LA MINERÍA DE DATOS EN LA EXTRACCIÓN DE CONOCIMIENTOS APLICADOS A PROBLEMAS RELACIONADOS CON LA EDUCACIÓN

Transcripción

1 LA MINERÍA DE DATOS EN LA EXTRACCIÓN DE CONOCIMIENTOS APLICADOS A PROBLEMAS RELACIONADOS CON LA EDUCACIÓN Blanca Maricela Ibarra Murrieta, Ricardo Blanco Vega y María Angélica García Fierro Departamento de Sistemas y Computación Instituto Tecnológico de Chihuahua II Ave. de las Industrias # Chihuahua, Chihuahua, México, C.P blanca.ibarra@itchihuahuaii.edu.mx rblanco@itchihuahuaii.edu.mx angelicag@itchihuahuaii.edu.mx Abstracto: Los avances tecnológicos actuales permiten la rápida obtención de conocimiento a partir de grandes cantidades de datos tomadas de diversas fuentes. La información contenida en las bases de datos es muy valiosa, misma que no puede detectarse con métodos tradicionales de análisis de datos. La minería de datos es una técnica para realizar exploraciones más profundas con el objetivo de extraer conocimiento nuevo y útil. Es aplicable a cualquier área, donde se necesite, incluso en el sector Educativo, como es el caso de esta investigación que se enfoca a determinar si el alto porcentaje de reprobación de Matemáticas I en el Instituto Tecnológico es una causa de deserción. Se afirma que con una probabilidad del 84% los alumnos que no pasan la materia de Matemáticas I desertan del Instituto Tecnológico de Chihuahua II. Palabras llave: Minería de Datos, Extracción de Conocimiento, Deserción Escolar, Matemáticas I. 1.INTRODUCCIÓN Los ALTOS índices de reprobación, que presentan los alumnos de la materia de Matemáticas I donde se imparte Cálculo en el Instituto Tecnológico de Chihuahua II (ITCHII), se deben principalmente a deficiencias de conocimientos y habilidades que traen consigo en Álgebra [7]. Los problemas de aprendizajes de Matemáticas I, se presentan año con año. En agosto-diciembre del año 2005, los porcentajes de reprobación de Matemáticas I, para dos grupos Ingeniería en Sistemas Computacionales (ISC), fueron 52.08% y 62%, en tanto que para dos grupos de Ingeniería Industrial (II) fueron del 47% y 75%; además, un grupo de estudiantes que repitieron la materia, de Ingeniería en Sistemas, obtuvo 47.02% (Carpetas gestión de curso del ITCHII, 2005). Para ISC en el año 2006 fue 45.83% y para otro grupo de ISC del año 2007 fue de 46% (Control Escolar del ITCHII, 2008). Las cifras presentadas son alarmantes, por lo que es necesario conocer que impacto tienen en el índice de deserción del Instituto Tecnológico de Chihuahua II, para tomar una medida adecuada para solucionar la problemática. Existe un vasto campo de aplicación de la Minería de Datos, para una referencia más especifica ver [5]. En nuestro caso deseamos explorar el campo de aplicación sobre problemas en la educación. A continuación describimos diferentes aplicaciones de la minería de Datos en el área de la educación. En [1] se describen las aportaciones de la minería de datos para realizar análisis predictivos en instituciones de Educación Superior orientadas al uso óptimo de los recursos humanos y materiales. A partir de la aplicación de un grupo de técnicas de Minería de Datos como el clustering, los árboles de decisión y algoritmos de aprendizaje inductivo, en [8] se pretende clasificar a los estudiantes de acuerdo a su rendimiento académico, para posteriormente encontrar patrones ocultos y reglas que los caractericen; basado en las relaciones que se establecen entre el centro de procedencia de los estudiantes, nivel de escolaridad de los padres y provincia de origen con sus resultados académicos en el primer curso en la universidad. Estos resultados pueden mejorar el proceso de formación académica y elevar la calidad de la educación en las universidades.

2 En la conferencia a cargo del doctor Cristóbal Romero Morales denominada Los conceptos básicos de la minería de datos, examinados en la E.S. de Informática (marzo de 2008) ha dado a conocer los conceptos básicos de la minería de datos así como los modelos, métodos y herramientas básicas para su aplicación en el ámbito de los sistemas de enseñanza y aprendizaje basados en la web. No en vano, el desarrollo de sistemas de enseñanza basada en la web se ha incrementado exponencialmente en los últimos años debido sobre todo a la utilización de plataformas como Moodle, Elías, WebCT, Autor. Estos sistemas almacenan mucha información sobre las interacciones con los estudiantes que no se suelen utilizar. Sobre estos mismos datos se pueden utilizar herramientas informáticas que faciliten el descubrimiento de información relevante y no sólo utilizarlos para el seguimiento y la evaluación de los alumnos. Es más, estás técnicas de Minería de Datos se están comenzando a utilizar en sistemas de e-learning, para maximizar y mejorar el aprendizaje de los estudiantes. 2. OBJETIVO Identificar si la materia de matemáticas I, influye en el porcentaje de deserción escolar. 3. METODOLOGIA EMPLEADA La metodología utilizada es la siguiente, para una descripción visual ver la Figura 1: Figura 1. Pasos en la extracción del conocimiento en base de datos

3 Definir el problema. Realizar una descripción clara del problema que se pretende resolver. Preparar los datos. Se seleccionan, limpiar y transforman los datos para obtener la vista minable la cual contendrá los datos materia prima para la Minería de Datos. Explorar los datos. Se obtiene la estadística de los atributos de la vista minable observando su distribución. Generar Modelos. Se selecciona un buen método de Minería de Datos para el tipo de problema a resolver y utilizando la vista minable se obtienen modelos. Los diferentes modelos se generan teniendo transformaciones en los datos de entrada o modificando los parámetros del método elegido. Validar modelos. Se realizarán validaciones cruzadas de 10 repeticiones con 10 divisiones para obtener el porcentaje de instancias correctamente clasificadas. Esto permitirá conocer cual modelo es mejor. Interpretación. Describir el mejor modelo para obtener conclusiones sobre el problema planteado. Existen algunas herramientas diseñadas para extraer conocimientos desde bases de datos que contienen grandes cantidades de información. Las más populares de estas herramientas son SPSS Clementine, Oracle Data Miner y Weka [6]. Esta última herramienta es la más asequible y popular ya que se desarrolla en Java y bajo licencia GPL. Por tales motivos la elegimos para utilizarla en el proceso de Minería de Datos. 4. RESULTADOS EXPERIMENTALES A continuación aplicaremos los pasos de la metodología. 4.1 Definición del problema En el Instituto Tecnológico de Chihuahua II se desea Determinar el impacto que tiene en el alumno el reprobar la materia de matemáticas I en su deserción? 4.2 Preparar los datos La información con la que se trabajó, está capturada en Excel y muestra los datos generales del alumno, tomados de la base de datos que utilizan en el departamento de Control Escolar del plantel. La muestra fue de 750 alumnos que cursaron la materia de Matemáticas I en los semestres del año 2006, Los atributos correlacionados, llaves primarias, o con demasiados valores vacíos fueron eliminados. Finalmente los campos de la vista minable son: CALIFICACION (su última calificación en Matemáticas I), ESTADO (estado actual del alumno), CARRERA (nombre corto de la carrera). Se generó un nuevo atributo APROBADO para discretizar la calificación en sí o no. 4.3 Explorar los datos Después de tener los datos pre procesados en Excel se exportaron con un formato CSV para poder leerlos en WEKA. Seguidamente se realizó una exploración de los mismos con los siguientes resultados. El atributo de CALIFICACION tiene como valor mínimo 0 y como máximo 100, una media aritmética de y desviación estándar de El atributo ESTADO es del tipo nominal con los siguientes valores y sus frecuencias (el divisor): Vigente (VI/615), Baja Temporal (BT/45), Baja Definitiva (BD/88) y Egresado (BE/2). El atributo CARRERA también de tipo nominal tiene los siguientes valores: Arquitectura (ARQ/210), Ingeniería Industrial (II/146), Ingeniería en Sistemas Computacionales (ISC/170), Licenciatura en administración (LA/170) y Licenciatura en Informática (LI/94). El campo calculado de APROBADO es de tipo nominal y tiene los valores de Si/175 y No/575.

4 4.4 Generar los modelos Se generaron múltiples modelos, tanto de clasificación como de regresión. El mejor modelo que describe la solución a nuestra interrogante se muestra en el árbol de decisión de la Figura 2. El algoritmo utilizado fue el J48 con sus parámetros predeterminados. Figura. 2. Modelo que explica la deserción del alumno. 4.5 Validar los modelos El modelo fue validado con la técnica de validación cruzada de 10X10 resultando un certeza de 84.3%. 4.6 Interpretación El modelo se considera bueno y define que el estado de los alumnos está íntimamente relacionado con el resultado obtenido en la materia de Matemáticas I. 5 CONCLUSIONES Y TRABAJOS FUTUROS DE INVESTIGACIÓN La Minería de Datos es una ciencia que puede ser aplicada en el ámbito de la educación. Se ejemplificó su uso buscando una respuesta a la pregunta de si la deserción de los alumnos del ITCHII es debida a la reprobación de la materia de Matemáticas I. La aportación de esta investigación es que se afirma con una probabilidad de aproximadamente un 84% que la deserción de los alumnos en el Instituto Tecnológico de Chihuahua II es debido a que han reprobado la materia de Matemáticas I. El grupo de investigación está interesado en incrementar la investigación relacionada con e-educación. En específico nos interesa diagnosticar a los alumnos de Matemáticas I a través de un perfil que le permita al maestro detectar las habilidades algebraicas deficientes que poseen los alumnos.

5 6. REFERENCIAS [1] Álvarez González, Susel, Ernesto Pérez, Zady and Espinosa, Ivet (2007). Obtención de patrones y reglas en el proceso académico de la Universidad de las Ciencias Informáticas utilizando técnicas de minería de datos. consultado en: [2] Avilés, Karina (2007). No puede la RES abatir altos índices de reprobación. Periódico La Jornada. México, D.F. consultado en n3soc [3] Barrera García, Francisco (2003). Altos Índices de Reprobación en las Asignaturas de Matemáticas del Primer Semestre de la Facultad de Ingeniería de la UNAM. Consultado en [4] de Castro, Carlos, Romero Morales, Cristóbal, Ventura Soto, Sebastián. (2003).Aplicación de algoritmos evolutivos como técnica de minería de datos para la mejora de cursos hipermedia adaptativos basados en web. RIED: revista iberoamericana de educación a distancia, ISSN , Vol. 6, Nº 2, pags [5] Hernández Orallo, J., Ramírez Quintana, M., Ferri Ramírez, C. (2004). Introducción a la Minería de Datos. adrid: Editorial Pearson Educación SA. [6] Ian H. Witten and Eibe Frank (2005) "Data Mining: Practical machine learning tools and techniques", 2nd Edition, Morgan Kaufmann, San Francisco, [7] Ibarra Murrieta, Blanca M. (2008) Obtención de Perfiles Algebraicos en Alumnos de Nuevo Ingreso. Tesis. [8] Luan, Jing. (2004). Data Mining Applications in Higher Education. SPSS Inc. [9] Martínez, Marcelo. (2008). Factores Asociados a la Prolongación de los Estudios de la Carrera de Ingeniería en Sistemas Sede La Rioja - Capital. [10] Romero, C.; Ventura, S. (2007). Educational data mining: A survey from 1995 to Expert Syst. Appl. 33, 1 (Jul. 2007),