Técnica de minería de datos para procesos educativos en estudiantes con necesidades educativas especiales basado en un modelo predictivo
DOI:
https://doi.org/10.59169/pentaciencias.v5i5.730Palabras clave:
estrategias; herramientas; procesos educativos.Resumen
En el contexto educativo, la minería de datos puede ser utilizada para analizar los datos enfocados en el proceso de enseñanza de los estudiantes y los procesos educativos que ayuden a identificar los factores que influyen desde diversos aspectos a partir de la retención del aprendizaje, rendimiento académico, la asistencia y la participación en actividades extracurriculares. Esto puede permitir a los educadores tomar medidas para mejorar los temas y habilidades en los que los estudiantes con necesidades educativas especiales y adaptar el plan de estudios en consecuencia. Esta investigación tuvo el objetivo de diseñar un modelo predictivo mediante técnicas de minería de datos en procesos educativos aplicados a estudiantes con necesidades educativas especiales en la Unidad Educativa “Plan Internacional” cuyo desarrollo se realizó mediante el uso de WEKA como herramienta para el análisis de datos y modelado predictivo presentando un aporte en la búsqueda de estrategias que permitan mejorar el proceso de enseñanza con los estudiantes con NNE. Se utilizaron métodos de investigación científica para sustentar el proceso de caracterización del estudio basado en un enfoque cuantitativo a nivel descriptivo y de campo.
Descargas
Citas
Barcia, M. J. J., & Carvajal, Z. B. T. (2015). El proceso de enseñanza aprendizaje en la educación superior. Revista Electrónica Formación y Calidad Educativa (REFCalE), 3, 139–154.
Castillo, Y. E., Laborí De La Nuez, B., & Sifonte, R. S. (2020). Extensión de índices de validación de grupo en la herramienta WEKA para la evaluación de algoritmos de agrupamiento Extension of group validation indices in the WEKA tool for the evaluation of clustering algorithms. 13(9), 179–187. http://publicaciones.uci.cu
Fernández, D. B., & Lujan-Mora, S. (2017). Comparison of applications for educational data mining in Engineering Education. 2017 IEEE World Engineering Education Conference (EDUNINE), 81–85. https://doi.org/10.1109/EDUNINE.2017.7918187
Mhetre, V., & Nagar, M. (2017). Classification based data mining algorithms to predict slow, average and fast learners in educational system using WEKA. 2017 International Conference on Computing Methodologies and Communication (ICCMC), 475–479. https://doi.org/10.1109/ICCMC.2017.8282735
Rodríguez Rodríguez, A., Rodríguez González, A. del C., Pino Tarragó, J. C., & Domínguez Gálvez, D. L. (2021). Implementación de algoritmos de Inteligencia Artificial en la predicción de nuevos conocimientos mediante enseñanza constructivista. Serie Científica de La Universidad de Las Ciencias Informáticas, 14(3), 131–141.
Rojas Salgado, M. E. (2021). Los retos de una educación virtual para estudiantes con necesidades educativas especiales. HAMUT’AY, 8(1), 9. https://doi.org/10.21503/hamu.v8i1.2232
Santiesteban, S. I., Barba, A. J. V., & Álvarez, D. F. (2017). Inclusión de estudiantes con necesidades educativas especiales en la Universidad Técnica del Norte del Ecuador. Revista Universidad y Sociedad, 9(3), 162–167.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
