Procesamiento de bases de datos escolares por medio de redes neuronales artificiales.

Autor/inn/en	García, Brenda Miranda; González Bárcenas, Víctor Manuel; Reyes Nava, Adriana; Alejo Eleuterio, Roberto; Rendón Lara, Eréndira
Titel	Procesamiento de bases de datos escolares por medio de redes neuronales artificiales. Gefälligkeitsübersetzung: School database Processing from the perspective of artificial neural networks.
Quelle	In: Ciencia ergo sum, 27 (2020) 3, S. 441-449 PDF als Volltext kostenfreie Datei Link als defekt meldenVerfügbarkeit
Sprache	spanisch
Dokumenttyp	online; Zeitschriftenaufsatz
ISSN	1405-0269; 2395-8782
URN	urn:nbn:de:0168-ssoar-71235-4
Schlagwörter	Künstliche Intelligenz; Schule; Mentoring; Neuronales Netz; Datenbank; Analyse; Daten
Abstract	The analysis of school mentoring databases is a poorly studied area and it is usually questioned from the point of view of data mining or artificial intelligence. Nowadays, there are some works about the processing of such a type of databases through machine learning algorithms, as well as the so called "smart algorithms". However, the relevance of analyzing and processing qualitative data as if they were quantitative remains still interesting. In this research, the problem of analyzing school mentoring databases by means of three artificial neural network models are thoroughly studied. Results shows the ability of these models to classify the correct trends in students' statistics using mainly qualitative data with a high degree of certainty (more than 95% of accuracy). El estudio de bases de datos escolares es un área que ha sido poco estudiada y cuestionada desde el punto de vista de la minería de datos o de la inteligencia artificial. Actualmente, existen algunos trabajos que muestran su procesamiento mediante algoritmos de aprendizaje automático o "inteligentes"; sin embargo, no se detienen en analizar la pertinencia de procesar datos cualitativos como si fueran cuantitativos. En este artículo se estudia este problema con el uso de tres modelos de red neuronal. Los resultados evidencian la capacidad de estos modelos para clasificar con un porcentaje de acierto superior a 95% las tendencias en los estudiantes utilizando principalmente datos cualitativos.
Erfasst von	GESIS - Leibniz-Institut für Sozialwissenschaften, Mannheim
Update	2021/2