Aplicación de aprendizaje automático en minería de datos en la evaluación del Sistema de Gestión de Cursos

Aplicación de aprendizaje automático en minería de datos en la evaluación del sistema de gestión de cursos de la OUI. Adriana Becerra Susana Guasha Mercy Jiménez ESCUELA DE CIENCIAS DE LA COMPUTACION Inteligencia Artificial Avanzada

Resumen
La inteligencia artificial influye en la actualidad de manera progresiva mediante las técnicas de aprendizaje automático, la cual se ha difundido en distintos ámbitos de la ciencia y como complemento para la explotación del conocimiento interviene la minería de datos. Se utilizó WEKA versión 3.4.15 y el algoritmo J48, que se aplicó sobre una base de datos histórica que contienen información sobre un sistema de gestión de cursos implementado en la dependencia OUI-Loja, con el propósito de determinar cuál es el nivel de aceptación de los cursos ofertados por el área que desempeña el participante; decisiones que se que se pretenden recomendar luego de hacer un análisis y clasificación de los datos extraídos.

Introducción
Mediante las técnicas de aprendizaje automatizado surgen investigaciones de gran aporte a la ciencia y las organizaciones en la toma de decisiones, así también la minería de datos se denomina inteligente y uno de sus campos de aplicación es en las empresas. El presente trabajo se aplicó el algoritmo de clasificación J4.8, mediante el API de JAVA usando WEKA 3.4.7, sobre una base de datos que contiene actividades relacionadas con actividades de la OUI-sede Loja, en el sistema de gestión de cursos.

Introducción
Y como mecanismo de explotación usamos la técnica de minería de datos. Con el fin de determinar cual es el nivel de aceptación de los cursos ofertados, las temáticas más solicitadas por los profesionales, las mismas que se pretenden llevar a cabo luego de hacer un análisis y extracción de la información más relevante de la base datos para una futura conclusión basada en la eficiencia al momento de clasificar las instancias por parte del algoritmo.

DESARROLLO DE LA INVESTIGACIÓN

PREDICCIONES DE LA ACEPTACION DE LOS CURSOS QUE OFRECE LA “OUI”
PREDICCION : El nivel de aceptación de los cursos por el área de los participantes.
PROBLEMA Y AREA DE APLICACIÓN
La OUI-Sede Loja maneja un sistema de gestión de cursos presenciales y en línea, el cual mantiene un registro de información de las capacitaciones y de sus participantes. Sistema que cuenta con una base de datos, donde se registra la información de los participantes, formas de pago, duración de los cursos, temática, etc.

OBJETIVO
Identificar los patrones de correlación de entre cursos ofertados e interesados en ellos, para apoyar a la toma de decisiones, a partir de una base de conocimiento en torno a perfiles definidos.

DESCRIPCIÓN DE LA BASE DE DATOS HISTÓRICA
La OUI oferta cursos con diferentes temáticas orientadas en las aéreas (Técnica, Administrativa. Socio-Humanística, Biológica), donde el participante puede inscribirse en línea o presencial, a su vez los inscritos están clasificados por categorías (Participantes, docentes, estudiantes). Culminado el curso obtiene un certificado de participación y/o aprobación.
El sistema registra el costo, forma de pago, ubicación de la sala, expositores, acompañantes, duración del curso y responsables organizadores, números de inscritos.

Para la construcción del modelo se extrae las variables mas relevantes de la base de datos intraouibd como son:
Código: indica la temática del evento
area_inscrito: determina el área del participante
certificado: que otorga después de la culminación del curso.
Modalidad: la forma de inscripción
Costo: de acuerdo a la categoría del inscrito.
tipo_asistente: particpante, estudiante y docente.
número_inscritos: total de inscritos por área
DESCRIPCIÓN DE LA BASE DE DATOS HISTÓRICA

TÉCNICAS DE CLASIFICACIÓN SUPERVISADA Algoritmo de clasificación J48
Á rboles de clasificación: Los árboles de clasificación tienen una estructura en forma de árbol, es un método de clasificación supervisada, se construyen mediante el proceso de inducción.
Algoritmos de clasificación : I nducen un clasificador para poder resolver el problema.
Algoritmo J4.8 : C onsiste en:
Escoger el atributo que mejor diferencia las salidas.
Crear una rama por cada salida.
Dividir las instancias en los correspondientes subgrupos.
Terminar cada rama si: todos los miembros tienen la misma clase. Etiquetar esa rama con dicha clase.

TÉCNICAS DE CLASIFICACIÓN SUPERVISADA Algoritmo de clasificación J48
Sólo hay un miembro o no quedan más atributos, en cuyo casi la rama tendrá etiqueta correspondiente a la mayoría de instancias.
Para los subgrupos creados en 3 que no sean terminales, repartirles el algoritmo, dicho árbol puede ser visto por un experto o usado para clasificar posteriores instancias.

ATRIBUTOS Y CLASES PARA LA BASE DE ENTRENAMIENTO Y DE EVALUACIÓN
TABLA: info_eventos
TABLA: inscritos_cursos
TABLA: categorias
TABLA: evento_categoria

ANALISIS Y MODELADO DE DATOS
Estructura del modelo de datos, las variables: Curso, área del participante, documento otorgado, modalidad, costo, tipo de participante, número de inscritos

EXPERIMENTACIÓN DEL MODELO
Mediante sentencias SQL se realizó la obtención de la base de entrenamiento a partir de la base de datos histórica.

presenta el resultado obtenido de la consulta, el cual conforma nuestra base de entrenamiento

ESPECIFICACIÓN
Herramientas de la extracción del conocimiento
MySql: Mediante las consultas se extrae la información relevante de la base de datos, que servirá para el modelo de la base de entrenamiento.

WEKA: Tiene un conjunto de librerías JAVA para la extracción del conocimiento; desde las bases de datos y así poder realizar tareas de minerías de datos, cuenta con un API, el mismo que nos permite trabajar con el IDE de Java Netbeans. En la aplicación de java se carga la base de entrenamiento y mediante las librerías de weka se puede clasificar los datos en base del algortimo de clasificación.

Laboratorio
El resultado de la base de entrenamiento determina, que de un conjunto de 69 datos a clasificar, se obtiene un resultado de un 98 % de instancias bien clasificadas y un 1% de instancias mal clasificadas con un margen de error relativo de 37.77%.

EVALUACION
La evaluación del nivel de aceptación de los cursos por parte de los inscritos se determina mediante los resultados que nos da el algoritmo J48.

DISCUCION Y ANÁLISIS DE RESULTADOS
Esto significa que el algoritmo aprendió en gran medida para la clasificación con la prueba de test dado que el margen de instancias mal clasificadas es mínimo..
Algoritmo Resultados con validación cruzada Resultados con la base de datos de prueba J48 Instancias correctamente clasificadas: 98.5075 % Instancias incorrectamente clasificadas: 1.4925 % Error relativo absoluto: 37.77 % Instancias correctamente clasificadas: 100 % Instancias incorrectamente clasificadas: 0 % Error relativo absoluto: 14.7925 %

CONCLUSIONES
Es importante tener un conocimiento general del tema de análisis para una posterior elección de la herramienta de aprendizaje automático ya sea supervisada o no supervisada que facilite la interpretación de los resultados de manera fácil y completa.

CONCLUSIONES
La minería de datos es fundamental para la extracción relevante para un posterior análisis, pero es fundamental complementar con técnicas de aprendizaje automático para concluir con un análisis más preciso y fundamentado.

La minería de datos genera conocimiento y mediante el aprendizaje automático se puede evidenciar claramente los resultados siendo este un factor fundamental para la toma de decisiones en una organización.

Aplicación de aprendizaje automático en minería de datos en la evaluación del Sistema de Gestión de Cursos

by mariasusanaSD on May 25, 2010

Accessibility

Categories

Tags

Upload Details

Usage Rights

2 Embeds 16

Statistics

Aplicación de aprendizaje automático en minería de datos en la evaluación del Sistema de Gestión de Cursos — Presentation Transcript

http://www.slideshare.net	15
http://webcache.googleusercontent.com	1