Análisis del Rendimiento de los Estudiantes Mediante el Uso de Diferentes Clasificadores de Minería de Datos

La minería de datos es el análisis de un gran conjunto de datos para descubrir patrones y utilizar esos patrones para predecir la probabilidad de eventos futuros. La minería de datos se está convirtiendo en un campo muy importante en los sectores educativos y tiene un gran potencial para las escuelas y universidades. Existen muchas técnicas de clasificación de minería de datos con diferentes niveles de precisión. El objetivo de este artículo es analizar y evaluar el rendimiento de los estudiantes universitarios mediante la aplicación de diferentes técnicas de clasificación de minería de datos utilizando la herramienta WEKA. La mayor precisión de los algoritmos clasificadores depende del tamaño y la naturaleza de los datos. Se utilizan cinco clasificadores: NaiveBayes, Red Bayesiana, ID3, J48 y Red Neuronal. Se utilizan diferentes medidas de rendimiento para comparar los resultados entre estos clasificadores. Los resultados muestran que el clasificador de Red Bayesiana tiene la mayor precisión entre los demás clasificadores.