Análisis de rendimiento académico estudiantil usando data warehouse y redes neuronales Analysis of students' academic performance using data warehouse and neural networks
Cada día las organizaciones tienen más información porque sus sistemas producen una gran cantidad de operaciones diarias que se almacenan en bases de datos transaccionales. Con el fin de analizar esta información histórica, una alternativa interesante es implementar un Data Warehouse. Por otro lado,...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad de Tarapacá
2011-12-01
|
| Series: | Ingeniare: Revista Chilena de Ingeniería |
| Subjects: | |
| Online Access: | http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052011000300007 |
| _version_ | 1828473200019767296 |
|---|---|
| author | Carolina Zambrano Matamala Darío Rojas Díaz Karina Carvajal Cuello Gonzalo Acuña Leiva |
| author_facet | Carolina Zambrano Matamala Darío Rojas Díaz Karina Carvajal Cuello Gonzalo Acuña Leiva |
| author_sort | Carolina Zambrano Matamala |
| collection | DOAJ |
| description | Cada día las organizaciones tienen más información porque sus sistemas producen una gran cantidad de operaciones diarias que se almacenan en bases de datos transaccionales. Con el fin de analizar esta información histórica, una alternativa interesante es implementar un Data Warehouse. Por otro lado, los Data Warehouse no son capaces de realizar un análisis predictivo por sí mismos, pero las técnicas de inteligencia de máquinas se pueden utilizar para clasificar, agrupar y predecir en base a información histórica con el fin de mejorar la calidad del análisis. En este trabajo se describe una arquitectura de Data Warehouse con el fin de realizar un análisis del desempeño académico de los estudiantes. El Data Warehouse es utilizado como entrada de una arquitectura de red neuronal con tal de analizar la información histórica y de tendencia en el tiempo. Los resultados muestran la viabilidad de utilizar un Data Warehouse para el análisis de rendimiento académico y la posibilidad de predecir el número de asignaturas aprobadas por los estudiantes usando solamente su propia información histórica.<br>Every day organizations have more information because their systems produce a large amount of daily operations which are stored in transactional databases. In order to analyze this historical information, an interesting alternative is to implement a Data Warehouse. In the other hand, Data Warehouses are not able to perform predictive analysis for themselves, but machine learning techniques can be used to classify, grouping and predict historical information in order to improve the quality of analysis. This paper depicts architecture of a Data Warehouse useful to perform an analysis of students' academic performance. The Data Warehouse is used as input of a Neural Network in order to analyze historical information and forecast. The results show the viability of using Data Warehouse for academic performance analysis and the feasibility of predicting the number of approved courses for students using only their own historical information. |
| first_indexed | 2024-12-11T05:40:59Z |
| format | Article |
| id | doaj.art-bf89268684fb42038f1717ef90c513b0 |
| institution | Directory Open Access Journal |
| issn | 0718-3291 0718-3305 |
| language | English |
| last_indexed | 2024-12-11T05:40:59Z |
| publishDate | 2011-12-01 |
| publisher | Universidad de Tarapacá |
| record_format | Article |
| series | Ingeniare: Revista Chilena de Ingeniería |
| spelling | doaj.art-bf89268684fb42038f1717ef90c513b02022-12-22T01:19:08ZengUniversidad de TarapacáIngeniare: Revista Chilena de Ingeniería0718-32910718-33052011-12-01193369381Análisis de rendimiento académico estudiantil usando data warehouse y redes neuronales Analysis of students' academic performance using data warehouse and neural networksCarolina Zambrano MatamalaDarío Rojas DíazKarina Carvajal CuelloGonzalo Acuña LeivaCada día las organizaciones tienen más información porque sus sistemas producen una gran cantidad de operaciones diarias que se almacenan en bases de datos transaccionales. Con el fin de analizar esta información histórica, una alternativa interesante es implementar un Data Warehouse. Por otro lado, los Data Warehouse no son capaces de realizar un análisis predictivo por sí mismos, pero las técnicas de inteligencia de máquinas se pueden utilizar para clasificar, agrupar y predecir en base a información histórica con el fin de mejorar la calidad del análisis. En este trabajo se describe una arquitectura de Data Warehouse con el fin de realizar un análisis del desempeño académico de los estudiantes. El Data Warehouse es utilizado como entrada de una arquitectura de red neuronal con tal de analizar la información histórica y de tendencia en el tiempo. Los resultados muestran la viabilidad de utilizar un Data Warehouse para el análisis de rendimiento académico y la posibilidad de predecir el número de asignaturas aprobadas por los estudiantes usando solamente su propia información histórica.<br>Every day organizations have more information because their systems produce a large amount of daily operations which are stored in transactional databases. In order to analyze this historical information, an interesting alternative is to implement a Data Warehouse. In the other hand, Data Warehouses are not able to perform predictive analysis for themselves, but machine learning techniques can be used to classify, grouping and predict historical information in order to improve the quality of analysis. This paper depicts architecture of a Data Warehouse useful to perform an analysis of students' academic performance. The Data Warehouse is used as input of a Neural Network in order to analyze historical information and forecast. The results show the viability of using Data Warehouse for academic performance analysis and the feasibility of predicting the number of approved courses for students using only their own historical information.http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052011000300007Data warehouseanálisis históricopredicciónredes neuronalesinformación estratégicaData warehouseneural networkshistorical analysispredictionstrategic information |
| spellingShingle | Carolina Zambrano Matamala Darío Rojas Díaz Karina Carvajal Cuello Gonzalo Acuña Leiva Análisis de rendimiento académico estudiantil usando data warehouse y redes neuronales Analysis of students' academic performance using data warehouse and neural networks Ingeniare: Revista Chilena de Ingeniería Data warehouse análisis histórico predicción redes neuronales información estratégica Data warehouse neural networks historical analysis prediction strategic information |
| title | Análisis de rendimiento académico estudiantil usando data warehouse y redes neuronales Analysis of students' academic performance using data warehouse and neural networks |
| title_full | Análisis de rendimiento académico estudiantil usando data warehouse y redes neuronales Analysis of students' academic performance using data warehouse and neural networks |
| title_fullStr | Análisis de rendimiento académico estudiantil usando data warehouse y redes neuronales Analysis of students' academic performance using data warehouse and neural networks |
| title_full_unstemmed | Análisis de rendimiento académico estudiantil usando data warehouse y redes neuronales Analysis of students' academic performance using data warehouse and neural networks |
| title_short | Análisis de rendimiento académico estudiantil usando data warehouse y redes neuronales Analysis of students' academic performance using data warehouse and neural networks |
| title_sort | analisis de rendimiento academico estudiantil usando data warehouse y redes neuronales analysis of students academic performance using data warehouse and neural networks |
| topic | Data warehouse análisis histórico predicción redes neuronales información estratégica Data warehouse neural networks historical analysis prediction strategic information |
| url | http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052011000300007 |
| work_keys_str_mv | AT carolinazambranomatamala analisisderendimientoacademicoestudiantilusandodatawarehouseyredesneuronalesanalysisofstudentsacademicperformanceusingdatawarehouseandneuralnetworks AT dariorojasdiaz analisisderendimientoacademicoestudiantilusandodatawarehouseyredesneuronalesanalysisofstudentsacademicperformanceusingdatawarehouseandneuralnetworks AT karinacarvajalcuello analisisderendimientoacademicoestudiantilusandodatawarehouseyredesneuronalesanalysisofstudentsacademicperformanceusingdatawarehouseandneuralnetworks AT gonzaloacunaleiva analisisderendimientoacademicoestudiantilusandodatawarehouseyredesneuronalesanalysisofstudentsacademicperformanceusingdatawarehouseandneuralnetworks |