Validación de los predictores del rendimiento académico obtenidos mediante minería de datos usando análisis de componentes principales

• Autores: José Manuel Cadenas Figueredo , Antonio Muñoz Ledesma
• Localización: XXXI Congreso Nacional de Estadística e Investigación Operativa ; V Jornadas de Estadística Pública: Murcia, 10-13 de febrero de 2009 : Libro de Actas, 2009, ISBN 978-84-691-8159-1
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • Buscando buenos predictores del RA aplicamos acciones que permiten su mejora en la optica de KDD y utilizando DM. De siete inteligencias multiples que Gadner plantea centramos el estudio en la lingustica y en la logica-matematica. Medimos habilidades implcitas a esas inteligencias mediante el test psicometrico BADyG, extrayendo subescalas relacionadas con estas asignaturas. Como promedio de las subescalas construimos PMAT y PLEN como predictores del RA en Matematicas y Lengua. La informacion extrada del IES utiliza 3 fuentes: Tests Psicometricos, Resultados Academicos y Datos Personales.

    Sobre la informacion generada usamos la librera WEKA obteniendo que PLEN y PMAT son buenos predictores, afectando a las decisiones a tomar por los dptos implicados.

    Validamos la tecnica Arboles de Decision de WEKA ( abilidad por encima del 80 %) aplicando un analisis de componentes principales para el valor de cada una de las acciones a tomar, explicando entre el 7522% y el 9292% de la varianza.