Herramientas de admisión y rendimiento académico: evidencias de un primer curso en un grado en Administración de Empresas

• Juan Manuel López Zafra ^[2] ; Ricardo A. Queralt Sánchez de las Matas ^[2] ; Sonia de Paz Cobo ^[1]
  1. [1] Universidad Rey Juan Carlos

     Universidad Rey Juan Carlos

     Madrid, España

     
  2. [2] CUNEF
• Localización: Economía industrial, ISSN 0422-2784, Nº 423, 2022 (Ejemplar dedicado a: Economía del dato), págs. 67-72
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Se presenta el empleo de un algoritmo supervisado para predecir la puntuación de los estudiantes admitidos en una escuela de negocios española de gestión privada.

    El objetivo principal es entender los efectos de las características definidas en el proceso de admisión para evaluar tanto la validez del proceso como la clasificación final del estudiante después de un año en la escuela, tratando de determinar cuál es la mejor combinación de las variables y pronosticar la calificación final de los estudiantes al terminar su primer año en la escuela; junto con la combinación, también se busca definir las reglas de decisión que permiten la mejor predicción

  • English

    The use of a supervised algorithm to predict the score of students admitted to a privately managed Spanish business school is presented. The main objective is to understand the effects of the characteristics defined in the admission process in order to evaluate both the validity of the process and the final classification of the student after one year in school, trying to determine which is the best combination of the variables and to predict students’ final grade at the end of their first year in school; Along with the combination, it is also sought to define the decision rules that allow the best prediction

• Referencias bibliográficas
  • Anandajayam, P; Sivakumar, N (2018) The Study on Predictive Analysis Algorithm: Survey. International Journal of Scientific Research in Computer...
  • BOCM (2018). Boletín Oficial de la Comunidad de Madrid, 31 de agosto de 2018. Decreto 126/2018, de 31 de julio, por el que se establecen los...
  • Bollinger, L. C. (2005). Competition in higher education and admissions testing. In Camara, W, and Kimmel, E. (Eds.)
  • Choosing Students: Higher Education Admissions Tools for the 21st Century. Taylor and Francis.
  • Breiman, L., Friedman, J.H., Olshen, R.A., Stone, C.J. (1984) Classification and Regression Trees. Wadsworth International Group.
  • Campbell, A. R.; Dickson, C. J. (1996). Predicting student success: A 10-year review using integrative review and meta-analysis. Journal of...
  • Fratello, Michele; Taglaferri, Roberto (2019) Decision trees and random forests. In Cannataro, Mario; Gaeta, Bruno, and Khan, Mohammad Asif...
  • Hardoon, D.; Shmueli, G. (2103) Getting started with business analytics. CRC Press.
  • Hoefer, P.; Gould, J. (2000) Assessment of Admission Criteria for Predicting Students’ Academic Performance in Graduate Business Programs,...
  • Murthy, Sreerama K. (1998) Automatic Construction of Decision Trees from Data: A Multi-Disciplinary Survey. Data Mining and Knowledge Discovery,...
  • Pandya, Rutvija; Pandya, Jayati (2015) C5.0 Algorithm to Improved Decision Tree with Feature Selection and Reduced Error Pruning. International...
  • Peng, R.; Matsui, E. (2016) The Art of Data Science. Skybrude Consulting, LLC
  • Provost, F.; Fawcett, T. (2013) Data Science for Business. O’Reilly Media Inc., EE. UU.
  • Rokach, Lior; Maimon, Oded (2005) Top-Down Induction of Decision Trees Classifiers—A Survey. IEEE Transactions on Systems Man and Cybernetics...
  • Ye, Jie; Hou, Li-duo (2018) Improvement and Application of Decision Tree C4. 5 Algorithm. DEStech Transactions on Computer Science and Engineering....
  • Urlings-Strop, L. C., Stegers-Jager, K. M., Stijnen, T.; Themmen, A. P. N. (2013). Academic and non-academic selection criteria in predicting...