Minería de datos: ¿predecirán los resultados del primer año la probabilidad de completar unidades subsecuentes en programas de contabilidad?

Este estudio introduce métodos de minería de datos en la investigación educativa de la contabilidad para explorar la relación entre el rendimiento académico actual de los estudiantes de contabilidad (calificaciones), información demográfica, puntajes de entrada a la universidad y rendimiento académico predicho. Adopta un algoritmo de clasificación C4.5 basado en análisis de árbol de decisión para examinar a 640 estudiantes de contabilidad inscritos en un programa de contabilidad de pregrado en una universidad australiana. Una contribución significativa de este estudio es la mejora en la predicción del rendimiento académico y la identificación de características de los estudiantes considerados en riesgo. Al dividir a los estudiantes en subgrupos según los puntajes de entrada a la universidad y emplear el agrupamiento de unidades de estudio, este estudio facilita una comprensión más matizada de los atributos predictivos. Los hallazgos clave fueron la dominancia de un clúster de unidades del segundo año en la predicción del rendimiento académico posterior de los estudiantes; que el género no influyó en el rendimiento; y que el rendimiento en el primer año en la universidad, más que las calificaciones de la escuela secundaria, fue el predictor más importante del rendimiento académico subsecuente.