Aplicación de técnicas y estrategias de inteligencia de negocio para analizar/integrar información de los alumnos de la Facultad de Informática de la UNLP

PREFACIO
Introducción 
Motivación
Objetivos
Problemática
Organización del documento 
PARTE I
INVESTIGACIÓN TEÓRICA – CONCEPTUAL 
 
1 Capítulo 1 BI, KDD Y DM 
1.1 Datos, Información y conocimiento 
1.2 Business Intelligence 
1.3 BI y Analítica de Datos 
1.4 Knowledge Discovery in Database - KDD 
1.4.1 Pasos del proceso de KDD 

2 Capítulo 2 MINERÍA DE DATOS Y ESTILOS DE APRENDIZAJE 18
2.1 Minería de Datos - DM  
2.2 Clasificación de minería de datos 
2.3 Pasos para el desarrollo de la fase de minería de datos  
2.4 Tareas de minería de datos 
2.5 Métodos ó técnicas de minería de datos 
2.6 Evaluación de los modelos 
2.6.1 Técnicas de evaluación de modelos  
2.7 Selección de una Técnica de Minería de Datos 
 
3 Capítulo 3 MINERÍA DE DATOS EDUCATIVA - EDM  
3.1 Introducción  
3.2 Ciclo y participantes de EDM 
3.3 Clasificación de EDM 
3.3.1 EDM orientado al sector administrativo y responsables académicos  
3.3.2 EDM orientado a los docentes  
3.3.3 EDM orientado a los alumnos 
3.4 Conclusión del capítulo 
 
PARTE II
HERRAMIENTAS Y DATOS

4 Capítulo 4 SISTEMAS Y HERRAMIENTAS DE MINERÍA DE
 DATOS 
4.1 Librerías de minería de datos 
4.1.1 Xelopes  
4.1.2 MLC++ 
4.2 Suites 
4.2.1 IBM - SPSS 
4.2.2 RapidMiner  
4.2.3 WEKA 
4.2.4 DBMiner
4.2.5 SAS Enterprise Miner
4.3 Herramientas específicas 
4.3.1 CART
4.3.2 NeuroShell 
4.3.3 See5 / C5.0
4.4 Cuadro comparativo 

5 Capítulo 5 POSIBLES FUENTES DE DATOS  
5.1 SIU
5.1.1 SIU Guaraní 
5.2 Moodle
5.3 WebUNLP 
5.4 Merán 

PARTE III SOLUCIÓN PROPUESTA

6 Capítulo 6 PRESENTACIÓN DE LA SOLUCIÓN PROPUESTA 
6.1Recursos Disponibles 
6.2 Sistemas y Datos Seleccionados 
6.2.1 Datos seleccionados del sistema SIU-Guaraní  
6.2.2 Datos seleccionados del sistema Moodle  
6.2.3 Datos seleccionados del sistema Merán 
6.3 Análisis propuestos
6.4 Herramienta de minería de datos seleccionada  
6.5 Extracción de conocimiento 
6.5.1 Generación de las vistas minables  
6.5.2 Generación de los modelos 
6.5.3 Tareas y técnicas seleccionadas  
6.5.4 Algoritmos aplicados 
6.6Interfaz de interacción 

7 Capítulo 7 SELECCIÓN, PREPROCESAMIENTO Y
TRANSFORMACIÓN
7.1Análisis socio-demográfico
7.1.1 Exportación e importación de los datos 
7.1.2 Descripción de los datos recolectados 
7.1.3 Exploración y transformación de los datos 
7.1.3.1 Corte horizontal de FT_Desgranamiento_PersUA  
7.1.3.2 Atributos de FT_Desgranamiento_PersUA_Licenciatura
7.1.3.3 Atributos Unidad Académica, Tipo Título Secundario y Carrera 
7.1.3.4 Atributos Colegio, creación del atributo Procedencia 
7.1.3.5 Atributo Situación del Estudiante 
7.1.3.6 Atributo Nivel Estudio Padres 
7.1.3.7 Atributos Sexo, creación del atributo Género 
7.1.3.8 Valores de los atributos de la tabla LT_Egresados 
7.1.4 Vista minable 
7.2Análisis de participación en las materias 
7.2.1 Exportación e importación de los datos 
7.2.1.1 Exportación e importación de los datos de Moodle  
7.2.1.2 Exportación e importación de los datos de SIU-Guaraní  
7.2.1.3 Exportación e importación de los datos de Merán 
7.2.2 Descripción de las tablas y datos seleccionados  
7.2.3 Exploración de los datos 
7.2.3.1 Selección de los cursos  
7.2.3.2 Alumnos inscriptos en cada materia 
7.2.3.3 Resultados obtenidos en las materias 
7.2.3.4 Participación en los foros de las materias 
7.2.3.5 Uso de biblioteca 
7.2.4 Vista minable 

8 Capítulo 8 MODELADO Y EVALUACIÓN
8.1Análisis socio-demográfico 
8.1.1 Distribución de los datos 
8.1.2 Clasificación – Árbol de decisión  
8.1.3 Agrupamiento 
8.1.3.1 Visualización de los grupos
8.2Análisis de la participación en las materias
8.2.1 Distribución de los datos 
8.2.2 Clasificación – Árbol de decisión  
8.2.3 Agrupamiento 
8.2.3.1 Visualización de los grupos 

9 Capítulo 9 APLICATIVO 
9.1Funcionalidad provista 
9.2 Ejecución de la Aplicación 
9.3 Pantalla inicial del aplicativo 
9.4 Tipos de análisis
9.5 Tarea de Clasificación 
9.6 Tarea de agrupamiento  
9.7 Otras opciones del aplicativo 

Capítulo 10 EXTENSIÓN DEL TRABAJO 
10.1 Las redes sociales en la Web 
10.2 Uso de las redes sociales en las materias 
10.3 Análisis de las materias incluyendo las redes sociales  
10.4 Obtención de datos  
10.5 Análisis 
10.5.1 Distribución de los datos  
10.5.2 Árbol de decisión  
10.5.3 Agrupamiento
10.5.3.1
Visualización de los grupos 

CONCLUSIONES Y TRABAJOS FUTUROS 
Conclusiones 
Trabajos futuros 
12 Apéndice A SCRIPTS DE BASE DE DATOS  
13 Apéndice B RESOLUCIONES 
14 REFERENCIAS BILIOGRÁFICAS