30,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
  • Broschiertes Buch

Las altas tasas de abandono en los cursos de pregrado se han vuelto cada vez más preocupantes en Brasil, este problema ha generado pérdidas tanto para el país, como para los estudiantes y las universidades. En este contexto, se pretendió identificar a los alumnos con tendencia a la deserción en la UFC - Campus Quixadá/CE, a través de técnicas de minería de datos y utilizando datos históricos de los alumnos, en los que se realizaron experimentos con dos escenarios diferentes, el primer escenario con el total de registros con la división de los registros por clases desequilibradas y el segundo…mehr

Produktbeschreibung
Las altas tasas de abandono en los cursos de pregrado se han vuelto cada vez más preocupantes en Brasil, este problema ha generado pérdidas tanto para el país, como para los estudiantes y las universidades. En este contexto, se pretendió identificar a los alumnos con tendencia a la deserción en la UFC - Campus Quixadá/CE, a través de técnicas de minería de datos y utilizando datos históricos de los alumnos, en los que se realizaron experimentos con dos escenarios diferentes, el primer escenario con el total de registros con la división de los registros por clases desequilibradas y el segundo escenario con una muestra de registros con la división entre las clases equilibradas. Los resultados obtenidos muestran que se puede identificar a los posibles alumnos que van a abandonar la escuela con porcentajes de acierto de hasta el 99% en el primer escenario y de hasta el 95,5% en el segundo. A través de estos resultados, se pretende ayudar a los gestores de la institución en la toma de decisiones y en el desarrollo de políticas para mitigar el abandono escolar.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Autorenporträt
Bachelor in Informationssystemen an der Bundesuniversität von Ceará (UFC), Master in Informatik an der Bundesuniversität der Halbwüste (UFERSA). Er interessiert sich für die Bereiche Künstliche Intelligenz (KI), Datenbanken (BD), Data Mining (DM) und Maschinelles Lernen (ML).