Modelos de Clasificación de Minería de Datos ( Data Mining ). Su aplicación en la predicción de perfiles de alumnos en riesgo de deserción .

Fontalvo-Herrera, T. J., Delahoz, E. J., & Mendoza-Mendoza, A. A. (2018). Aplicación de Minería de Datos para la Clasificación de Programas Universitarios de Ingeniería Industrial Acreditados en Alta Calidad en ColoMBia. Información Tecnológica. https://doi.org/10.4067/s0718-07642018000300089

Galindo, E. G., Gómez, A. Z., Rodríguez, M. L., Azofra, A. A., Quesada, A. R., & Ortiz, J. L. O. (2017). Minería de datos educativos para la detección de recursos clave. Revista de Innovación y Buenas Prácticas Docentes, 3, 18–28.

Herrera, P. J. C., Domínguez, V. H. M., González, A. Z., & Chacón, P. E. C. (2018). Análisis del desempeño del profesorado universitario en el uso de MOODLE a través de técnicas de minería de datos: propuestas de necesidades formativas. RED: Revista de Educación a Distancia, (58), 10.

Luis, J., & Ortiz, O. (2017). Minería de datos educativos para la detección de recursos clave, (February 2018). https://doi.org/10.21071/ripadoc.v3i0.9960

Martínez-abad, F., & Hernández-ramos, P. (2018). Técnicas de minería de datos con sotware libre para la detección de factores asociados al rendimiento, 135–145. https://doi.org/10.21703/rexe.Especial3

Mejía, J. C. G. (2019). Aplicación de la técnica regresión logística de la minería de datos en el proceso de descubrimiento de conocimiento (KDD) en bases de datos operativas o transaccionales. Perspectiv@ S, 14(13), 51–55.

Miranda, M. A., & Guzmán, J. (2017). Análisis de la deserción de estudiantes universitarios usando técnicas de minería de datos. Formacion Universitaria. https://doi.org/10.4067/S0718-50062017000300007

Ochoa, L. L., Paredes, K. R., Araya, C. B., Santa, U. C. De, Ochoa, L. L., Paredes, K. R., & Araya, C. B. (2017). Survey of academic data using data mining tools Exploración de Datos Académicos Utilizando Herramientas de Minería de Datos, (July 2017), 19–21.

Oña, J. De, Oña, R. De, Garrido, C., De, J., Oña, R. De, & Garrido, C. (2017). Extraction of attribute importance from satisfaction surveys with data mining techniques : a comparison between neural networks and Extraction of attribute importance from satisfaction surveys with data mining techniques : a comparison between neural netw, 7867. https://doi.org/10.1080/19427867.2015.1136917

Retamar, S., De Battista, A., Ramos, L., Nuñez, J. P., Savoy, F., & De Gracia, L. (2019). Minería de datos para la detección de factores de influencia en el test Apgar. Revista Digital Del Departamento de Ingeniería e Investigaciones Tecnológicas, 4(1).

Sihag, P., Tiwari, N. K., & Ranjan, S. (2018). Prediction of cumulative infiltration of sandy soil using random forest approach. Journal of Applied Water Engineering and Research, 0(0), 1–25. https://doi.org/10.1080/23249676.2018.1497557

Terán, H. E. E., Saltos, M. A., de la Plata, C. M., & Terán, C. E. E. (2017). Implementación de minería de datos en la gestión académica de las instituciones de educación superior. Didasc@ Lia: Didáctica y Educación, 8(3), 203–212.




DOI: https://doi.org/10.23857/pc.v5i01.1212

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/