Derechos de autor 2024 Investigación e Innovación en Ingenierías
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Análisis espacial del rendimiento académico en las áreas de sistemas y telemática de las pruebas Saber Pro en el caribe colombiano
Corresponding Author(s) : Gabriel Elías Chanchí Golondrino
Investigación e Innovación en Ingenierías,
Vol. 13 Núm. 1 (2025): Enero - junio
Resumen
Objetivo: Conducir un estudio basado en análisis espacial de los datos para la caracterización del rendimiento académico en las cinco competencias de las pruebas saber Pro, por parte de los estudiantes de carreras de Ingeniería de Sistemas y afines en los departamentos del caribe colombiano. Metodología: Para el desarrollo de la presente investigación se hizo uso de una adaptación a 4 fases de la metodología CRISP-DM: F1. Entendimiento del negocio y de los datos, F2. Preparación de los datos, F3. modelado, F4. Evaluación y análisis. Resultados: Como resultado, se obtuvo mediante análisis de cuantiles los departamentos de la costa caribe con mejor y peor rendimientos en las 5 áreas de la prueba. Así mismo, mediante análisis de regresión espacial se determinó la correlación entre las 5 competencias de la prueba. Finalmente, mediante análisis de clustering espacial se determinaron los grupos de departamentos que obtuvieron en conjunto los mejores y peores resultados. Conclusiones: Los resultados obtenidos en este trabajo pretenden servir de guía para la toma de decisiones estratégicas que contribuyan a mejorar la calidad de la educación en la costa caribe de Colombia. Así mismo, el estudio propuesto sirve de base para extrapolar el análisis espacial de los datos en otras regiones y niveles específicos de las pruebas saber.
Palabras clave
Descargar cita
Endnote/Zotero/Mendeley (RIS)BibTeX
- N. Palacios Mena, «El currículo de ciencias sociales y las pruebas Saber 11 en Colombia: consonancias y disonancias», Voces Silenc. Rev. Latinoam. Educ., vol. 9, n.o 2, pp. 80-106, dic. 2018, doi: 10.18175/vys9.2.2018.06.
- J. R. García-González, P. A. Sánchez-Sánchez, M. Orozco, y S. Obredor, «Extracción de Conocimiento para la Predicción y Análisis de los Resultados de la Prueba de Calidad de la Educación Superior en Colombia», Form. Univ., vol. 12, n.o 4, pp. 55-62, ago. 2019, doi: 10.4067/S0718-50062019000400055.
- W. Acero, J. F. Sánchez, D. Suárez, y C. Téllez, «Modelo de recalificación para la prueba Saber 11», Comun. En Estad., vol. 9, n.o 1, pp. 43-54, 2016, doi: 10.15332/s2027-3355.2016.0001.02.
- L. A. Sanabria James, M. C. Pérez Almagro, y L. E. Riascos Hinestroza, «Pruebas de evaluación Saber y PISA en la Educación Obligatoria de Colombia», Educ. Siglo XXI, vol. 38, n.o 3 Nov-Feb, pp. 231-254, oct. 2020, doi: 10.6018/educatio.452891.
- J. C. Morales-Pinero, M. C. Cote-Sánchez, y I. A. Molina-Bernal, «Incidencia de las TIC en el mejoramiento de las pruebas saber 11 a partir del modelo TPACK», presentado en Encuentro Internacional de Educación En Ingeniería 2019, Cartagena, Colombia. [En línea]. Disponible en: https://acofipapers.org/index.php/eiei/article/view/40/35
- J. Pérez Rave y F. González Echavarría, «Classification Trees vs. Logistic Regression in the Generic Skill Development in Engineering», Comput. Sist., vol. 22, n.o 4, dic. 2018, doi: 10.13053/cys-22-4-2804.
- J. Herrera-Cardozo, «Prueba Saber Pro y módulo de comunicación escrita 2016: un análisis estadístico descriptivo», Rev. Neuronum, vol. 4, n.o 1, 2018, [En línea]. Disponible en: https://eduneuro.com/revista/index.php/revistaneuronum/article/view/102
- S. Castro-Casadiego, D. Guevara-Ibarra, L. Acevedo-Jaimes, y B. Medina-Delgado, «Análisis descriptivo de los factores de impacto en las pruebas Saber Pro de estudiantes de Ingeniería Electrónica», Rev. Educ. En Ing., vol. 15, n.o 30, pp. 1-8, 2020, doi: 10.26507/rei.v15n30.1135.
- D. F. Poveda Pineda, J. E. Cifuentes Medina, y J. A. Chacón Benavides, «Apreciación en los resultados de las pruebas Saber Pro», Rev. Bol. Redipe, vol. 10, n.o 12, pp. 271-284, dic. 2021, doi: 10.36260/rbr.v10i12.1587.
- A. Carrascal, I. Oviedo, y J. Jiménez-Giraldo, «Minería de datos educativos: Análisis del desempeño de estudiantes de ingeniería en las pruebas SABER-PRO», Rev. Politécnica, vol. 15, n.o 29, pp. 128-139, 2019, doi: 10.33571/rpolitec.v15n29a10.
- J. I. Silva-Ortega, «Implementación de nueva herramienta de seguimiento académico que valida la evaluación por competencias genéricas dentro de la facultad de ingeniería de la Universidad de la Costa (CUC)», Rev. Educ. En Ing., vol. 9, n.o 18, 2014, doi: 10.26507/rei.v9n18.427.
- G.-E. Chanchí-Golondrino, M.-E. Ospino-Pineno, y L.-F. Muñoz-Sanabria, «Application of Spatial Data Science on Results of the Saber 5 Test», Rev. Fac. Ing., vol. 30, n.o 58, 2021, doi: 10.19053/01211129.v30.n58.2021.13823.
- D. A. Solís Flórez, D. F. Alegría-Castrillón, E. Gutiérrez-Vidal, V. Zapata-Bedoya, F. Vidal-Alegría, y R. Timarán-Pereira, «Identificación de Patrones de Rendimiento Académico en las Pruebas Saber Pro entre 2012-2014, en las Competencias Lectura Crítica y Comunicación Escrita con Técnicas Predictivas de Minería de Datos», Cuad. Act., n.o 11, pp. 51-64, 2019, doi: 10.53995/20278101.581.
- R. Timarán-Pereira, J. Caicedo-Zambrano, y A. Hidalgo-Troya, «Árboles de decisión para predecir factores asociados al desempeño académico de estudiantes de bachillerato en las pruebas Saber 11°», Rev. Investig. Desarro. E Innov., vol. 9, n.o 2, pp. 363-378, feb. 2019, doi: 10.19053/20278306.v9.n2.2019.9184.
- R. Timarán-Pereira, A. Hidalgo-Troya, y F. Vidal-Alegría, «Una mirada al desempeño académico en las pruebas saber pro de los estudiantes de ingeniería desde la minería de datos educativa», RISTI Rev. Ibérica Sist. E Tecnol. Informação, n.o E28, pp. 29-42, 2020.
- R. Timarán Pereira, A. Hidalgo Troya, y J. Caicedo Zambrano, «Factores asociados al desempeño académico en Lectura Crítica en las pruebas Saber 11° con árboles de decisión», Investig. E Innov. En Ing., vol. 8, n.o 3, pp. 29-37, nov. 2020, doi: 10.17081/invinno.8.3.4701.
- A. Timarán Buchely y R. Timarán Pereira, «Minería de datos educativa para descubrir patrones asociados al desempeño académico en competencias genéricas», Rev. Colomb. Tecnol. Av. RCTA, vol. 2, n.o 38, pp. 87-95, jul. 2023, doi: 10.24054/rcta.v2i38.1282.
- A. Jaramillo y H. Paz-Arias, «Aplicación de técnicas de minería de datos para determinar las interacciones de los estudiantes en un entorno virtual de aprendizaje», Rev. Tecnológica, vol. 28, n.o 1, 2015, [En línea]. Disponible en: https://dspace.unl.edu.ec/jspui/handle/123456789/11457
- E. Ayala Franco, R. E. López Martínez, y V. H. Menéndez Domínguez, «Modelos predictivos de riesgo académico en carreras de computación con minería de datos educativos», Rev. Educ. Distancia RED, vol. 21, n.o 66, abr. 2021, doi: 10.6018/red.463561.
- J. E. Sotomonte-Castro, C. C. Rodríguez-Rodríguez, C. E. Montenegro-Marín, P. A. Gaona-García, y J. G. Castellanos, «Hacia la construcción de un modelo predictivo de deserción académica basado en técnicas de minería de datos - Towards the construction of a predictive model of academic desertion based on data mining techniques», Rev. Científica, vol. 3, n.o 26, p. 35, oct. 2016, doi: 10.14483/23448350.11089.
- M. Goodchild y R. Haining, «SIG y análisis espacial de datos: perspectivas convergentes», Investig. Reg., n.o 6, pp. 175-201, 2005.
- M. Sánchez-Rivero, «Análisis espacial de datos y turismo: nuevas técnicas para el análisis turístico. Una aplicación al caso extremeño», Rev. Estud. Empres., n.o 2, pp. 48-66, 2008.
- A. Hernández-Vásquez et al., «Análisis espacial del sobrepeso y la obesidad infantil en el Perú, 2014», Rev. Perú. Med. Exp. Salud Pública, vol. 33, n.o 3, p. 489, jul. 2016, doi: 10.17843/rpmesp.2016.333.2298.
- J. J. Espinosa Zúñiga, «Aplicación de metodología CRISP-DM para segmentación geográfica de una base de datos pública», Ing. Investig. Tecnol., vol. 21, n.o 1, pp. 1-13, ene. 2020, doi: 10.22201/fi.25940732e.2020.21n1.008.
- C. Schröer, F. Kruse, y J. M. Gómez, «A Systematic Literature Review on Applying CRISP-DM Process Model», Procedia Comput. Sci., vol. 181, pp. 526-534, 2021, doi: 10.1016/j.procs.2021.01.199.
- C. G. Hidalgo Suarez, V. A. Bucheli Guerrero, F. Restrepo Calle, y F. A. González Osorio, "Estrategia de enseñanza basada en la colaboración y la evaluación automática de código fuente en un curso de programación CS1", Investigación e Innovación en Ingenierías, vol. 9, n.º 1, pp. 50–60, ene. 2021. DOI: https://doi.org/10.17081/invinno.9.1.4185
- F. Martinez-Plumed et al., «CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science Trajectories», IEEE Trans. Knowl. Data Eng., vol. 33, n.o 8, pp. 3048-3061, ago. 2021, doi: 10.1109/TKDE.2019.2962680.
Referencias
N. Palacios Mena, «El currículo de ciencias sociales y las pruebas Saber 11 en Colombia: consonancias y disonancias», Voces Silenc. Rev. Latinoam. Educ., vol. 9, n.o 2, pp. 80-106, dic. 2018, doi: 10.18175/vys9.2.2018.06.
J. R. García-González, P. A. Sánchez-Sánchez, M. Orozco, y S. Obredor, «Extracción de Conocimiento para la Predicción y Análisis de los Resultados de la Prueba de Calidad de la Educación Superior en Colombia», Form. Univ., vol. 12, n.o 4, pp. 55-62, ago. 2019, doi: 10.4067/S0718-50062019000400055.
W. Acero, J. F. Sánchez, D. Suárez, y C. Téllez, «Modelo de recalificación para la prueba Saber 11», Comun. En Estad., vol. 9, n.o 1, pp. 43-54, 2016, doi: 10.15332/s2027-3355.2016.0001.02.
L. A. Sanabria James, M. C. Pérez Almagro, y L. E. Riascos Hinestroza, «Pruebas de evaluación Saber y PISA en la Educación Obligatoria de Colombia», Educ. Siglo XXI, vol. 38, n.o 3 Nov-Feb, pp. 231-254, oct. 2020, doi: 10.6018/educatio.452891.
J. C. Morales-Pinero, M. C. Cote-Sánchez, y I. A. Molina-Bernal, «Incidencia de las TIC en el mejoramiento de las pruebas saber 11 a partir del modelo TPACK», presentado en Encuentro Internacional de Educación En Ingeniería 2019, Cartagena, Colombia. [En línea]. Disponible en: https://acofipapers.org/index.php/eiei/article/view/40/35
J. Pérez Rave y F. González Echavarría, «Classification Trees vs. Logistic Regression in the Generic Skill Development in Engineering», Comput. Sist., vol. 22, n.o 4, dic. 2018, doi: 10.13053/cys-22-4-2804.
J. Herrera-Cardozo, «Prueba Saber Pro y módulo de comunicación escrita 2016: un análisis estadístico descriptivo», Rev. Neuronum, vol. 4, n.o 1, 2018, [En línea]. Disponible en: https://eduneuro.com/revista/index.php/revistaneuronum/article/view/102
S. Castro-Casadiego, D. Guevara-Ibarra, L. Acevedo-Jaimes, y B. Medina-Delgado, «Análisis descriptivo de los factores de impacto en las pruebas Saber Pro de estudiantes de Ingeniería Electrónica», Rev. Educ. En Ing., vol. 15, n.o 30, pp. 1-8, 2020, doi: 10.26507/rei.v15n30.1135.
D. F. Poveda Pineda, J. E. Cifuentes Medina, y J. A. Chacón Benavides, «Apreciación en los resultados de las pruebas Saber Pro», Rev. Bol. Redipe, vol. 10, n.o 12, pp. 271-284, dic. 2021, doi: 10.36260/rbr.v10i12.1587.
A. Carrascal, I. Oviedo, y J. Jiménez-Giraldo, «Minería de datos educativos: Análisis del desempeño de estudiantes de ingeniería en las pruebas SABER-PRO», Rev. Politécnica, vol. 15, n.o 29, pp. 128-139, 2019, doi: 10.33571/rpolitec.v15n29a10.
J. I. Silva-Ortega, «Implementación de nueva herramienta de seguimiento académico que valida la evaluación por competencias genéricas dentro de la facultad de ingeniería de la Universidad de la Costa (CUC)», Rev. Educ. En Ing., vol. 9, n.o 18, 2014, doi: 10.26507/rei.v9n18.427.
G.-E. Chanchí-Golondrino, M.-E. Ospino-Pineno, y L.-F. Muñoz-Sanabria, «Application of Spatial Data Science on Results of the Saber 5 Test», Rev. Fac. Ing., vol. 30, n.o 58, 2021, doi: 10.19053/01211129.v30.n58.2021.13823.
D. A. Solís Flórez, D. F. Alegría-Castrillón, E. Gutiérrez-Vidal, V. Zapata-Bedoya, F. Vidal-Alegría, y R. Timarán-Pereira, «Identificación de Patrones de Rendimiento Académico en las Pruebas Saber Pro entre 2012-2014, en las Competencias Lectura Crítica y Comunicación Escrita con Técnicas Predictivas de Minería de Datos», Cuad. Act., n.o 11, pp. 51-64, 2019, doi: 10.53995/20278101.581.
R. Timarán-Pereira, J. Caicedo-Zambrano, y A. Hidalgo-Troya, «Árboles de decisión para predecir factores asociados al desempeño académico de estudiantes de bachillerato en las pruebas Saber 11°», Rev. Investig. Desarro. E Innov., vol. 9, n.o 2, pp. 363-378, feb. 2019, doi: 10.19053/20278306.v9.n2.2019.9184.
R. Timarán-Pereira, A. Hidalgo-Troya, y F. Vidal-Alegría, «Una mirada al desempeño académico en las pruebas saber pro de los estudiantes de ingeniería desde la minería de datos educativa», RISTI Rev. Ibérica Sist. E Tecnol. Informação, n.o E28, pp. 29-42, 2020.
R. Timarán Pereira, A. Hidalgo Troya, y J. Caicedo Zambrano, «Factores asociados al desempeño académico en Lectura Crítica en las pruebas Saber 11° con árboles de decisión», Investig. E Innov. En Ing., vol. 8, n.o 3, pp. 29-37, nov. 2020, doi: 10.17081/invinno.8.3.4701.
A. Timarán Buchely y R. Timarán Pereira, «Minería de datos educativa para descubrir patrones asociados al desempeño académico en competencias genéricas», Rev. Colomb. Tecnol. Av. RCTA, vol. 2, n.o 38, pp. 87-95, jul. 2023, doi: 10.24054/rcta.v2i38.1282.
A. Jaramillo y H. Paz-Arias, «Aplicación de técnicas de minería de datos para determinar las interacciones de los estudiantes en un entorno virtual de aprendizaje», Rev. Tecnológica, vol. 28, n.o 1, 2015, [En línea]. Disponible en: https://dspace.unl.edu.ec/jspui/handle/123456789/11457
E. Ayala Franco, R. E. López Martínez, y V. H. Menéndez Domínguez, «Modelos predictivos de riesgo académico en carreras de computación con minería de datos educativos», Rev. Educ. Distancia RED, vol. 21, n.o 66, abr. 2021, doi: 10.6018/red.463561.
J. E. Sotomonte-Castro, C. C. Rodríguez-Rodríguez, C. E. Montenegro-Marín, P. A. Gaona-García, y J. G. Castellanos, «Hacia la construcción de un modelo predictivo de deserción académica basado en técnicas de minería de datos - Towards the construction of a predictive model of academic desertion based on data mining techniques», Rev. Científica, vol. 3, n.o 26, p. 35, oct. 2016, doi: 10.14483/23448350.11089.
M. Goodchild y R. Haining, «SIG y análisis espacial de datos: perspectivas convergentes», Investig. Reg., n.o 6, pp. 175-201, 2005.
M. Sánchez-Rivero, «Análisis espacial de datos y turismo: nuevas técnicas para el análisis turístico. Una aplicación al caso extremeño», Rev. Estud. Empres., n.o 2, pp. 48-66, 2008.
A. Hernández-Vásquez et al., «Análisis espacial del sobrepeso y la obesidad infantil en el Perú, 2014», Rev. Perú. Med. Exp. Salud Pública, vol. 33, n.o 3, p. 489, jul. 2016, doi: 10.17843/rpmesp.2016.333.2298.
J. J. Espinosa Zúñiga, «Aplicación de metodología CRISP-DM para segmentación geográfica de una base de datos pública», Ing. Investig. Tecnol., vol. 21, n.o 1, pp. 1-13, ene. 2020, doi: 10.22201/fi.25940732e.2020.21n1.008.
C. Schröer, F. Kruse, y J. M. Gómez, «A Systematic Literature Review on Applying CRISP-DM Process Model», Procedia Comput. Sci., vol. 181, pp. 526-534, 2021, doi: 10.1016/j.procs.2021.01.199.
C. G. Hidalgo Suarez, V. A. Bucheli Guerrero, F. Restrepo Calle, y F. A. González Osorio, "Estrategia de enseñanza basada en la colaboración y la evaluación automática de código fuente en un curso de programación CS1", Investigación e Innovación en Ingenierías, vol. 9, n.º 1, pp. 50–60, ene. 2021. DOI: https://doi.org/10.17081/invinno.9.1.4185
F. Martinez-Plumed et al., «CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science Trajectories», IEEE Trans. Knowl. Data Eng., vol. 33, n.o 8, pp. 3048-3061, ago. 2021, doi: 10.1109/TKDE.2019.2962680.