Implementación de un modelo de predicción basado en redes neuronales artificiales para la clasificación de información académica y de investigación de la UNACH

Abstract

En el presente trabajo de investigación se aplicó técnicas de minería de datos de clasificación, como son las Redes Neuronales Artificiales (ANN), con aprendizaje supervisado, de tipo Perceptrón Multicapas (MLP) con el algoritmo de Retropropagación (BP), para obtener un modelo que sea capaz de clasificar factores que afectan el rendimiento académico de los estudiantes, la evaluación integral a los docentes, la publicación de productos de investigación, y docentes que publican en alto impacto, revistas regionales, capítulo de libro, a partir de las bases de datos del Sistema Informático de Control Académico (SICOA) y el Sistema de Publicaciones de la Dirección de Investigación (SPDI) de la Universidad Nacional de Chimborazo (UNACH), generando conocimiento útil en la toma de decisiones de los directivos, y, por ende, a la comunidad en la que se encuentra inmersa. La confiabilidad del modelo es de 94,72%, para el desarrollo de esta investigación se utilizó el Proceso Estándar Industrial Híbrido para la Minería de Datos (CRISP-DM) como metodología, se hizo Extracción, Transformación y Carga (ETL) con la herramienta Talend Data Quality, se construyó el modelo con las herramientas RapidMiner 9.5 y R Studio 1.2, se usó el método de validación cruzada (CV) y finalmente se obtuvo factores, como por ejemplo: el rendimiento académico de los estudiantes es excelente cuando él género es femenino, soltero(a), no es foráneo, no trabaja, no tiene hijos, tiene hermanos, practica actividad deportiva y cultural, y más, que se detallan en el Capítulo IV (Resultados y Discusión).