Análisis de rendimiento académico estudiantil usando Data Warehouse Difuso

• Carolina Zambrano Matamala ^[1] ; Angélica Urrutia Sepúlveda ^[2] ; Marcela Varas Contreras ^[3]
  1. [1] Universidad Católica del Norte

     Universidad Católica del Norte

     Antofagasta, Chile

     
  2. [2] Universidad Católica del Maule

     Universidad Católica del Maule

     Provincia de Talca, Chile

     
  3. [3] Universidad de Concepción

     Universidad de Concepción

     Comuna de Concepción, Chile

     

  Mostrar afiliaciones +
• Localización: Ingeniare: Revista Chilena de Ingeniería, ISSN-e 0718-3305, ISSN 0718-3291, Vol. 25, Nº. 2, 2017, págs. 242-254
• Idioma: español
• Títulos paralelos:
  • Analysis of students’ academic performance using Fuzzy Data Warehouse
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    Un Data Warehouse (DW) es un repositorio de datos que provienen de distintas fuentes. Es utilizado para el análisis de datos y como apoyo a la toma de decisiones. Ya que permite obtener indicadores cuantitativos tales como cantidades. Sin embargo, en el ámbito de análisis de datos es usual encontrar relaciones entre los datos de naturaleza difusa. Por ejemplo, en un contexto académico la respuesta a la consulta "qué estudiantes obtuvieron buena nota final" no puede ser obtenida desde un DW tradicional pues no maneja información cualitativa. Debido a las limitaciones de los DW tradicionales es que pueden extenderse usando lógica difusa a un DW Difuso (DWD). En este trabajo se presenta una implementación de DWD cuyo objetivo es permitir el análisis cualitativo de datos de estudiantes lo que apoya el proceso de toma de decisiones. El DWD implementado permite operar con medidas difusas, hechos difusos, relaciones difusas y niveles difusos.

  • English

    A Data Warehouse (DW) is a data repository containing data from different sources. It is used to support decision-making through data analysis as it allows quantitative indicators such as amounts. However, data analysis lack of data of diffuse nature. For instance, in an academic context, the answer to the query "What students scored with good final grade" cannot be obtained from a traditional DW because they do not handle qualitative information. Due to the limitations of traditional DW the use of fuzzy logic may extend its capabilities through a fuzzy DW (FDW). This paper presents an implementation of FDW aimed at allowing qualitative analysis of scholar data supporting decision making process. The FDW implemented operate fuzzy measures, fuzzy facts, fuzzy relations and fuzzy levels.