Una revisión sistemática sobre minería de datos educativos

Actualmente, las instituciones educativas compilan y almacenan grandes volúmenes de datos, como registros de matrícula y asistencia de estudiantes, así como sus resultados de exámenes. La minería de dichos datos produce información estimulante que beneficia a sus gestores. El rápido crecimiento de los datos educativos señala que destilar enormes cantidades de información requiere un conjunto de algoritmos más sofisticados. Este problema llevó a la aparición del campo de la minería de datos educativos (EDM). Los algoritmos de minería de datos tradicionales no se pueden aplicar directamente a problemas educativos, ya que pueden tener un objetivo y una función específicos. Esto implica que primero se debe aplicar un algoritmo de preprocesamiento y solo después se pueden aplicar algunos métodos específicos de minería de datos a los problemas. Uno de esos algoritmos de preprocesamiento en EDM es el agrupamiento. Muchos estudios sobre EDM se han centrado en la aplicación de varios algoritmos de minería de datos a atributos educativos. Por lo tanto, este documento proporciona una revisión sistemática de la literatura de más de tres décadas (1983-2016) sobre algoritmos de agrupamiento y su aplicabilidad y usabilidad en el contexto de EDM. Se esbozan perspectivas futuras basadas en la literatura revisada y se identifican vías para investigaciones adicionales.