Derechos de autor 2020 Investigación e Innovación en Ingenierías
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Bodega de datos con alta capacidad de análisis para el desempeño académico de Universidades
Corresponding Author(s) : Daniel Urrea Pito
Investigación e Innovación en Ingenierías,
Vol. 8 Núm. 3 (2020): Numero especial - XV Jornadas iberoamericanas de Ingeniería de Software e Ingeniería del Conocimiento - JIISIC 2020
Resumen
Objetivo: Proponer una bodega de datos con alta capacidad de análisis para el desempeño de estudiantes universitarios; analizando las diferentes situaciones de diseño que pueden ser comunes para instituciones de educación superior, permitiendo obtener modelos más efectivos y facilitando la adaptación de estos. Metodología o método: Se identificaron dimensiones y medidas comunes encontradas en la literatura sobre bodegas de datos relacionados con el desempeño académico de los estudiantes, luego se incluyeron elementos propios de las universidades del país. Resultados: Dos modelos dimensionales para el desempeño académico de estudiantes en instituciones de educación superior y las situaciones comunes analizadas en el proceso de diseño de estos. Además, un prototipo de bodega de datos de estos modelos para la Universidad del Cauca y una evaluación basada en la norma ISO/IEC 25022, del Nivel de satisfacción de los usuarios con los modelos implementados. Conclusiones: Los resultados de la evaluación mostraron que el 87.72% de los usuarios quedaron satisfechos con los datos brindados por el modelo a través del prototipo, observando la importancia de este tipo de sistemas en las universidades.
Palabras clave
Descargar cita
Endnote/Zotero/Mendeley (RIS)BibTeX
- Ministerio de Educación, Compendio Estadístico Educación Superior Colombiana. Bogotá, Colombia: Imprenta Nacional de Colombia, 2016.
- Ministerio de Educación, “Documento metodológico MIDE Universitario 2017,” 2017. [Online]. Available: http://aprende.colombiaaprende.edu.co/ckfinder/userfiles/files/Documento Metodológico MIDE T 2018.pdf.
- R. Kimball and M. Ross, The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling, Third Edition. Indianapolis, Indiana: John Wiley & Sons, Inc, 2013.
- F. Di Tria, E. Lefons, and F. Tangorra, “Academic data warehouse design using a hybrid methodology,” Comput. Sci. Inf. Syst., vol. 12, no. 1, pp. 135–160, 2014.
- D. Martinez, M. Karanik, M. Giovannini, and N. Pinto, “Estudio de perfil de rendimiento académico: Un abordaje desde data warehousing,” Rev. Tecnol. y Cienc., vol. 13, no. 27, pp. 89–99, 2015.
- T. Graca, J. Cristian, F. Machado, and B. P. Vieira, “Primary Education Evaluation in Brazil using Big Data and Cluster Analysis,” in Information Technology and Quantitative Management (ITQM 2015), 2015, vol. 55, pp. 1031–1039, doi: 10.1016/j.procs.2015.07.061.
- A. Ferreira, F. Portela, and M. F. Santos, “Pervasive Business Intelligence Platform to Improve the Quality of Decision Process in Primary and Secondary Education – A Portuguese Case Study,” New Contrib. Inf. Syst. Technol., pp. 167–176, 2015, doi: 10.1007/978-3-319-16528-8.
- R. Singh and K. Singh, “Design and Research of Data Analysis System for Student Education Improvement (Case Study: Student Progression System in University),” in 2016 International Conference on Micro-Electronics and Telecommunication Engineering (ICMETE), 2016, pp. 508–512, doi: 10.1109/ICMETE.2016.80.
- L. Canchila and J. Sánchez, “Análisis de la Deserción Estudiantil de Cecar Utilizando Herramientas de Inteligencia de Negocios con Licencia Libre,” (Trabajo de pregrado en Ingeniería de Sistemas), Facultad de Ciencias Básicas, Ingeniería y Arquitectura, Corporación Universitaria del Caribe, Sincelejo, Colombia, 2016.
- L. W. Santoso, “Data Warehouse with Big Data Technology for Higher Education,” in 4th Information Systems International Conference 2017, ISICO, 2017, vol. 124, pp. 93–99, doi: 10.1016/j.procs.2017.12.134.
- W. Boulila, M. A. Mohammed, and F. Hamzah, “A business intelligence based solution to support academic affairs : case of Taibah University,” in Wireless Networks, 2018, vol. 3, doi: 10.1007/s11276-018-1880-3.
- R. Rahutomo, R. A. Putri, and B. Pardamean, “Building Datawarehouse for Educational Institutions in 9 Steps,” in 2018 Indonesian Association for Pattern Recognition International Conference (INAPR), 2018, pp. 128–133, doi: 10.1109/INAPR.2018.8627010.
- R. Somya, D. Manongga, and M. A. Ineke Pakereng, “Service-oriented Business Intelligence ( SoBI ) for Academic and Financial Data Integration in University,” in 2018 International Seminar on Application for Technology of Information and Communication, 2018, pp. 1–5, doi: 10.1109/ISEMANTIC.2018.8549762.
- A. K. B, S. Ghosh, and S. K. Ghosh, “eDWaaS : A Scalable Educational Data Warehouse as a Service,” in Intelligent Systems Design and Applications, 2018, pp. 998–1007, doi: 10.1007/978-3-319-76348-4.
- K. Pratt, “Design Patterns for Research Methods: Iterative Field Research,” AAAI Spring Symp. Exp. Des. Real, no. 1994, pp. 1–7, 2009, [Online]. Available: http://www.kpratt.net/wp-content/uploads/2009/01/research_methods.pdf.
- B. Kitchenham and P. Brereton, “A systematic review of systematic review process research in software engineering,” Information and Software Technology, vol. 55, no. 12. Elsevier B.V., pp. 2049–2075, 2013, doi: 10.1016/j.infsof.2013.07.010.
- M. E. Mendoza, L. Durán, and N. Rivera, “MBD 1.0 - Metodología de Desarrollo de Bodegas de Datos Para Micro, Pequeñas y Medianas Emp resas,” UIS Ing., no. 1, pp. 85–101, 2010.
- M. Zarour, “A rigorous user needs experience evaluation method based on software quality standards,” vol. 18, no. 5, 2020, doi: 10.12928/TELKOMNIKA.v18i5.16061.
- H. Nakai, N. Tsuda, K. Honda, H. Washizaki, and Y. Fukazawa, “Initial Framework for Software Quality Evaluation based on ISO / IEC 25022 and ISO / IEC 25023,” in 2016 IEEE International Conference on Software Quality, Reliability and Security-Companion, 2016, pp. 410–411, doi: 10.1109/QRS-C.2016.66.
- J. García, J. Aguilera, and A. Castillo, “Guía técnica para la construcción de escalas de actitud,” Rev. electrónica Pedagog., vol. 8, no. 16, 2011, [Online]. Available: https://studylib.es/doc/5379377/guía-técnica-para-la-construcción-de-escalas-de-actitud.
Referencias
Ministerio de Educación, Compendio Estadístico Educación Superior Colombiana. Bogotá, Colombia: Imprenta Nacional de Colombia, 2016.
Ministerio de Educación, “Documento metodológico MIDE Universitario 2017,” 2017. [Online]. Available: http://aprende.colombiaaprende.edu.co/ckfinder/userfiles/files/Documento Metodológico MIDE T 2018.pdf.
R. Kimball and M. Ross, The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling, Third Edition. Indianapolis, Indiana: John Wiley & Sons, Inc, 2013.
F. Di Tria, E. Lefons, and F. Tangorra, “Academic data warehouse design using a hybrid methodology,” Comput. Sci. Inf. Syst., vol. 12, no. 1, pp. 135–160, 2014.
D. Martinez, M. Karanik, M. Giovannini, and N. Pinto, “Estudio de perfil de rendimiento académico: Un abordaje desde data warehousing,” Rev. Tecnol. y Cienc., vol. 13, no. 27, pp. 89–99, 2015.
T. Graca, J. Cristian, F. Machado, and B. P. Vieira, “Primary Education Evaluation in Brazil using Big Data and Cluster Analysis,” in Information Technology and Quantitative Management (ITQM 2015), 2015, vol. 55, pp. 1031–1039, doi: 10.1016/j.procs.2015.07.061.
A. Ferreira, F. Portela, and M. F. Santos, “Pervasive Business Intelligence Platform to Improve the Quality of Decision Process in Primary and Secondary Education – A Portuguese Case Study,” New Contrib. Inf. Syst. Technol., pp. 167–176, 2015, doi: 10.1007/978-3-319-16528-8.
R. Singh and K. Singh, “Design and Research of Data Analysis System for Student Education Improvement (Case Study: Student Progression System in University),” in 2016 International Conference on Micro-Electronics and Telecommunication Engineering (ICMETE), 2016, pp. 508–512, doi: 10.1109/ICMETE.2016.80.
L. Canchila and J. Sánchez, “Análisis de la Deserción Estudiantil de Cecar Utilizando Herramientas de Inteligencia de Negocios con Licencia Libre,” (Trabajo de pregrado en Ingeniería de Sistemas), Facultad de Ciencias Básicas, Ingeniería y Arquitectura, Corporación Universitaria del Caribe, Sincelejo, Colombia, 2016.
L. W. Santoso, “Data Warehouse with Big Data Technology for Higher Education,” in 4th Information Systems International Conference 2017, ISICO, 2017, vol. 124, pp. 93–99, doi: 10.1016/j.procs.2017.12.134.
W. Boulila, M. A. Mohammed, and F. Hamzah, “A business intelligence based solution to support academic affairs : case of Taibah University,” in Wireless Networks, 2018, vol. 3, doi: 10.1007/s11276-018-1880-3.
R. Rahutomo, R. A. Putri, and B. Pardamean, “Building Datawarehouse for Educational Institutions in 9 Steps,” in 2018 Indonesian Association for Pattern Recognition International Conference (INAPR), 2018, pp. 128–133, doi: 10.1109/INAPR.2018.8627010.
R. Somya, D. Manongga, and M. A. Ineke Pakereng, “Service-oriented Business Intelligence ( SoBI ) for Academic and Financial Data Integration in University,” in 2018 International Seminar on Application for Technology of Information and Communication, 2018, pp. 1–5, doi: 10.1109/ISEMANTIC.2018.8549762.
A. K. B, S. Ghosh, and S. K. Ghosh, “eDWaaS : A Scalable Educational Data Warehouse as a Service,” in Intelligent Systems Design and Applications, 2018, pp. 998–1007, doi: 10.1007/978-3-319-76348-4.
K. Pratt, “Design Patterns for Research Methods: Iterative Field Research,” AAAI Spring Symp. Exp. Des. Real, no. 1994, pp. 1–7, 2009, [Online]. Available: http://www.kpratt.net/wp-content/uploads/2009/01/research_methods.pdf.
B. Kitchenham and P. Brereton, “A systematic review of systematic review process research in software engineering,” Information and Software Technology, vol. 55, no. 12. Elsevier B.V., pp. 2049–2075, 2013, doi: 10.1016/j.infsof.2013.07.010.
M. E. Mendoza, L. Durán, and N. Rivera, “MBD 1.0 - Metodología de Desarrollo de Bodegas de Datos Para Micro, Pequeñas y Medianas Emp resas,” UIS Ing., no. 1, pp. 85–101, 2010.
M. Zarour, “A rigorous user needs experience evaluation method based on software quality standards,” vol. 18, no. 5, 2020, doi: 10.12928/TELKOMNIKA.v18i5.16061.
H. Nakai, N. Tsuda, K. Honda, H. Washizaki, and Y. Fukazawa, “Initial Framework for Software Quality Evaluation based on ISO / IEC 25022 and ISO / IEC 25023,” in 2016 IEEE International Conference on Software Quality, Reliability and Security-Companion, 2016, pp. 410–411, doi: 10.1109/QRS-C.2016.66.
J. García, J. Aguilera, and A. Castillo, “Guía técnica para la construcción de escalas de actitud,” Rev. electrónica Pedagog., vol. 8, no. 16, 2011, [Online]. Available: https://studylib.es/doc/5379377/guía-técnica-para-la-construcción-de-escalas-de-actitud.