Redes bayesianas para identificar perfiles de estudiante: Aplicación al estudio del abandono de las titulaciones de Informática en la Universidad de Castilla-La Mancha

• Carmen Lacave ^[1] ; Ana I. Molina ^[1] ; Miguel A. Redondo ^[1] ; Manuel Ortega ^[1]
  1. [1] Universidad de Castilla-La Mancha

     Universidad de Castilla-La Mancha

     Ciudad Real, España

     
• Localización: Actas de las Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI), ISSN 2531-0607, Nº. 1, 2016 (Ejemplar dedicado a: Actas de las XXII Jornadas sobre Enseñanza Universitaria de la Informática (Almería, 6, 7 y 8 de julio de 2016) / coord. por Manuel Torres Gil , José Joaquín Cañadas Martínez), ISBN 978-84-16642-30-4
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    El abandono de los estudiantes es un problema que afecta a todas las universidades siendo más acusado en las titulaciones de las ramas de Ingeniería y Arquitectura. Como docentes del Grado de Ingeniería Informática de la Universidad de Castilla-La Mancha nuestro interés se centra en analizar el perfil del estudiante que abandona estos estudios, con el fin de definir acciones orientadas a reducir la actual tasa de abandono. En ediciones anteriores de las JENUI se ha analizado esta problemática desde el punto de vista de la estadística tradicional y de la minería de datos, mediante árboles de decisión y regresión multivariante; en este trabajo lo abordamos mediante algoritmos de aprendizaje de redes bayesianas, ya que éstas tienen una semántica muy rica y son fácilmente interpretables. Los resultados del trabajo no son concluyentes debido a las restricciones de la base de datos utilizada, pero la descripción del estudio realizado pone en valor el interés de la técnica empleada y sienta las bases para mejorar el alcance de la investigación en trabajos futuros relacionados con la extracción de perfiles de estudiantes.

  • English

    Student dropout is a problem that affects all universities although it is more significant in Engineering and Architecture. Since we are teachers of the Degree of Informatics at University of Castilla-La Mancha, our interest is to analyse the profile of the student who abandons these studies in order to define actions to reduce the dropout rate. In previous editions of JENUI this problem has been analysed from the point of view of traditional statistics and data mining techniques based on decision trees and multivariate regression; in this work we use learning algorithms for Bayesian networks because these have a rich semantic and are easily interpretable. The conclusions of the study are limited because of the database used but the article reflects the interest of the technique applied and lays the foundations for improving the scope of the investigation in future works related to the extraction of profiles of different types of students.