CUMBRES// (VOL. 4, NUM. 2)
Volumen: 4, Numero: 2, Páginas: 55-67 pp.
Data Mining (DM) was applied in this research work, where from the selection of algorithms and information analysis, it was possible to obtain patterns that once observed and examined became knowledge for decision making in the Leveling and Admission Unit of the Higher Polytechnic School of Chimborazo (ESPOCH). These data were generated since 2012 ESPOCH in strict compliance with the regulations in force to date, adopted the policies issued by the SNNA, this process generated an important amount of information without processing and has not contributed to the decision making. Through the application of data mining in Waikato Environment for Knowledge Analysis (WEKA) it was possible to analyze Classification Prediction algorithms (Decision Trees and Neural Networks) and Regression (Linear Regression and Minimum Sequence Optimization) allowing the knowledge of reality, whose objective of the research was to generate knowledge of trends of applications by area, gender and years, until getting to know predictions. Finally, through the analysis of statistical parameters, the best algorithms were determined that ensured the reliability in the information and generated knowledge for the academic decision-making, being these: Bayesian Networks and Minimum Sequence Optimization.
Data Mining o minería de datos (DM) fue aplicado en este trabajo de investigación, donde a partir de la selección de algoritmos y análisis de información, se pudieron obtener patrones que una vez observados y examinados se convirtieron en conocimiento para la toma de decisiones en la Unidad de Nivelación y Admisión de la Escuela Superior Politécnica de Chimborazo (ESPOCH). Dichos datos fueron generados desde el año 2012 en la ESPOCH en estricto cumplimiento a la normativa vigente a la fecha y dicho proceso generó una importante cantidad de información sin procesar y que no ha aportado a la toma de decisiones. Mediante la aplicación de minería de datos en Waikato Environment for Knowledge Analysis (WEKA) se pudieron analizar algoritmos de predicción de clasificación (árboles de decisión y redes neuronales) y regresión (regresión lineal y optimización de secuencia mínima) permitiendo el conocimiento de la realidad, cuyo objetivo de la investigación fue generar conocimiento de tendencias de postulaciones por área, género y años, hasta llegar a conocer predicciones. Finalmente, mediante el análisis de parámetros estadísticos se determinaron los mejores algoritmos que aseguraron la confiabilidad en la información y generaron conocimiento para la toma de decisiones académica, siendo éstas: redes Bayesianas y optimización de secuencia mínima.