• Título:  UDLEARN: MODELO DE APRENDIZAJE DE MAQUINA QUE FACILITA LA TOMA DE DECISIONES ACADEMICAS EN LAS INSTITUCIONES ACADEMICAS DE EDUCACION SUPERIOR
• Autor:  Nieto Acevedo, Yuri Vanessa
• Universidad:  Universidad de Oviedo
• Departamento:  Informática
• Fecha de Lectura:  30/01/2020
• Programa de doctorado:  Programa de Doctorado en Informática por la Universidad de Oviedo
• Dirección: 
  • García Díaz, Vicente (DIRECTOR)
  • Montenegro Marín, Carlos Enrique (CODIRECTOR)
• Tribunal: 
  • MARTÍNEZ PRIETO, ANA BELÉN (PRESIDENTE)
  • Núñez Valdéz, Edward Rolando (SECRETARIO)
  • Pérez Cota, Manuel (VOCAL)
  • GONZÁLEZ CRESPO, RUBÉN ARÍSTIDES (VOCAL)
  • Sanjuán Martínez, Oscar (VOCAL)
• Descriptores: 
  • INFORMATICA
• Localización:  BIBLIOTECA CENTRAL UNIVERSIDAD DE OVIEDO
• http://hdl.handle.net/10651/57119
• Resumen:
  Las decisiones que se llevan a cabo a nivel estratégico en las Instituciones de Educación Superior (IES) involucran las políticas, las estrategias y las acciones que afectan a toda la comunidad académica. Así, la alta jerarquía administrativa enfrenta diferentes retos durante la toma decisiones, las cuales en su mayoría se basan en intuiciones o experiencias de administraciones pasadas. La separación que existe entre los diferentes stakeholders y la carencia en el uso de algoritmos computacionales eficientes en las instituciones ha conllevado que el proceso de toma de decisiones: A) Sea lento, B) No tenga en cuenta toda la información necesaria, por lo que no existe una visión completa de los diversos escenarios, C) El impacto académico sea reducido, entre otros. En esta investigación nos enfocamos en apoyar la toma de decisiones académicas a nivel estratégico, siendo las preocupaciones académicas de los administradores académicos respecto a la tasa de graduados la misión preminente que vamos a apoyar. Dicho aspecto es el motivo por el cual diseñamos un modelo de toma de decisiones en las IES. Para ello, comparamos cinco algoritmos supervisados de clasificación, de lo cual planteamos una metodología de pronósticos académicos impulsados por datos. Analizamos diversas métricas de evaluación de algoritmos y finalmente propusimos UDLearn, un modelo de aprendizaje de máquina que facilita la toma de decisiones académicas a la alta jerarquía administrativa de las IES.