UNIVERSIDAD REGIONAL AUTÓNOMA DE LOS ANDES “UNIANDES”
FACULTAD DE SISTEMAS MERCANTILES
CARRERA DE SISTEMAS
TESIS DE GRADO PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERA EN SISTEMAS E INFORMÁTICA
Tema:
“APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS PARA PREDECIR LA DESERCIÓN DE LOS ESTUDIANTES QUE PERTENECEN AL COLEGIO FISCO-MISIONAL “SAN FRANCISCO” DE LA CIUDAD DE IBARRA”
AUTOR:
CÓRDOVA GALARZA JANETH CAROLINA
TUTOR(A):
ING. RITA DÍAZ VÁSQUEZ, MsC
II
CERTIFICACIÓN DEL ASESOR
CERTIFICO:
Que la presente tesis, cuyo tema de investigación es “APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS PARA PREDECIR LA DESERCIÓN DE LOS ESTUDIANTES QUE PERTENECEN AL COLEGIO FISCO-MISIONAL “SAN FRANCISCO” DE LA CIUDAD DE IBARRA”, realizado por la estudiante Janeth Carolina Córdova Galarza, ha cumplido con los requisitos estipulados en el Reglamento General de la Universidad Regional Autónoma de los Andes “UNIANDES”, el mismo que ha sido coordinado y revisado durante todo el proceso de desarrollo, desde su inicio hasta la culminación, por lo cual autorizo su presentación.
Ibarra, 25 de Septiembre de 2014
III
DECLARACIÓN DE AUTORÍA
Yo, Janeth Carolina Córdova Galarza declaro ser autora del presente trabajo y eximo expresamente a la Universidad Regional Autónoma de los Andes “UNIANDES” y a sus representantes legales posibles reclamos o acciones legales.
Adicionalmente declaro conocer y aceptar la disposición de la Universidad Regional Autónoma de los Andes “UNIANDES”, la cual dice que tiene la potestad para emplear el presente trabajo de culminación de estudio como bibliografía para futuras investigaciones relacionadas con el tema planteado.
f.
IV
DEDICATORIA
V
AGRADECIMIENTO
Mi agradecimiento infinito a Dios, por bendecir mi camino para el cumplimiento de una meta muy importante en mi vida profesional.
A mi abuelita que ilumino mi vida con su amor incondicional y que siempre está presente en cada decisión importante.
A mi familia que siempre ha estado a mi lado con su valioso apoyo, paciencia y motivación. Igualmente por su orientación continua en el desarrollo de la presente tesis, quiero expresar mis más sinceros agradecimientos a la Ing. Rita Díaz Vásquez.
VI
ÍNDICE DE CONTENIDOS
INTRODUCCIÓN ... 1
Antecedentes de la investigación ... 1
Planteamiento del problema ... 2
Formulación del problema ... 2
Delimitación del problema ... 2
Objeto de investigación y campo de acción ... 3
Identificación de la línea de investigación ... 3
Objetivo general ... 3
Objetivos específicos ... 3
Idea a defender ... 3
Justificación del tema ... 4
Metodología investigativa a emplear ... 4
Metodología CRISP-DM ... 5
Resumen de la estructura de la tesis ... 6
Novedad, aporte teórico y significación práctica ... 6
Novedad científica ... 6
Aporte teórico ... 7
Significación práctica ... 7
Capítulo I. ... 8
MARCO TEÓRICO……….7
1.1 Reseña histórica del Colegio “San Francisco” ... 8
1.1.2 Visión ...8
1.1.3 Misión ... 8
1.2 Estructura orgánica funcional ... 9
VII
1.2.2 Organigrama Funcional ... 9
1.3 Trayectoria Académica de la Institución ... 10
1.4 Análisis respecto a la deserción escolar en el Colegio San Francisco... 10
1.5 Deserción Estudiantil ... 11
1.5.1 Análisis teórico sobre la Deserción Estudiantil ... 11
1.7 Minería de Datos ... 12
1.7.1 Tareas de minería de datos ... 12
1.7.1.1 Tareas predictivas. ... 12
1.7.2 Técnicas de minería de datos. ... 13
1.7.2.1 Reglas de Asociación y Dependencia. ... 14
1.7.2.2 Árboles de decisión y sistemas de reglas. ... 14
1.7.2.3 Algoritmos de clustering o agrupamiento ... 14
1.7.2.4 Algoritmos de clasificación ... 15
1.7.3 Correspondencia entre tareas, técnicas y algoritmos. ... 16
1.7.4 Herramientas de minerías de datos ... 17
1.7.4.1 Weka (Waikato environment for knowledge analysis). ... 17
1.8 Conclusión del Marco Teórico ... 17
Capítulo II.. ... 18
MARCO METODOLÓGICO Y PLANTEAMIENTO DE LA PROPUESTA……….17
2.1 Metodología a Implementar ... 18
2.2 Metodología CRISP-DM ... 18
2.2.1 Descripción de fases de CRISP–DM, Chapman et al. (2000). ... 18
2.3 Investigación de Campo ... 20
2.3.1 Población ... 20
2.3.2 Cálculo de la Muestra ... 22
2.3.3 Aplicación de la fórmula ... 22
VIII
2.4.1 Entrevista ... 22
2.4.2 Encuestas ... 22
2.5 Interpretación de resultados ... 23
2.5.1 Interpretación de los resultados de la entrevista ... 23
2.5.2 Interpretación de los resultados de la encuesta ... 24
2.6 Conclusión del Marco Metodológico y Planteamiento de la propuesta. .. 36
Capítulo III. ... 37
DESARROLLO DE LA PROPUESTA………37
3.1 Fase I. Comprensión del negocio ... 37
3.1.1 Objetivos de la Minería ... 37
3.1.2.1 Recursos ... 38
3.1.2.1 Detalle de costo de recursos ... 38
3.2 Fase II. Compresión de los Datos ... 39
3.2.1 Recolección de Datos ... 39
3.2.1.1 Descripción de los datos ... 39
3.2.1.2 Exploración de los datos ... 47
3.2.1.3 Verificación de la Calidad de los Datos ... 48
3.3 Fase III. Preparación de Datos ... 49
3.3.1 Seleccionar los datos ... 49
3.3.2 Limpieza de los Datos ... 50
3.3.3 Construcción e Integración de los Datos ... 51
3.4 Fase IV Modelado ... 51
3.4.1 Seleccionar Técnica de Modelado ... 51
3.4.2 Construcción del modelo y resultados experimentales ... 52
3.5 FASE V: Evaluación ... 68
CONCLUSIONES ... 70
IX
X
ÍNDICE DE FIGURAS
Figura 1.1 Fases de CRISP-DM ... 5
Figura 1.2 Organigrama Funcional ... 9
Figura 1.3 Error cuadrático k-means. ... 15
Figura 2.1 El proceso CRISP-DM ... 20
Figura 2.2 Fórmula para el cálculo de la muestra ... 22
Figura 2.3 Alumnos por Curso ... 24
Figura 2.4 Género de alumnos ... 25
Figura 2.5 Fecha de Nacimiento ... 26
Figura 2.6 Estado Civil ... 27
Figura 2.7 Preferencia del Colegio ... 28
Figura 2.8 Pago de Matrícula ... 29
Figura 2.9 Asistencia a clases ... 30
Figura 2.10 Participación en clases ... 31
Figura 2.11 Razones de tareas no realizadas... 32
Figura 2.12 Comprensión de las clases ... 33
Figura 2.13 Opciones después del Colegio ... 34
Figura 2.14 Violencia en la Institución ... 35
Figura 3.1 Descripción del Conjunto de Datos seleccionado ... 43
Figura 3.2 Estado Aprobación ... 47
Figura 3.3 Porcentaje de deserción ... 47
Figura 3.4 Distribución del Promedio por curso ... 48
Figura 3.5 Resultados – Simple K-means- Octavos ... 54
Figura 3.6 Árbol de decisión - Octavos ... 63
Figura 3.7 Árbol de decisión – Novenos ... 63
XI
XII
ÍNDICE DE TABLAS
Tabla 1.1 Correspondencia entre técnicas, algoritmos y las tareas ... 16
Tabla 2.1 Distribución de Cursos 2013-2014 ... 21
Tabla 2.2 Directivos y personal docente ... 21
Tabla 2.3 Alumnos por Curso ... 24
Tabla 2.4 Género de alumnos ... 25
Tabla 2.5 Fecha de nacimiento... 26
Tabla 2.6 Estado civil ... 27
Tabla 2.7 Preferencia del Colegio ... 28
Tabla 2.8 Pago de Matrícula ... 29
Tabla 2.9 Asistencia a clases ... 30
Tabla 2.10 Participación en clases ... 31
Tabla 2.11 Razones de tareas no realizadas ... 32
Tabla 2.12 Comprensión en clases ... 33
Tabla 2.13 Opciones después del colegio ... 34
Tabla 2.14 Violencia en la Institución ... 35
Tabla 3.1 Recursos ... 38
Tabla 3.2 Costo de recursos ... 38
Tabla 3.3 Conducta ... 40
Tabla 3.4 Cursos ... 40
Tabla 3.5 Estudiantes ... 41
Tabla 3.6 Matrículas... 41
Tabla 3.7 Notas ... 42
Tabla 3.8 Conjunto de Datos: Deserción Estudiantil ... 44
Tabla 3.9 Cursos ... 45
XIII
Tabla 3.11 Decodificación del campo sexo ... 46
Tabla 3.12 Decodificación del campo estado civil ... 46
Tabla 3.13 Decodificación del campo forma de pago de matrícula ... 46
Tabla 3.14 Decodificación del campo Promedio Anual... 46
Tabla 3.15 Decodificación del campo desertor ... 46
Tabla 3.16 Resumen de atributos ... 49
Tabla 3.17 Conjunto de Datos Definitivo ... 51
Tabla 3.18 Técnicas utilizadas para la generación del modelo ... 52
Tabla 3.19 Clusters generados – 8vos a 3ro. Bachillerato ... 53
Tabla 3.20 Ranking de Atributos – ChiSquaredAttributeEval – Octavos ... 58
Tabla 3.21 Ranking de Atributos – ChiSquaredAttributeEval – Novenos... 59
Tabla 3.22 Ranking de Atributos – ChiSquaredAttributeEval – Décimos... 60
Tabla 3.23 Ranking de Atributos – ChiSquaredAttributeEval – Primer Año de Bachillerato ... 60
XIV
RESUMEN EJECUTIVO
La deserción estudiantil, es un problema que caracteriza a las instituciones educativas comúnmente desde la secundaria, por ello es importante enfocarse en las razones que motivan a un estudiante a desertar, identificarlos para tomar las acciones pertinentes y reducir el nivel de abandono escolar y dependiendo del caso realizar el seguimiento a los estudiantes.
La minería de datos orientada a la educación permite predecir cualquier tipo de factor o característica de un caso, fenómeno o situación. De esta forma, utilizando las técnicas que ofrece la minería, se puede predecir con un porcentaje alto de credibilidad, la probabilidad de desertar del alumno.
Este modelo predictivo es el resultado de la aplicación de la Metodología CRISP-DM, la que inicia con el análisis de los datos proporcionados por el Colegio Fisco-misional “San Francisco”, los que permitieron adquirir patrones de comportamiento, finalizando con el modelado de la información que da a conocer las posibles causas por las que un alumno decide desertar.
La metodología mixta, es decir la combinación del proceso cuantitativo y cualitativo permite un resultado exitoso en complemento con la línea de investigación que se emplea en esta tesis que son: Desarrollo de Software y Programación de Sistemas.
XV
EXECUTIVE SUMMARY
The student’s desertion is a problem that characterizes the educational institutions commonly since high school, so it is important to focus on reasons that motivate students to drop out, identify them to take appropriate actions and reduce the high school leaving rate and depending on the fact carry out a monitoring process to the students.
Data mining oriented to the education let to predict any factor or characteristic of a case, phenomenon or situation. Thus, using the techniques offered by mining, it is possible to predict with a high percentage of credibility, the probability of students desertion.
This predictive model is the result of the implementation of the CRISP-DM methodology, which starts with the analysis of data provided by the Treasury-missionary "San Francisco" high school, which permitted to get patterns of behavior, ending with modeling information that lets to know the possible reasons why a student decides to desert.
The mixed methodology, it means the combination of quantitative and qualitative process allows a successful result in complement with the research line that is used in this thesis that are: Software Development and Systems Programming.
1
INTRODUCCIÓN
ANTECEDENTES DE LA INVESTIGACIÓN
Este trabajo de investigación, se fundamenta especialmente en aplicar técnicas de minería de datos para predecir la deserción de los estudiantes que pertenecen al Colegio Fisco-misional “San Francisco” de la ciudad de Ibarra.
La Unesco menciona la tasa promedio de deserción en la educación secundaria de un 15,5% en el año 2010. Es decir, cada año alrededor de 1 de cada 6 alumnos desertó en la educación secundaria en América Latina y el Caribe.
Según el Archivo Maestro de Instituciones Educativas del Ecuador la tasa de abandono en el bachillerato 2011-2012 (generalmente al finalizar el período académico) en educación escolarizada ordinaria y extraordinaria es el 6,8% de estudiantes desertores, relacionado por causas pedagógicas y socio-económicas (MinEduc, 2012)
El Colegio Fisco-misional San Francisco presenta un incremento de las matrículas a partir del año lectivo 2008- 2009, 2009-2010, Y en el periodo lectivo 2010-2011, retiro de estudiantes por decisión personal del padre de familia, por tener dificultades en las materias o por situación económica; datos obtenidos del archivo institucional. (Col. San Francisco, 2012-2015)
La deserción escolar es un problema socio - educativo que afecta al desarrollo de la sociedad y trastorna el desenvolvimiento adecuado de los individuos en su diario convivir, ya que la deserción afecta al presente y al futuro de los adolescentes que se abstienen de concurrir al colegio, pero también condiciona negativamente a toda la comunidad.
2
PLANTEAMIENTO DEL PROBLEMA
La deserción de los estudiantes, es uno de los principales problemas que enfrentan las Instituciones Educativas del Ecuador, especialmente el Colegio Fisco-misional San Francisco.
Debido a la ausencia de un sistema que permita predecir la deserción escolar, especialmente en el Colegio Fisco-Misional San Francisco, se han generado costos que involucran pérdida de dinero. La deserción escolar muy temprana se traduce en analfabetismo.
Según el Sistema Integrado de Indicadores Sociales del Ecuador, se considera desertor al alumno que abandona un año escolar antes de terminarlo. El orientador estudiantil Wilson Gavilanes explica que las primeras causas para que un joven abandone sus estudios son:
1. Tener dificultades en las materias,
2. Cambiar de ubicación geográfica por lo que el colegio se vuelve muy distante 3. Tener que comenzar a trabajar por su situación económica.
La deserción estudiantil lo enfrentan varias instituciones a nivel nacional, por lo cual el Colegio Fisco-Misional “San Francisco” ya ha realizado estudios sobre el tema en base a la historia estudiantil de cada alumno, pero no han logrado obtener la información precisa, ya que no disponen de la herramienta adecuada para determinar cuáles son las posibles causas por la que un estudiante decide abandonar sus estudios.
FORMULACIÓN DEL PROBLEMA
Desconocimiento de técnicas de minería de datos impiden al Colegio "San Francisco" tomar decisiones acertadas en cuanto a la deserción estudiantil.
DELIMITACIÓN DEL PROBLEMA
3
interrupción en la culminación de los estudios de los jóvenes estudiantes, para lo cual en el desarrollo de la aplicación se tomó un tiempo de 12 meses.
OBJETO DE INVESTIGACIÓN Y CAMPO DE ACCIÓN
o Objeto de investigación: Procesos de Deserción Estudiantil
o Campo de acción: Minería de Datos para el soporte a la toma de decisiones.
IDENTIFICACIÓN DE LA LÍNEA DE INVESTIGACIÓN
Desarrollo de Software y Programación de Sistemas.
OBJETIVO GENERAL
Implantar la Aplicación de técnicas de minería de datos para predecir la deserción de los estudiantes que pertenecen al Colegio "San Francisco" de la Ciudad de Ibarra.
OBJETIVOS ESPECÍFICOS
o Fundamentar teóricamente sobre la Aplicación de técnicas de minería de datos para predecir la deserción de los estudiantes que pertenecen al Colegio "San Francisco" de la Ciudad de Ibarra.
o Diagnosticar la situación actual en la deserción de los estudiantes que pertenecen al Colegio Fisco-Misional "San Francisco" de la Ciudad de Ibarra.
o Desarrollar la Aplicación de técnicas de minería de datos para predecir la deserción de los estudiantes que pertenecen al Colegio Fisco-Misional "San Francisco" de la Ciudad de Ibarra.
o Validar la propuesta.
IDEA A DEFENDER
4
JUSTIFICACIÓN DEL TEMA
La deserción de los estudiantes que pertenecen al Colegio "San Francisco" de la Ciudad de Ibarra, es uno de los principales problemas que enfrentan la mayoría de las Instituciones Educativas del Ecuador, ya que el mismo representa mucha pérdida de tiempo y dinero; mediante esta aplicación se analiza detalladamente las causas que lo ocasionan y de acuerdo a ello se plantea la solución más acertada para evitarlo.
En base a algunos conceptos sobre la deserción estudiantil se logró determinar que mientras el estudiante mantenga un nivel académico adecuado, menor será la posibilidad de que el mismo decida renunciar a sus estudios; pero varias situaciones como: notas insuficientes, cambiar de domicilio, tener que comenzar a trabajar por su situación económica son factores que aportan a la deserción escolar; éstas razones exigen un modelo predictivo que permita tomar las mejores decisiones respecto al tema, por ello el modelo se desarrolló con la finalidad de resolver algunos fenómenos inevitables que se presentan en el transcurso del periodo escolar.
METODOLOGÍA INVESTIGATIVA A EMPLEAR
En esta investigación se aplicó el paradigma mixto, es decir, la combinación de los enfoques cuantitativos y cualitativos, ya que ambos emplean procesos cuidadosos, sistemáticos y empíricos.
En este enfoque se utilizó la interpretación de datos cuantitativos que se aplica en el momento de la comprobación teórica sobre la deserción escolar, se realiza la recolección de los datos por medio de las encuestas y el análisis estadístico; mientras que cualitativamente permite la exploración y la generación sobre la Minería de Datos, de esta forma se pueden utilizar las dos posiciones que orientan correctamente en el desarrollo de la Aplicación de técnicas de minería de datos para predecir la deserción de los estudiantes que pertenecen al Colegio "San Francisco" de la Ciudad de Ibarra.
5
deserción de los estudiantes Franciscanos, al mismo tiempo ayuda a predecir mediante los sucesos históricos que se obtuvo en la investigación.
Se aplicó el método deductivo que es un método científico el cual considera que la conclusión se halla implícita dentro las premisas, es decir que las conclusiones obtenidas respecto a la deserción estudiantil son una consecuencia necesaria de las causas que ocasionan este fenómeno, las mismas fueron obtenidas en la investigación, considerada verdadera y sin errores en base a este método.
METODOLOGÍA CRISP-DM
CRISP-DM, que son las siglas de Cross-Industry Standard Process for Data Mining, es un método probado para orientar trabajos de minería de datos.
Como metodología, incluye descripciones de las fases normales de un proyecto, las tareas necesarias en cada fase y una explicación de las relaciones entre las tareas. Como modelo de proceso, CRISP-DM ofrece un resumen del ciclo vital de minería de datos. El modelo de CRISP-DM es flexible y se pueden personalizar fácilmente. (Corporation, 2012)
La aplicación de esta metodología fue necesaria, porque el desarrollo de la herramienta implica adaptarse al problema, y justamente proporciona la orientación correcta en el tema de deserción estudiantil que se trató en este trabajo de tesis.
Fases de CRISP-DM
6
RESUMEN DE LA ESTRUCTURA DE LA TESIS
Para el desarrollo del presente proyecto de tesis se utilizó el siguiente esquema:
o CAPÍTULO I: Marco Teórico: Se basa fundamentalmente en la explicación y sustentación teórica sobre la Deserción Estudiantil, y cómo el mismo se involucra específicamente con el objeto de investigación que son las Técnicas de minería de datos, que se refiere a un modelo predictivo para el desarrollo de esta investigación, que ayudó a la toma de decisiones para dar soluciones al problema planteado.
o CAPÍTULO II: Marco Metodológico y Planteamiento de la Propuesta: En este capítulo se detalló la metodología empleada, las herramientas que se utilizó de acuerdo a la investigación realizada como entrevistas, encuestas y la importancia de implementar un sistema de procesos para la toma de decisiones correctas que beneficia el desarrollo del plantel y la comunidad.
o CAPÍTULO III: Desarrollo de la Propuesta: Se aplicó los conocimientos teóricos y prácticos, detallados en los capítulos anteriores; aquí se enfatiza los resultados alcanzados y se presenta finalmente paso a paso el desarrollo del modelo predictivo, los beneficios y el uso del mismo. Igualmente se efectiviza los resultados obtenidos.
Por último las Conclusiones, Recomendaciones, Bibliografía y Anexos.
NOVEDAD, APORTE TEÓRICO Y SIGNIFICACIÓN PRÁCTICA
o NOVEDAD CIENTÍFICA
7
o APORTE TEÓRICO
En la actualidad se busca aligerar el procesamiento de los datos, se dispone de grandes cantidades de información, las mismas están alojadas en bases de datos, archivos, documentos impresos, páginas web que se crean por una tarea cotidiana específica; la minería de datos es una solución a la necesidad de explicar el porqué de unos sucesos, de unos comportamientos, los cuales están ocultos en datos históricos.
Como reto principal del Colegio Fisco-misional “San Francisco”, es que los estudiantes que pertenecen a la Institución puedan culminar su bachillerato; es posible conocerlo mediante la aplicación de las capacidades del análisis predictivo que proporciona la minería de datos.
Entre algunas de las técnicas de minería de datos que existen en la actualidad, las que se utilizan para la generación del presente modelo son: Árboles de decisión, clustering y reglas de asociación.
Con la implementación de este modelo predictivo, la Institución educativa optimiza sus recursos materiales así como la disponibilidad y necesidad del personal para determinar las estrategias necesarias que eviten que un estudiante deserte.
o SIGNIFICACIÓN PRÁCTICA
8
Capítulo I. MARCO TEÓRICO
1.1Reseña histórica del Colegio “San Francisco”
El Colegio “San Francisco”, ubicado en la Provincia de Imbabura, en el Cantón Ibarra, en las Calles Miguel Oviedo #1-91 y Juan Montalvo; se inicia como Seminario Seráfico Capuchino el año 1955. En 1958, mediante decreto ministerial No. 528-SS, se oficializa como Colegio Particular Seminario “San Francisco”. En 1973, mediante decreto supremo # 887, se declara como Colegio Fisco-misional “San Francisco”.
El Colegio “San Francisco” enfrenta el desafío de ofertar una educación de calidad Científica Tecnológica Humanística Cristiana Católica Capuchina; por lo mismo consideran la participación comprometida de todos quienes forman parte de la Comunidad Educativa. Además, la institución se constituye en un conjunto de decisiones y estrategias constantes con la finalidad de conseguir una educación de calidad. (Col. San Francisco, 2012-2015)
1.1.2 Visión
En el año 2016 es una Institución líder en la Provincia y el País en la formación de jóvenes bachilleres calificados tecnológica y científicamente, con principios éticos, morales y cívicos, capaces de generar y producir fuentes de trabajo, así como también para continuar sus estudios superiores. (Col. San Francisco, 2012-2015)
1.1.3 Misión
9
1.2 Estructura orgánica funcional 1.2.1 Datos Informativos
El Colegio Fisco-misional “San Francisco”; está conformada por la siguiente modalidad: a. Educación Básica Superior con 492 Estudiantes: Octavos, Novenos y Décimos b. Bachillerato General Unificado en Ciencias, con 340 Estudiantes: Primeros, Segundos
y Terceros.
Cuenta actualmente con un total de 832 estudiantes; Personal docente conformado por 39 profesores, y personal administrativo con 11 profesionales.
1.2.2 Organigrama Funcional
Figura 1.2 Organigrama Funcional Fuente: (Col. San Francisco, 2012-2015)
NIVEL DIRECTIVO Orden Capuchina Ecuador Junta General de Directivos y Profesores
H. Consejo Directivo
NORMATIVO – DECISORIO - POLITICAS
NIVEL GERENCIAL Rectorado Vicerrectorado
Inspección
PLANIFICA – ORGANIZA - EJECUTA
ESTUDIANTADO
NIVEL ASESOR OPERATIVO Juntas de curso - Junta de Áreas Dirigentes de curso- CUERPO DOCENTE
ASESORA – INFORMA - EJECUTA NIVEL ADMINISTRATIVO
Secretaria – Contabilidad - Colecturía ORGANIZA – PROCESA Y
EJECUTA
NIVEL SERVICIOS
Centro de computación, Laboratorio Biblioteca
Médico – Psicólogo - Trabajo Social
Auxiliar de Servicios, Logística y mantenimiento
NIVEL DE APOYO
DIFA – DOBE, Comisiones, Asociación de Profesores, Gobierno Estudiantil, Comité de Padres de Familia
10
1.3 Trayectoria Académica de la Institución
Según Archivos Institucionales, sobre la información de los últimos 5 años; existe incremento en las matrículas a partir del año lectivo 2009-2010, por tres factores:
a. Estudiantes que ingresaron a la mañana al Colegio San Francisco del colegio vespertino San Francisco 2, que se cerró.
b. La creación de un paralelo adicional de Físico-Matemáticas y otro de Químico-Biológicas.
c. Apertura de locales de la Comunidad Capuchina para uso del colegio.
En este mismo periodo, se ve un incremento de alumnos no promovidos, un número considerable en relación a los años anteriores, entre las posibles causas comentadas en las Juntas de Curso, se debe a un cambio de actitud en la disciplina por una interpretación equivocada del Código de la Niñez y Adolescencia, tanto de estudiantes como de padres de familia, que amparados en dicho Código se ha observado el incumplimiento de las normas que tiene el Colegio; además, subyace latente la problemática en el núcleo familiar, por la separación de sus padres, la emigración y la falta de acompañamiento.
En el siguiente periodo 2010-2011, también se observa un incremento de estudiantes, ya que se abre un paralelo más en octavo de básica; Igualmente existe retiro de estudiantes por decisión del padre de familia, cambio de domicilio, y causas familiares.
Como política de la institución, no se reciben estudiantes de novenos a terceros años de bachillerato, pero ante ciertas solicitudes, se procedió al ingreso, tomando en cuenta que las notas sean superiores a 17 puntos en aprovechamiento y 18 en disciplina y evaluación en las 4 áreas principales. (Col. San Francisco, 2012-2015)
1.4 Análisis respecto a la deserción escolar en el Colegio San Francisco
11
donde el trabajo infantil es una de las principales causas de la deserción escolar en secundaria. (UNESCO, 2012); el Colegio San Francisco no ha sido la excepción ya que se observó que en el periodo escolar 2010-2011, pese a que se ha caracterizado por aumento de estudiantes nuevos, el número de alumnos que logra culminar sus estudios no es alto, gran parte de estos abandonan sus estudios, principalmente en los primeros años. (Col. San Francisco, 2012-2015)
1.5 Deserción Estudiantil
La deserción estudiantil es un fenómeno que aparece después de implantarse en la mayoría de los países una educación generalizada, obligatoria y se acentúa con el proceso de democratización de la educación. Los niños en el Ecuador tienen grandes índices de deserción escolar convirtiéndose en los más vulnerables a los focos de criminalidad como robos y atracos, formar parte de pandillas, la prostitución y consumo de drogas. Actualmente las carreras universitarias son condición para ocupar los puestos más remunerados económicamente y de mayor prestigio social. (Villacorta, 2010)
1.5.1 Análisis teórico sobre la Deserción Estudiantil
Cuando se habla de deserción escolar, se refiere a un fenómeno de un país en desarrollo como el nuestro, donde los adolescentes se ven obligados a participar tempranamente en la solución de los mismos, ya sea sociales, económicos o familiares. “Hay más deserción escolar en las zonas rurales que en las urbanas”, enfatiza la socióloga ecuatoriana Mariana de Jesús Vera en el año 2011. “Más de la mitad y hasta el 60% de las deserciones ocurren al finalizar los primeros años”.
De acuerdo a los diferentes conceptos planteados respecto a las posibles causas de la deserción escolar, se puede observar diferentes puntos de vista, pero para deducir la solución se debe realizar un análisis por medio de la Minería de Datos, ya que estos patrones no se pueden detectar mediante la exploración tradicional de los datos. Estos patrones y tendencias se pueden recopilar y definir como un modelo de minería de datos.
12
1.7 Minería de Datos
En la actualidad se dispone de grandes cantidades de información las mismas que están alojadas en bases de datos, archivos, documentos impresos, páginas web que se crean por una tarea cotidiana específica, dicha información no se analiza ni se integra con el resto de conocimiento; para lo cual existe el área de la Minería de Datos que nace de la necesidad de explicar el porqué de unos sucesos, los cuales están ocultos en datos históricos. “La Minería de Datos es un conjunto de herramientas de diversas ciencias (Estadística, Informática, Matemáticas, Ingeniería, entre otras)” que persigue extraer conocimiento oculto o información no trivial de grandes volúmenes de datos, con la finalidad de dar soluciones a problemas específicos de una organización. (Hand, 2011). La minería de datos engloba un proceso para la obtención de conocimiento a partir de datos: selección de un conjunto, el análisis de propiedades de los datos, la transformación de conjunto de datos de entrada, seleccionar y aplicar técnica de minería de datos, seguidamente está el proceso de extracción de datos, finalmente la interpretación y evaluación de los datos. (Marques, Noviembre 2013)
1.7.1 Tareas de minería de datos
Se clasifican en dos grupos las tareas que se realiza en la Minería de Datos para poder extraer conocimiento oculto, estas son las predictivas que permiten predecir uno o más valores. Y el otro grupo es de las tareas descriptivas su objetivo es describir los existentes, (Ordaz, 2011) a continuación se describen las tareas de ambos grupos:
1.7.1.1 Tareas predictivas.
Clasificación
El objetivo de la tarea es poder clasificar un dato dentro de las clases definidas del dominio que se está modelando (Riquelme J., 2006)
Regresión
13
1.7.1.2 Tareas descriptivas.
Agrupamiento (clustering).
El objetivo de la presente tarea es obtener grupos o conjuntos en donde se incorpore elementos similares extraídos de las clases del dominio dado (Riquelme J., 2006)
Asociación.
El objetivo de la asociación es poder describir las relaciones que existen entre los valores de los atributos de un determinado ejemplo de un dominio establecido.
Correlación.
El objetivo de la presente técnica es ver, si dos o más atributos numéricos están correlacionados linealmente o relacionados de algún otro modo mediante un análisis de varianza coeficiente de correlación lineal de los datos (Hernández, Ramírez & Ferri, 2004).
1.7.2 Técnicas de minería de datos.
A continuación se describen algunas técnicas de minería de datos para llevar a cabo las tareas anteriormente mencionadas:
Modelización estadística paramétrica. Modelización estadística no paramétrica. Reglas de Asociación y Dependencia Métodos Bayesianos.
Árboles de decisión y sistemas de reglas. Redes neuronales artificiales.
Algoritmos de clusteing o agrupamiento Algoritmos de clasificación
Algoritmos de Asociación
Algoritmo para la Selección de atributos
14
1.7.2.1 Reglas de Asociación y Dependencia.
Esta técnica consiste en que mediante reglas se expresan patrones de comportamiento entre los datos de las clases del dominio en función de la aparición conjunta de valores de dos o más atributos (Hernandez J. Ramirez M.& Ferri, 2004). La característica principal de estas reglas es que tratan con atributos nominales es decir que puede tener un valor de un conjunto de valores establecidos, por ejemplo el atributo género (masculino, femenino).
1.7.2.2 Árboles de decisión y sistemas de reglas.
La técnica basada en árboles de decisión es quizás el método más fácil de utilizar y de entender. (Hernandez J. Ramirez M.& Ferri, 2004). Un árbol decisión es una estructura jerárquica que está formado por un conjunto de nodos, en donde cada nodo establece una condición o regla la misma que puede retornar verdadero o falso según los valores de los atributos que se desean analizar, de tal manera que la decisión final a tomar se puede determinar siguiendo las condiciones que se cumplen desde el nodo raíz (superior) del árbol hasta alguno de sus nodos hojas (inferior). (Turban E. A., 2005). Las tareas que utilizan este tipo de técnica son la: clasificación, regresión y agrupamiento. Una de las ventajas de los árboles de decisión es que se puede llegar a una sola acción o decisión a tomar. (Hernandez J. Ramirez M.& Ferri, 2004).
1.7.2.3 Algoritmos de clustering o agrupamiento
El presente algoritmo es utilizado para crear grupos de datos, con características similares.
K-Means
15
Error cuadrático k-means
Figura 1.3 Error cuadrático k-means. Fuente: (R. Gutiérrez, 2008)
K-Means comienza particionado los datos en k subconjuntos no vacíos, aleatoriamente o usando alguna heurística, calcula el centroide de cada partición como el punto medio del cluster y asigna cada dato al cluster cuyo centroide sea el más próximo. Luego los centroides son recalculados para los grupos nuevos y el algoritmo se repite hasta la convergencia, la cual es obtenida cuando no haya más datos que cambien de grupo de una iteración a otra. (R. Gutiérrez, 2008)
1.7.2.4 Algoritmos de clasificación
El presente algoritmo es utilizado para clasificar un conjunto de datos, dentro de una clase especifica.
J48
J48 es una implementación open source en lenguaje de programación Java del algoritmo C4.5 en la herramienta weka, el presente algoritmo permite generar un árbol de decisión, a través de los datos ingresados, seleccionando el mejor atributo que clasifique a los datos. (Wilford Ingrid, 2008). Es uno de los más utilizados en minería de datos, permite trabajar con valores continuos para los atributos, separando los posibles resultados en las ramas respectivas. El presente algoritmo genera un árbol de decisión de forma recursiva al considerar el criterio de la mayor proporción de ganancia de información (Hernández & Ferri, 2006) es decir, elige al atributo que mejor clasifica a los datos dentro de una categoría definida. Está formado por:
o Nodos: Nombres de los Atributos seleccionados. o Ramas: Valores de los determinados atributos.
16
1.7.3 Correspondencia entre tareas, técnicas y algoritmos.
En la Tabla 1.1, se muestra la correspondencia que existe entre las técnicas de minería, con las tareas y los algoritmos.
CORRESPONDENCIA ENTRE TÉCNICAS, ALGORITMOS Y LAS TAREAS Predictivas Descriptiva
Técnica (algoritmo) Clasificación Regresión Agrupamiento Asociación Correlación
Redes Neuronales X X X
Árboles de decisión
(ID.3, C4.5, C5.0) X
Árboles de decisión
(CART) X X
Árboles de decisión y sistemas de reglas
(CN2)
X X
Redes de Kohonen X
Modelización Estadística (Regresión
lineal), (Regresión Logarítmica)
X X
Modelización Estadística (Regresión
Logística)
X X
Métodos basados en casos y en vecindad
(K-means)
X
Reglas de Asociación y
Dependencia (A priori) X Métodos Bayesianos
(Naive Bayes) X
Métodos basados en casos y en vecindad
(vecinos más próximos)
X
Métodos basados en casos y en vecindad (Two-step, COBWED)
X X X X X
Máquinas de vectores
soporte X X X
17
1.7.4 Herramientas de minerías de datos
Las herramientas de minería de datos facilitan el desarrollo de los modelos para la extracción de conocimiento de un dominio establecido, dichas herramientas contienen los algoritmos específicos para la aplicación de técnicas de minería de datos, se los puede utilizar mediante una interfaz gráfica. Algunas herramientas tanto comerciales como de libres distribución, para el desarrollo de modelos de minería de datos: (Pérez C., 2007)
a. Comerciales:
o Intelligent Miner / DB2 Data Warehouse Edition (IBM) o Enterprise Miner (SAS)
o DataEngine
b. De código libre o Weka
1.7.4.1 Weka (Waikato environment for knowledge analysis).
Es una herramienta visual de libre distribución desarrollada por los investigadores de la Universidad de waikato en Nueva Zelanda. Sus principales característica son: Acceso de los datos desde un archivo en formato ARFF (es un archivo de texto plano); preprocesador de datos (selección, transformación de atributos); visualización del entorno y aplicación de técnicas de aprendizaje. (Holmes & Witten, 1994).
1.8 Conclusión del Marco Teórico
18
Capítulo II. MARCO METODOLÓGICO Y PLANTEAMIENTO DE LA PROPUESTA.
2.1 Metodología a Implementar
En esta investigación se utilizó el paradigma mixto, es decir, la combinación de los enfoques cuantitativos y cualitativos, ya que ambos emplean procesos cuidadosos, sistemáticos y empíricos. En este enfoque se utiliza la interpretación de datos cuantitativos en cualitativos y viceversa, así como también se pueden utilizar los dos enfoques para responder preguntas de investigación del planteamiento del problema.
El enfoque mixto es un proceso que recolecta, analiza y vincula datos cualitativos y cuantitativos en un mismo estudio, o una serie de investigaciones para responder a un planteamiento del problema. (Ibidem, 2006)
2.2 Metodología CRISP-DM
La metodología CRISP-DM consta de cuatro niveles de abstracción, organizados de forma jerárquica en tareas que van desde el nivel más general hasta los casos más específicos.
A nivel más general, el proceso está organizado en fases, estando cada fase a su vez estructurada en varias tareas genéricas de segundo nivel. Así, si en el segundo nivel se tiene la tarea genérica “limpieza de datos”, en el tercer nivel se indican las tareas que tienen que desarrollarse para un caso específico, como por ejemplo, “limpieza de datos numéricos”, o “limpieza de datos categóricos”. (Chapman Pete, 2000). Y el cuarto nivel, recoge el conjunto de acciones, decisiones y resultados sobre el proyecto de Data Mining específico. (Méndez Morales, 2007)
2.2.1 Descripción de fases de CRISP–DM, Chapman et al. (2000).
19
1. Fase de análisis del problema:
Es esta fase se analizó el problema planteado en base a las investigaciones que se realizó en la Institución, de acuerdo al archivo institucional.
2. Fase de análisis de datos:
Es esta fase se recolectó la información almacenada en la base de datos de la institución, seleccionando las tablas a través del programa SQLyog Ultimate, para obtener el conjunto de datos en Microsoft Excel 2013.
3. Fase de preparación de datos:
Del conjunto de datos que se generó en la fase anterior, se seleccionó los datos para el ingreso a la herramienta WEKA, la que permitió realizar una limpieza de los mismos y finalmente la construcción e Integración de los Datos.
4. Fase de modelado:
Con la herramienta WEKA se aplicó las técnicas de minería de datos para la creación del modelo predictivo.
5. Fase de evaluación:
En esta fase se utilizó la evaluación participativa, la misma que incorpora al beneficiario en la evaluación de un proyecto o similares, es decir las autoridades de la Institución pueden reflexionar en base a la información seleccionada del pasado de un estudiante para tomar decisiones sobre el futuro.
20
Proceso CRISP DM
Figura 2.1 El proceso CRISP-DM Fuente: (Raquel M. Crespo García, 2014) 2.3 Investigación de Campo
Para la investigación del presente proyecto se aplica la encuesta y entrevista.
2.3.1 Población
21
ESTUDIANTES: DISTRIBUCIÓN DE CURSOS 2013-2014 COLEGIO SAN FRANCISCO
CURSO PARALELO NÚMERO POR CURSO POR CICLO
OCTAVO
A 40
200
492
B 40
C 40
D 40
E 40
NOVENO
A 43
127
B 42
C 42
DÉCIMO
A 41
165
B 41
C 42
D 41
1ro.
BG - A 44
132
340
BG - B 44
BG - C 44
2do.
BG - A 32
98
BG - B 33
BG - C 33
3ro.
FM - A 28
110
FM - B 28
QB 34
CS 20
TOTAL 832 832 832
Tabla 2.1 Distribución de Cursos 2013-2014 Fuente: (Col. San Francisco, 2012-2015) DIRECTIVOS Y PERSONAL DOCENTE
FUNCIÓN NÚMERO
RECTOR 1
VICERRECTOR 1
INSPECTOR GENERAL 1
CONSEJERO ESTUDIANTIL 1
DOCENTES 31
DOCENTE - INSPECTOR (COMISIÓN DE SERVICIOS) 1
TOTAL 36
Tabla 2.2 Directivos y personal docente Fuente: (Col. San Francisco, 2012-2015)
22
2.3.2 Cálculo de la Muestra
Se aplica una fórmula para el cálculo del tamaño de la muestra, para realizar las encuestas a los estudiantes.
Fórmula para el cálculo de la muestra
Figura 2.2 Fórmula para el cálculo de la muestra Fuente: (Bernal Cesar, 2006)
2.3.3 Aplicación de la fórmula
N= 832 - K= 95% (1,96) - E= 0,05 - P= 0,5 - Q= 1-p Resultado= 400 estudiantes
2.4 Técnicas e Instrumentos 2.4.1 Entrevista
La siguiente técnica de entrevista se aplicó con la finalidad de obtener información acerca de la deserción estudiantil que existe en el Colegio Fisco-misional “San Francisco”, en la cual participaron: El rector, Inspector General y 1 docente.
2.4.2 Encuestas
23
2.5 Interpretación de resultados
2.5.1 Interpretación de los resultados de la entrevista
Para el resultado de la entrevista se tomó en cuenta la participación de las autoridades principales, la interpretación de las mismas se encuentra en el apartado de Anexos, la siguiente entrevista que se detalla corresponde al Inspector General.
1. ¿Qué es para usted la deserción escolar?
Cuando el alumno abandonan a sus estudios, independientemente de las causas.
2. ¿Considera usted que ha mantenido buenas relaciones con sus estudiantes?
Si, ya que cuando se ha presentado inconvenientes tanto familiares como académicos, ha existido la comunicación necesaria para solucionarlos.
3. ¿Qué medidas preventivas y correctivas, se han implementado en el proceso educativo para evitar la deserción escolar?
Dar seguimiento a los alumnos cuando inicien con asistencia no justificada y tener bajo observación sus evaluaciones.
4. ¿Considera usted que los resultados académicos de sus estudiantes son los esperados?
En la mayoría si, en base a los resultados obtenidas en las evaluaciones.
5. ¿De acuerdo a su experiencia profesional que impacto considera usted que tiene la deserción escolar a nivel nacional?
24
2.5.2 Interpretación de los resultados de la encuesta 1. ¿En qué curso y paralelo estas?
Figura 2.3 Alumnos por Curso Fuente: El Autor
TOTAL DE ALUMNOS POR CURSO Y PARALELO
CURSOS PARALELOS NÚMERO DE
ALUMNOS
8° A-B-C-D-E 96
9º A-B-C-D-E 61
10º A-B-C-D 79
1º BGU A-B-C-D-E-F 63
2º BGU A-B-C 47
3º BGU A-B-C 53
TOTAL 400
Tabla 2.3 Alumnos por Curso Fuente: El Autor
Según la Tabla 2.2 y la Figura 2.3, se observa que la mayor cantidad de estudiantes lo tiene Octavo Año de Básica, seguido por Décimo, por lo cual se determinó que el mayor porcentaje de deserción lo tiene Octavos.
24%
15%
20% 16%
12%
13%
Total de alumnos por curso
Octavos Noveno Decimo 1º BGU
25
2. ¿Eres?
Figura 2.4 Género de alumnos Fuente: El Autor
TOTAL DE ALUMNOS POR GÉNERO
GÉNERO NÚMERO DE
ALUMNOS
HOMBRE 396
MUJER 4
TOTAL 400
Tabla 2.4 Género de alumnos Fuente: El Autor
Según la Tabla 2.3 y la Figura 2.4, se observa que la mayor cantidad de estudiantes pertenecen al género Masculino, mientras que la diferencia de estudiantes constan con el género femenino, la razón de tal diferencia se debe a que el cambio de modalidad a mixto se dio recientemente.
88% 12%
Género de alumnos
26
3. ¿Cuál es tu fecha de nacimiento?
Figura 2.5 Fecha de Nacimiento Fuente: El Autor
FECHA DE NACIMIENTO FECHA DE
NACIMIENTO
NÚMERO DE ALUMNOS
1995 22
1996 62
1997 41
1998 67
1999 82
2000 47
2001 79
TOTAL 400
Tabla 2.5 Fecha de nacimiento Fuente: El Autor
Según la Tabla 2.4 y la Figura 2.5, se observa que la mayor cantidad de estudiantes tienen un promedio de edad entre 13 y 15 años, por lo tanto se encuentran en la etapa de la adolescencia.
19%
12%
21% 17%
10% 16%
5%
Fecha Nacimiento
2001 2000 1999 1998 1997
27
4. ¿Cuál es tu estado Civil?
Figura 2.6 Estado Civil Fuente: El Autor
TOTAL DE ALUMNOS POR ESTADO CIVIL
ESTADO CIVIL NÚMERO DE
ALUMNOS
SOLTERO (A) 396
CASADO (A) 4
DIVORCIADO (A) 0
UNION LIBRE 0
TOTAL 400
Tabla 2.6 Estado civil Fuente: El Autor
Según la Tabla 2.5 y la Figura 2.6, se observa que la mayor cantidad de estudiantes son solteros y un mínimo porcentaje del 1% son Casados.
99% 0%
1%
Estado Civil
28
5. El Colegio:
Figura 2.7 Preferencia del Colegio Fuente: El Autor
TOTAL DE ALUMNOS POR PREFERENCIA DEL COLEGIO
EL COLEGIO NÚMERO DE
ALUMNOS
NO TE GUSTA 13
TE GUSTA
POCO 19
TE GUSTA 176
TE GUSTA
MUCHO 192
TOTAL 400
Tabla 2.7 Preferencia del Colegio Fuente: El Autor
Según la Tabla 2.6 y la Figura 2.7, se observa que las opciones Te gusta y Te gusta mucho tienen el mayor porcentaje, lo que significa que la Institución es una de las favoritas, según las encuestas realizadas.
4% 6%
43% 47%
Preferencia del Colegio
29
6. La forma de pago de tu matrícula fue:
Figura 2.8 Pago de Matrícula Fuente: El Autor
TOTAL DE ALUMNOS POR LA FORMA DE PAGO MATRÍCULA
FORMA DE PAGO
NÚMERO DE ALUMNOS
EFECTIVO 347
CREDITO 32
TARJETA
CREDITO 21
TOTAL 400
Tabla 2.8 Pago de Matrícula Fuente: El Autor
Según la Tabla 2.7 y la Figura 2.8, se observa que la mayoría de estudiantes realizan el Pago de su Matrícula al contado, por tal razón se puede determinar que el nivel socioeconómico de los estudiantes es media-alta.
91%
6% 3%
Forma de pago Matrícula
Efectivo
Crédito
30
7. Tu asistencia a clases es:
Figura 2.9 Asistencia a clases Fuente: El Autor
ASISTENCIA A CLASES POR ALUMNO
ASISTENCIA NÚMERO DE
ALUMNOS MUY
FRECUENTE 279
FRECUENTE 103
POCO
FRECUENTE 18
TOTAL 400
Tabla 2.9 Asistencia a clases Fuente: El Autor
Según la Tabla 2.8 y la Figura 2.9, se observa que la Opción: Muy Frecuente tiene el mayor porcentaje después de analizar el resultado de las encuestas, lo cual indica que los estudiantes cumplen con la asistencia casi en su totalidad.
73% 25%
2%
Asistencia a clases
31
8. ¿Tus Profesores fomentan la participación en clases?
Figura 2.10 Participación en clases Fuente: El Autor
PARTICIPACIÓN EN CLASES DEL ALUMNO PARTICIPACIÓN
EN CLASES
NÚMERO DE ALUMNOS
SIEMPRE 169
CASI SIEMPRE 209
NUNCA 22
TOTAL 400
Tabla 2.10 Participación en clases Fuente: El Autor
Según la Tabla 2.9 y la Figura 2.10, se observa que la Participación en clases que fomenta el docente es regular, o sea casi siempre, un aporte positivo al estudiante como motivación constante para que no decida desertar.
42%
53%
5%
Participacion en clases
32
9. ¿Cuál es la razón principal por la que a veces no haces tus tareas?
10.Figura 2.11 Razones de tareas no realizadas Fuente: El Autor
RAZONES DE TAREAS NO REALIZADAS POR LOS ALUMNOS
TAREAS NÚMERO DE
ALUMNOS NO TE INTERESA HACER LAS TAREAS 59
NO LAS ENTIENDES 214
PREFIERES HACER OTRAS COSAS 43
TIENES QUE AYUDAR A TUS PADRES
QUEHACERES DE LA CASA 0
TIENES QUE TRABAJAR 19
SIEMPRE REALIZAS TUS TAREAS 65
TOTAL 400
Tabla 2.11 Razones de tareas no realizadas Fuente: El Autor
Según la Tabla 2.10 y la Figura 2.11, se observa que la razón principal por la que un estudiante no realiza sus tareas es porque no comprendió la clase, en este caso la Institución debe tomar en cuenta esta situación, ya que puede ser una razón para que el estudiante decida desertar.
15%
55% 10%
0% 4%
16%
Razones de tareas no realizadas
No te interesa hacer las tareas
No las entiendes
Prefieres hacer otras cosas
Tienes que ayudar a tus padres quehaceres Tienes que trabajar
33
11. ¿Qué haces cuando no entiendes lo que explican tus profesores?
12.Figura 2.12 Comprensión de las clases 13.Fuente: El Autor
COMPRENSIÓN EN CLASES POR LOS ALUMNOS
TAREAS RESPUESTA
LE PREGUNTAS INMEDIATAMENTE A TU
PROFESOR
63 LE PREGUNTAS AL PROFESOR
DESPUES DE CLASE 79
ESPERAS ENTENDERLO EN LA
PRÓXIMA CLASE 49
LE PREGUNTAS A TUS
COMPAÑEROS 115
LE PREGUNTAS A PERSONAS
FUERA DEL COLEGIO 49
REVISAS LIBROS DE TEXTO O
DE CONSULTA 30
NO LE PREGUNTAS A NADIE 15
TOTAL 400
Tabla 2.12 Comprensión en clases Fuente: El Autor
Según la Tabla 2.11 y la Figura 2.12, se observa que los estudiantes cuando no comprenden la materia, consultan con sus compañeros o le preguntan al profesor después de clases.
16% 20% 12% 30% 12% 7% 3%
Comprensión de las clases
Le preguntas inmediatamente al profesor
Le preguntas al profesor depues de la clase
Esperas entenderlo en la proxima clase
Le preguntas a tus compañeros
Le preguntas a personas fuera del colegio
34
14. ¿Qué te gustaría hacer inmediatamente luego de terminar el colegio?
Figura 2.13 Opciones después del Colegio Fuente: El Autor
OPCIONES DESPUÉS DEL COLEGIO OPCIONES
TERMINADO EL COLEGIO
NÚMERO DE ALUMNOS ESTUDIAR EN UN
INSTITUTO 59
ESTUDIAR EN LA
UNIVERSIDAD 252
TRABAJAR 16
TODAVIA NO LO
SABES 73
TOTAL 400
Tabla 2.13 Opciones después del colegio Fuente: El Autor
Según la Tabla 2.12 y la Figura 2.13, se observa que los estudiantes prefieren continuar sus estudios en la Universidad, una vez culminado el Colegio; respuesta positiva que indica que los estudiantes están motivados en su preparación profesional.
14%
65% 3%
18%
Opciones después del Colegio
Estudiar en un instituto
Estudiar en la Universidad Trabajar
35
15. Has sufrido algún tipo de violencia en la institución como:
Figura 2.14 Violencia en la Institución Fuente: El Autor
TIPOS DE VIOLENCIA EN LA INSTITUCIÓN VIOLENCIA
EN LA INSTITUCIÓN
NÚMERO DE ALUMNOS ACOSO
ESCOLAR 19
ACOSO
SEXUAL 12
OTRO 32
NINGUNO 337
TOTAL 400
Tabla 2.14 Violencia en la Institución Fuente: El Autor
Según la Tabla 2.13 y la Figura 2.14, se observa que existe un porcentaje mínimo de violencia en la Institución, sin embargo hay que poner mucho énfasis con los alumnos que si tienen este tipo de inconvenientes.
3% 2%7%
88%
Tipos de violencia en la
Institución
Acoso Escolar Acoso Sexual Otro
36
2.6 Conclusión del Marco Metodológico y Planteamiento de la propuesta.
Una vez analizada la información mediante la metodología aplicada y con la recolección de datos usando las herramientas correctas se puede continuar con el desarrollo de la propuesta de detallada a través del capítulo I y II, con el objetivo de solucionar el problema planteado para el Colegio Fisco-misional “San Francisco”.
37
Capítulo III. DESARROLLO DE LA PROPUESTA
3.1 Fase I. Comprensión del negocio 3.1.1 Objetivos de la Minería
La propuesta establecida pretende alcanzar los siguientes objetivos: a. Encontrar patrones de comportamiento de los estudiantes desertores. b. Identificar grupos de estudiantes, según sus características comunes.
c. Establecer que variables influyen, con mayor frecuencia para que un estudiante decida desertar sus estudios.
3.1.2 Evaluación de la situación
Después de un análisis del problema descrito al inicio de esta tesis, señalando que los adolescentes enfrentan un gran índice de deserción escolar, ya que investigaciones realizadas por la Unesco determinan que los estudiantes de primeros años son considerados los principales desertores, debido a la inestabilidad emocional de la mayoría de los alumnos.
En la presente tesis se aplican las siguientes técnicas de minería de datos:
Reglas de Asociación y Dependencia Árboles de decisión y sistemas de reglas. Algoritmos de clusteing o agrupamiento
38
3.1.2.1 Recursos
PERSONAL Asesora Ing. Rita Díaz, MSC.
DATOS
Información personal, académica y socioeconómica de los estudiantes del Colegio San Francisco, periodo 2012-2013 Información de las actividades que se realicen en los cursos seleccionados que poseen la mayor cantidad de población, del
Colegio San Francisco.
Lista de estudiantes matriculados en el periodo 2012-2013, del Colegio San Francisco
HARDWARE
Notebook HP, Procesador Intel Core i5 4ta Generación, Disco duro 750Gb, Memoria Ram 8GB, Tarjeta Gráfica 4Gb, WIFI.
SOFTWARE
Microsoft Excel 2013 (Herramienta utilizada para realizar los cálculos matemáticos sobre los datos)
SQLyog Ultimate (Herramienta utilizada para realizar la manipulación y consultas a las bases de datos)
XAMPP (Herramienta utilizada para levantar el servicio del Gestor de Bases de Datos Mysql)
Bloc de Notas (Herramienta que se utilizará para crear los Conjunto de Datos en formato de los archivos de Weka .arff)
Tabla 3.1 Recursos Fuente: El Autor 3.1.2.1 Detalle de costo de recursos
TIPO DESCRIPCION COSTO REAL COSTO ACTUAL
HARDWARE Notebook HP, Sistema
Operativo incluido. 1300 800
SOFTWARE
Office 2013 Home and
Business 250 250
SQLyog Ultimate 0 0
Bloc de Notas 0 0
XAMPP 0 0
TALENTO HUMANO
DESARROLLO DE TESIS
(12 MESES) 1060,8 1060,8
TOTAL 2610,8 2110,8
39
3.2 Fase II. Compresión de los Datos
Se realizó una recolección inicial de los datos relacionados con el problema y se procedió al análisis de los mismos con el fin de identificar las relaciones entre ellos y así generar conocimiento sobre alguna información oculta. Los datos obtenidos corresponden a una muestra de estudiantes que estuvieron en los 6 cursos del Colegio San Francisco correspondiente al período académico 2012 – 2013, conjuntamente con la información obtenida de las encuestas realizadas a los estudiantes que cursan el periodo académico 2013-2104.
Para el proceso de aprendizaje cuentan con recursos como guías didácticas, libros e internet. En base a los recursos disponibles para el estudiante se deben desarrollar dos evaluaciones, una por cada quimestre, si no logran obtener el puntaje mínimo tienen opción hasta una 3ra evaluación (supletoria).
De acuerdo a estos parámetros, las fuentes de información de donde se extrajo conocimiento fueron las bases de datos internas de la institución, los mismos que se describen a continuación.
3.2.1 Recolección de Datos
Las fuentes de información útiles que se consideró convenientes para extraer conocimiento de alta calidad fueron la base de datos interna de la institución, en la cual consta toda la información académica de cada estudiante; las entrevistas que se realizó a 3 administrativos de la institución y las encuestas a los estudiantes.
3.2.1.1 Descripción de los datos
a. Descripción de los datos iniciales.
Los datos inicialmente recopilados desde la base de datos de la institución se encuentran almacenados en tablas relacionadas y en Hojas de Cálculo de Microsoft Excel.
40
Tablas de la Base de Datos
CONDUCTA: Registra la conducta de cada alumno.
CAMPO DESCRIPCION TIPO DE
CARÁCTER LONGITUD
cod_a Identificación del alumno
int autoincrement
Primay Key 10
Anio Año Lectivo int 4
cod_c Código de la
categoría int 3
conduc1 Conducta del alumno int 3
conduc2 Conducta del alumno int 3
conduc3 Conducta del alumno int 3
FaltJus1 Falta del alumno,
justificada int 3
FaltInju1 Falta del alumno,
injustificada int 3
prom1 Promedio 1 del
alumno int 3
prom2 Promedio 2 del
alumno int 3
prom3 Promedio 3 del
alumno int 3
con_conduc11_1 Conducta Final del
alumno int 3
prom11 Promedio Final del
alumno int 3
Tabla 3.3 Conducta Fuente: El Autor
CURSOS: Registra información referente a los cursos y paralelos que tiene el Colegio.
CAMPO DESCRIPCION TIPO DE
CARÁCTER LONGITUD
cod_c Código del curso varchar 10
Espec Especialidad varchar 25
Paralelo Paralelo que cursa el
alumno varchar 1
nivel Nivel de estudio int 10
Describe Descripción del año lectivo varchar 40 Ciclo Ciclo del año lectivo varchar 1
41
ESTUDIANTE: Registra los datos personales y socioeconómicos de los alumnos.
CAMPO DESCRIPCION TIPO DE
CARÁCTER LONGITUD
cod_a Número de cédula del
alumno varchar 10
nac Fecha de nacimiento del
alumno datetime
Estado_c Estado civil del alumno varchar 1
Sexo Genero del alumno varchar 1
Hogar_economicamente Situación económica del
hogar varchar 15
Con quien vive el
alumno Con quien vive la alumna varchar 25 Trabaja el alumno Trabaja el alumno tinyint 1
Tabla 3.5 Estudiantes Fuente: El Autor
MATRICULAS: Registra los alumnos matriculados, detallado por periodo lectivo.
CAMPO DESCRIPCION TIPO DE
CARÁCTER LONGITUD
cod_a Cédula del alumno varchar 10
Año Año Lectivo varchar 9
cod_c Código del curso varchar 10
Promedio Promedio del alumno double 15,5 Reprobado No aprobó el alumno char 2 mat_promedio_n11 Promedio 1 del 1
quimestre float 0
mat_promedio_n12 Promedio 2 del 1
quimestre float 0
mat_promedio_n21 Promedio 1 del 2
quimestre float 0
mat_promedio_n22 Promedio 2 del 2
quimestre float 0
mat_promedio_parcial Promedio final float 9,3 Tabla 3.6 Matrículas
42
NOTAS: Registra las calificaciones de cada alumno.
CAMPO DESCRIPCION TIPO DE
CARÁCTER LONGITUD
COD_A Cédula del alumno varchar 10 COD_M Código de la materia varchar 10
AÑO Año lectivo varchar 9
cod_c Código del Curso varchar 10 PromAnual Promedio Anual float 9,3 Reprobado Reprobo año lectivo tinyint 1 not_par1_n11 Nota 1 de la pacial 1 float 0 not_par1_n12 Nota 2 de la pacial 1 float 0 not_par1_n13 Nota 3 de la pacial 1 float 0 not_par1_n14 Nota 4 de la pacial 1 float 0 not_par1_n15 Nota 5 de la pacial 1 float 0 not_par2_n11 Nota 1 de la pacial 2 float 0 not_par2_n12 Nota 2 de la pacial 2 float 0 not_par2_n13 Nota 3 de la pacial 2 float 0 not_par2_n14 Nota 4 de la pacial 2 float 0 not_par2_n15 Nota 5 de la pacial 2 float 0 not_gracia Nota de gracia float 0 not_pondera11 Nota ponderada 1
parcial 1 float 0
not_pondera12 Nota ponderada 2
parcial 1 float 0
not_pondera13 Nota ponderada 3
parcial 1 float 0
not_pondera21 Nota ponderada 1
parcial 2 float 0
not_pondera22 Nota ponderada 2
parcial 2 float 0
not_pondera23 Nota ponderada 3
parcial 2 float 0
not_pondera_par1 Promedio ponderada
parcial 1 float 0
not_pondera_par2 Promedio ponderada
parcial 2 float 0
Tabla 3.7 Notas Fuente: El Autor
43
Descripción del Conjunto de Datos seleccionado
Figura 3.1 Descripción del Conjunto de Datos seleccionado Fuente: El Autor
La información del siguiente Conjunto de Datos descrito se encuentra almacenada en ficheros .arff que es el formato oficial de la Herramienta Weka.
Se detallan los atributos seleccionados para el Conjunto de Datos relacionados con la información de los alumnos del Colegio San Francisco del periodo Septiembre 2012- Julio 2013, los mismos que se utilizan para la generación del modelo:
Conjunto de Datos Preliminar: Deserción Estudiantil
44
Conjunto de Datos: Deserción Estudiantil
CAMPO DESCRIPCION TIPO DE DATO
COD_A Número de cédula del alumno Real
CURSO Curso que está cursando el
alumno Nominal
NAC Fecha de nacimiento del
alumno Real
ESTADO_C Estado civil del alumno Nominal (Soltero, Casado)
SEXO Genero del alumno Nominal (Masculino,
Femenino)
FORMA_PAGO_MATRICULA Tipo de pago de la matrícula
que ha efectuado el alumno Nominal (Contado, Crédito) TRABAJA LA ALUMNA Trabaja la alumna Nominal (si, no)
NOTA_1QUIMESTRE
Nota del primer quimestre tomando en cuenta las evaluaciones presentadas por el
estudiante
Real
NOTA_2QUIMESTRE
Nota del primer quimestre tomando en cuenta las evaluaciones presentadas por el
estudiante
Real
PROM_ANUAL
Nota Final de la asignatura tomada por el estudiante tomando en cuenta las notas del supletorio según corresponda el
caso.
Real
SUPLETORIO 1
Nota obtenida por los estudiantes que han tenido que
rendir el primer examen supletorio del quimestre.
Real
SUPLETORIO 2
Nota obtenida por los estudiantes que han tenido que
rendir el segundo examen supletorio del quimestre.
Real
SUPLETORIO 3
Nota obtenida por los estudiantes que han tenido que
rendir el tercer examen supletorio del quimestre.
Real
REPROBADO
Estado de Aprobación de la asignatura que está cursando el
estudiante tomando en cuenta el supletorio según corresponda
el caso.
Nominal (SI, NO)
NIVEL_INTER_PROFESOR
Nivel de interacción dentro del curso que está impartiendo el
profesor.
Nominal (Alto, Medio, Bajo)
DESERTOR
Se registra un "SI" en el caso de que el alumno no se haya matriculado en el siguiente Ciclo del siguiente periodo; caso contrario se registrará
"NO"
Nominal (SI, NO)