Proceso de la Minería de datos educativa

 

1. Extracción de datos: Consiste en la selección y recuperación de datos del

entorno educativo, priorizando fuentes digitales como sistemas de

información o entornos virtuales de aprendizaje. Los datos incluyen

interacción, uso de sistemas, información de cursos, datos académicos,

encuestas socioeconómicas y antecedentes escolares.

2. Preprocesamiento: Se limpian datos (eliminando datos redundantes,

incorrectos o faltantes), se mezclan fuentes y se convierten valores para

una gestión estandarizada y homogénea. Es crucial excluir atributos

irrelevantes y el resultado es un conjunto de datos listo para el análisis.

3. Aplicación de métodos de MDE: Se seleccionan y aplican técnicas

acordes a los objetivos, como clasificación/predicción para identificar riesgo

académico. Se pueden seleccionar atributos relevantes y ajustar

parámetros de algoritmos para refinar la precisión de los modelos.

4. Interpretación de resultados: Se muestran los patrones, relaciones o

tendencias descubiertos por los algoritmos. Se analizan los modelos con

mejores resultados para determinar el riesgo escolar. Si no son

satisfactorios, se pueden realizar más iteraciones para mejorar los

algoritmos.

5. Retroalimentación/Refinamiento: El conocimiento se informa a los

actores educativos para planificar acciones de mejora en el contexto

escolar. Este proceso es iterativo, permitiendo ajustar elementos e

incorporar nuevos datos o variables para obtener modelos más confiables y

mejorar los predictivo.