Inteligencia empresarial adaptativa y su aplicación predictiva sobre patrones taxonómicos de deserción

Autores/as

  • Marcelo Fabio Roldán Universidad Nacional de La Rioja

DOI:

https://doi.org/10.25044/25392190.902

Palabras clave:

minería de datos, inteligencia de negocios, predictivo, adaptativo.

Resumen

Las variables que surgen de las bases de datos de una Universidad Nacional de Argentina, favorecen el análisis y aplicación de una metodología de Inteligencia de Negocio Adaptiva, mediante la cual, aplicando los filtros adecuados de manera metodológica, como se expone en el presente trabajo, permitirán encontrar los alumnos en riesgo de desertar y realizar un trabajo preventivo sobre ellos. Existen datos socio-psicométricos, económicos y culturales, además de elementos físicos que han de ser tomados en consideración relacionándolos con la terminalidad de estudios de los sujetos evaluados. Surge a partir de allí, un modelo predictivo de aprendizaje que clasifica las causalidades de deserción. Finalmente, se puede explotar este conocimiento para desarrollar la aplicación en cualquier lenguaje de programación, de manera que aproveche tal conocimiento, con uso en nuevos sujetos y sus datos. En virtud de ello, se exponen las principales ventajas obtenidas de las capacidades predictivas sobre los datos del caso.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Marcelo Fabio Roldán, Universidad Nacional de La Rioja

Actividades más relevantes.

Experiencia docente en Formación Profesional, Carreras de grado y pre-grado universitarias Licenciatura e Ingeniería en Sistemas de Información, Tecnicatura y Diseño Multimedial. Instituto de Formación de Docente continuas y Escuelas secundarias desde 1996. Ha dictado cursos de formación en TIC para el Instituto Nacional de Educación Técnica. Dirección de más de 8 tesis de licenciatura, ingeniería y licenciatura en sistemas y en enseñanza de la matemática. Publicación de 2 artículos internacionales con arbitraje en China y Argentina. Premio Nacional de Gobierno Electrónico 6º Edición – JAIIO - SIE 2013. Pertenece al grupo de Investigadores de la UNLAR con categoría V. Director Ejecutivo de Proyectos de Investigación en curso: “Aportes  de  la  Ingeniería  de  Software  para  determinar  las  causalidades  de deserción.  Uso  de  Adaptive  Business  Intelligence  en  entornos  predictivos  para  Inferencia  en  las  Carreras  del Departamento  de  ciencias  exactas,  físicas  y  naturales”  e  “Ingenieria  de  Software  para  clasificar  patrones cognitivo conductuales. Clasificación taxonómica predictiva y su Impacto en la graduación de los aspirantes a la carrera de sub oficiales de Policias”. Participa como Co-Director del proyecto “Impacto del programa conectar igualdades y su incidencia en la trayectoria formativa de los alumnos del IFDC” y participa como integrante de otros proyectos.

Fue Director del Instituto de Domótica e Inmótica del 2009 al 2013. Secretario Académico del Departamento Ciencias Exactas, Físicas y Naturales del 2010 al 2013.

Formador de Docentes en TIC y CEO del CAMPUSDOCENTE del 2008 al 2011. CEO de profeuniversitario.com.ar hasta el 2013. Emprendiendo con www.infotronico.com en la actualidad. Es autor del libro “El docente como operador OLPC: lo fundamental” con ISBN. Es autor y disertante de numerosos cursos de formación docente orientados a las TIC.  Y ha participado activamente en el proceso de acreditación de carreras de grado y posgrado del Departamento de Ciencias Exactas, Físicas y Naturales de la UNLAR durante el 2010 al 2013, entre ellas la Ingeniería y Licenciatura en Sistemas de Información y ha participado en numerosos trabajos finales como jurado.

Se ha desenvuelto como profesor a cargo del módulo de Informática Administrativa de la Diplomatura en Gestión de Organizaciones Gubernamentales. Ha patentado diferentes desarrollos intelectuales como la PLATAFORMA RADARGPS®. Sus desarrollos se están utilizando y comercializando hacia países del EXTRANJERO, principalmente Centroamérica. Como la plataforma de pedidos On Line 2Fly y el control automatizado de Buses por checkpoints “CheckPoint Tracker”. Actualmente se implementa su desarrollo de “Plataforma de Pedido de Taxi automatizado TaxiVIP” en Arequipa Perú. Ha participado como jurado en el evento TEDx La Rioja. Y permanentemente se encuentra desarrollando prototipos que involucran informática y electrónica. Ha logrado el financiamiento de FONSOFT para el Proyecto City Taxi VIP. Es evaluador de proyectos PIN en la UnLaR.

Ha registrado intelectualmente las plataformas para taxis “Pronto Taxi”, estacionamiento medido mediante tecnologías móviles “Me estaciono”, plataforma “Pronto Work” y SIVO Tecnología para ciegos y disminuidos visuales.

Es autor del libro “Metodología para Desarrollos Autoadaptativos basados en BI. Aplicaciones en medicina.” ISBN 978-620-2-23093-3. Es autor del libro “Aprender, la clave del éxito. Trucos, tácticas y técnicas.” ISBN 978-620-2-23444-3. Ambos disponibles en Amazon y librerías internacionales.

Es evaluador de proyectos de investigación en el Programa de Investigación de la Universidad Nacional de La Rioja.

Referencias bibliográficas

Alom, B. M., & Courtney, M. (2018). Educational Data Mining: A Case Study Perspectives from Primary to University Education in Australia.

Binstock Georgina. (2005). Carreras truncadas. UNICEF. Recuperado de https://www.unicef.org/argentina/spanish/Carrerastruncadas(1).pdf

Breiman, L. (2017). Classification and regression trees. Routledge.

Cios, K. J., Pedrycz, W., Swiniarski, R. W., & Kurgan, L. A. (2007). Data mining: a knowledge discovery approach. Springer Science & Business Media.

Eckert, K. B., & Suénaga, R. (2015). Análisis de deserciónpermanencia de estudiantes universitarios utilizando técnica de clasificación en minería de datos. Formación universitaria, 8(5), 03-12.

Educ.ar El portal educativo argentino. (2017). Recuperado de http://portal.educ.ar/noticias/educacion-ysociedad/

desercion-escolar.php

Farías, M., Fiol, D, Kit, I. Melgar, S. (2007). Todos pueden aprender - Propuestas para superar el fracaso escolar. UNICEF - Oficina de Argentina.

Michalewicz, Z., Schmidt, M., Michalewicz, M., & Chiriac, C. (2006). Adaptive business intelligence (pp. 37-46). Springer Berlin Heidelberg.

Peral, J., Maté, A., & Marco, M. (2017). Application of data mining techniques to identify relevant key performance indicators. Computer Standards & Interfaces, 54, 76-85.

Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data Mining for Business Analytics: Concepts, Techniques, and Applications in R. John Wiley & Sons.

Slater, S., Joksimović, S., Kovanovic, V., Baker, R. S., & Gasevic, D. (2017). Tools for educational data mining: A review. Journal of Educational and Behavioral Statistics, 42(1), 85-106.

Una Metodología para el Desarrollo de Aplicaciones Autoadaptativas basada en Business Intelligence. Aplicación en Medicina. (2012). (Tesis para optar a la titulación de postgrado correspondiente a la Maestría en Ingeniería de Software).

Villegas-Ch, W., & Luján-Mora, S. (2017, March). Analysis of data mining techniques applied to LMS for personalized education. In World Engineering Education Conference (EDUNINE), IEEE (pp. 85-89). IEEE.

Watson, H. J., & Wixom, B. H. (2007). The current state of business intelligence. Computer, 40(9)

Descargas

Publicado

2017-12-30

Cómo citar

Roldán, M. F. (2017). Inteligencia empresarial adaptativa y su aplicación predictiva sobre patrones taxonómicos de deserción. Teknos Revista científica, 17(2), 31–37. https://doi.org/10.25044/25392190.902

Número

Sección

Artículos
QR Code
Crossref Cited-by logo

Artículos similares

1 2 3 4 5 > >> 

También puede {advancedSearchLink} para este artículo.