Udlearnmodelo de aprendizaje de maquina que facilita la toma de decisiones academicas en las instituciones academicas de educacion superior
- Nieto Acevedo, Yuri Vanessa
- Vicente García Díaz Directeur
- Carlos E. Montenegro Marín Co-directeur/trice
Université de défendre: Universidad de Oviedo
Fecha de defensa: 30 janvier 2020
- Ana Belén Martínez Prieto President
- Edward Rolando Núñez Valdez Secrétaire
- Manuel Pérez Cota Rapporteur
- Óscar Sanjuán Martínez Rapporteur
- Rubén González Crespo Rapporteur
Type: Thèses
Résumé
Las decisiones que se llevan a cabo a nivel estratégico en las Instituciones de Educación Superior (IES) involucran las políticas, las estrategias y las acciones que afectan a toda la comunidad académica. Así, la alta jerarquía administrativa enfrenta diferentes retos durante la toma decisiones, las cuales en su mayoría se basan en intuiciones o experiencias de administraciones pasadas. La separación que existe entre los diferentes stakeholders y la carencia en el uso de algoritmos computacionales eficientes en las instituciones ha conllevado que el proceso de toma de decisiones: A) Sea lento, B) No tenga en cuenta toda la información necesaria, por lo que no existe una visión completa de los diversos escenarios, C) El impacto académico sea reducido, entre otros. En esta investigación nos enfocamos en apoyar la toma de decisiones académicas a nivel estratégico, siendo las preocupaciones académicas de los administradores académicos respecto a la tasa de graduados la misión preminente que vamos a apoyar. Dicho aspecto es el motivo por el cual diseñamos un modelo de toma de decisiones en las IES. Para ello, comparamos cinco algoritmos supervisados de clasificación, de lo cual planteamos una metodología de pronósticos académicos impulsados por datos. Analizamos diversas métricas de evaluación de algoritmos y finalmente propusimos UDLearn, un modelo de aprendizaje de máquina que facilita la toma de decisiones académicas a la alta jerarquía administrativa de las IES.