PDF de programación - Minería de Datos aplicada al análisis de la deserción en la Carrera de Analista en Sistemas de Computación

UNIVERSIDAD NACIONAL DE MISIONES



Facultad de Ciencias Exactas, Químicas y Naturales



Tesis de grado Licenciatura en Sistemas de

Información



Minería de Datos aplicada al análisis de la

deserción en la Carrera de Analista en

Sistemas de Computación.



Autor: Asc. Jesús Germán Andrés PAUTSCH

Tutor: Mgter. David L. la Red Martínez

Co-Tutor: Lic. Luis Alfonso Cutro



Año: 2009

Minería de Datos aplicada al análisis de la deserción
en la Carrera de Analista en Sistemas de Computación.



Dedicatoria:



A mi familia,

por su ayuda y sacrificio, en el comienzo de mis estudios.

A mi amada esposa y a la pequeña Abril ,

por regalarme sus sonrisas y su ternura a pesar de mis ausencias.

A mi hermano,

quien me guía con su luz.

A los que están en camino.



Jesús Germán Andrés Pautsch

II

Minería de Datos aplicada al análisis de la deserción
en la Carrera de Analista en Sistemas de Computación.

Resumen



En los últimos años, la tasa mundial promedio de crecimiento del

sector informático fue del 20% anual, mientras que en la Argentina fue

menor al 8 % anual. Este porcentaje podría ser mayor si egresaran de

las universidades más profesionales informáticos, sobre todo de las

carreras a corto plazo que son las que las empresas más demandan. En

esta tesis de grado se realizó una Minería de Datos sobre el Cubo 04

Desgranamiento, exportado del Sistema de Gestión Académica SIU-

Guaraní, provistos por el Ministerio de Educación, Ciencia y Tecnología de

la Nación. Se ha experimentado con métodos Supervisados, como la

Clasificación y No Supervisados como es el Agrupamiento. El objetivo

principal fue maximizar la calidad que los modelos tienen para clasificar y

agrupar a los estudiantes, de acuerdo a sus características académicas,

factores sociales y demográficos, que han desertado de la Carrera

Analista en Sistemas de Computación de la Facultad de Ciencias Exactas,

Químicas y Naturales de la Universidad Nacional de Misiones. El proyecto

se desarrolló bajo la metodología de libre difusión Crisp-DM y con la

herramienta comercial IBM DB2 Warehouse (versión 9.5). Los resultados

obtenidos permitieron observar, no sólo los diferentes patrones de los

alumnos desertores, sino que también las características de los

estudiantes en actividad y egresados. La calidad de los modelos

obtenidos a través de la clasificación con árboles de decisión superó a la

técnica de agrupamiento a través de la generación de clústeres y ambas

han superado ampliamente lo planteado. Si bien los expertos en el

estudio de la deserción universitaria han elogiado la capacidad que los

modelos tienen para distinguir a cada tipo de alumno, han planteado la

necesidad de contemplar más variables socio económicas en el estudio

de la deserción.



Palabras Claves: Minería de datos, clasificación, agrupamiento,

almacenes de datos, descubrimiento de conocimiento, deserción

universitaria, perfiles de alumnos.

Jesús Germán Andrés Pautsch

III

Minería de Datos aplicada al análisis de la deserción
en la Carrera de Analista en Sistemas de Computación.



Abstract

During the last years, the world rate average of growth in the

computer sector was 20% annual, meanwhile in Argetina it was less

tham 8% annual. This percentage could be large if more computing

professionals would graduate from universities, especially from short

term carrers that are the most demanding ones from companies. In this

thesis a data mining on threshing Cube 04 was made, exported fron the

SIU-Guarani Academic Management System, provided by the National

Ministry of Education, Science and Technology. It has been tested with

Supervised methods, like Classification and No Supervised ones, like

Grouping. The main objective was to maximize the quality that these

models have to classify and group students, taking into account their

academic characteristics, social and demographic factors, who have

abandoned the career. The project was developed under Crisp - DM free

broadcast methodology and the commercial tool IBM DB2 Warehouse

(version 9.5). The final outcome allowed to observe, not only the

different patterns of deserter students, but also graduated and active

students' carachteristics. The quality of the obtained models through the

classification with Decision trees exceeded the grouping technique by

means of clusters generation and, both of them have got through what

has been planned. Although the experts on the topic have praised the

capacity that the models have in order to single out each kind of

students, they have stated the necessity of considering more socio

economic variables in the desertion study.

Keywords: Data mining, clasification, clustering, data wharehouses,
knowledge discovery, university desertion, students’ profile.

Jesús Germán Andrés Pautsch

IV

Minería de Datos aplicada al análisis de la deserción
en la Carrera de Analista en Sistemas de Computación.

Reconocimientos:



A mis tutores David y Alfonso por brindarme su tiempo y

conocimientos para el desarrollo del presente trabajo.

A las autoridades de la FCEQyN de la UNaM, por permitirme utilizar

los datos.

A todos los docentes de la carrera y organizadores de la

articulación, particularmente a los profesores Horacio Kuna y Marcelo

Marinelli por su permanente apoyo, colaboración responsable y

desinteresada, y a la profesora Clarita Abraham por su buena

predisposición en atendernos y contribuir a mejorar nuestros

conocimientos académicos.

Al Dr. Pablo Vain, al Lic. Horacio Schwiters y Lic. Aguirre por el

asesoramiento brindado como expertos en el dominio.



A Silvina por su ayuda en la revisión, corrección y traducción del

trabajo.



A todos mis alumnos, especialmente a Martín Rey y Cinthia Cuba.

A mis compañeros de trabajo del Departamento Estadísticas.

A mi familia por el apoyo brindado y a mi tía Elizabet por el

ejemplo de vida y sus sabios consejos.

A Daniela por darme esa voz de aliento cada vez que la necesito.

Jesús Germán Andrés Pautsch

V

Minería de Datos aplicada al análisis de la deserción
en la Carrera de Analista en Sistemas de Computación.

Índice


Capítulo 1:
Capítulo 2:

Capítulo 3:

5.8
5.9

Capítulo 4:

4.1
4.2

3.1
3.2
3.3

Introducción ........................................................ 14
Bases de Datos .................................................... 18
2.1 Definición ......................................................................... 18
2.2 Objetivos y Características .................................................. 18
2.3 Sistemas OLTP .................................................................. 19
Data Warehouse .................................................. 22
Definición ........................................................................ 22
Características y Objetivos ................................................. 22
Arquitectura de una Data Warehouse .................................. 24
3.3.1 Fuentes internas (OLTP) ................................................ 24
3.3.2 Fuentes externas ......................................................... 25
3.3.3 Consolidación (ETL) ...................................................... 25
3.3.4 Middleware ................................................................. 26
3.3.5 Data Mart ................................................................... 27
3.3.6 Aplicaciones ................................................................ 27
Sistemas OLAP ................................................... 30
Definición ........................................................................ 30
Diferencias entre OLTP y OLAP ........................................... 33
Capítulo 5: Minería de Datos (Data Mining) ........................... 36
Historia ........................................................................... 36
Tipos de Conocimiento ...................................................... 37
Definición ........................................................................ 38
Características y Objetivos ................................................. 39
Arquitectura .................................................................... 42
Tipos de Modelos .............................................................. 42
Etapas en la Minería de Datos ............................................ 43
5.7.1 Selección de Datos ....................................................... 43
5.7.2 Pre Procesamiento de Datos .......................................... 44
5.7.3 Extracción de Conocimiento ........................................... 45
5.7.4 Evaluación e Interpretación de Patrones .......................... 45
Algoritmos para la Extracción de Conocimiento ..................... 45
Metodologías ................................................................... 47
5.9.1 Metodología SEMMA ..................................................... 47
5.9.2 Metodología CRISP-DM ................................................. 49
5.9.3 Elección de la Metodología ............................................. 50

5.1
5.2
5.3
5.4
5.5
5.6
5.7

Capítulo 6:
Datos (KDD) 52

Descubrimiento del Conocimiento en Bases de

Definición y Objetivos ....................................................... 52
6.1
Etapas en el Proceso de KDD ....................