Mapeo Sistemático de las Herramientas de Soporte en la Capacitación de Minería de Datos
DOI:
https://doi.org/10.46480/esj.9.1.223Palabras clave:
Capacitación, Aprendizaje, Herramientas, Minería de datos, Mapeo sistemáticoResumen
Contexto: Este estudio realiza un mapeo sistemático de las herramientas utilizadas como soporte para la capacitación en minería de datos durante el periodo de 2020 a 2025, reconociendo la importancia de las técnicas de aprendizaje y herramientas informáticas en la educación universitaria. Metodología: Se llevó a cabo un análisis de la literatura existente, seleccionando 14 estudios relacionados con las herramientas aplicadas en la enseñanza teórica y la aplicación práctica de minería de datos en el ámbito educativo. Este proceso permitió identificar 15 herramientas diferentes utilizadas en la formación. Resultados: La investigación exploró las tendencias actuales en la formación en minería de datos, ofreciendo una perspectiva integral sobre las prácticas educativas, técnicas/algoritmos aplicados y las tecnologías implementadas. Se destacaron las herramientas más efectivas para la capacitación en este campo. Conclusiones: El estudio brinda recomendaciones para optimizar la capacitación en minería de datos, contribuyendo así al desarrollo del talento y el conocimiento en este ámbito, que es crucial para el crecimiento tecnológico y económico de las personas y las organizaciones.
Descargas
Referencias
Abadi, M., Agarwal, A., Barham, P., Brevdo, E., Chen, Z., Citro, C., y Zheng, X. (2016). Tensorflow: aprendizaje automático a gran escala en sistemas distribuidos heterogéneos.
Alemán Viteri, S. B. (2021). "Análisis de sentimientos para Twitter con Vader y TextBlob". Revista Odigos, 2(3), 9–25. DOI: https://doi.org/10.35290/ro.v2n3.2021.494
Álvarez-Peralta, D. H., & Recalde-Varela, P. M. (2020). Optimización de precios en una empresa de retail utilizando la herramienta RapidMiner. Polo del Conoci-miento, 5(3), 92-104.
Babu, B., & Raj, A. (2020). "A Review of Data Mining Tools: Applications of Orange in Business Intelligence". Interna-tional Journal of Data Science and Analytics, 12(2), 213-220.
Buitinck, L., et al. (2016). "API Design for Machine Learning Software: Experiences from the Scikit-learn Project." Ma-chine Learning in Python, Data Mining and Knowledge Dis-covery, 30(2), 517-535.
Caicedo-Castro, I. (2023). Course prophet: a system for pre-dicting course failures with machine learning: a numerical methods case study. Sustainability, 15(18), 13950. DOI: https://doi.org/10.3390/su151813950
Caicedo-Castro, I., & Pardo, A. (2024). "Aplicación de técnicas de aprendizaje automático para la predicción de reprobación en cursos universitarios". Revista de Educación y Desarrollo, 43(1), 15-25.
Darad, S., & Krishnan, S. (2023). "Análisis de sentimiento de los datos de Twitter de COVID-19 utilizando modelos de aprendizaje profundo y aprendizaje máquina". Ingenius. Revista de Ciencia y Tecnología, 29, 108-117.
Fischer, C., Pardos, Z. A., Baker, R. S., Williams, J. J., Smyth, P., Yu, R., ... & Warschauer, M. (2020). Mining big data in educa-tion: Affordances and challenges. Review of research in education, 44(1), 130-160. DOI: https://doi.org/10.3102/0091732X20903304
Flores, V., Heras, S., & Julian, V. (2022). Comparison of predic-tive models with balanced classes using the SMOTE meth-od for the forecast of student dropout in higher education. Electronics, 11(3), 457. DOI: https://doi.org/10.3390/electronics11030457
Gil, O. G. (2023). Predicción de la presión de burbujeo utilizando aprendizaje automático. Revista Innovación y Software, 4(1), 204–218. DOI: https://doi.org/10.48168/innosoft.s11.a82
Gómez, M. J., Calderón, M., Sánchez, V., García Clemente, F. J., & Ruipérez-Valiente, J. A. (2022). "Large Scale Analysis of Open MOOC Reviews to Support Learners' Course Selec-tion". DOI: https://doi.org/10.1016/j.eswa.2022.118400
Grönberg, N., Knutas, A., Hynninen, T., & Hujala, M. (2021). "Palaute: An Online Text Mining Tool for Analyzing Written Student Course Feedback". IEEE Access, 9, 1-1. DOI: https://doi.org/10.1109/ACCESS.2021.3116425
Henry, F. (2018). Minería de Datos. ReciMundo, 339-349. DOI: https://doi.org/10.26820/recimundo/2.esp.2018.339-349
Hertzberg, J., Mundlos, S., Vingron, M., & Gallone, G. (2022). "TADA—a machine learning tool for functional annotation-based prioritisation of pathogenic CNVs". Genome Biology, 23(1), 67. DOI: https://doi.org/10.1186/s13059-022-02631-z
Huatangari, L. Q., Ríos, M. A. C., & Camones, R. T. H. (2023). Segmenting the eating behaviour of university students us-ing the K-means algorithm. Bulletin of Electrical Engineering and Informatics, 12(4), 2363-2371. Journal of Data Science and Analytics, 7(1), 29-44. DOI: https://doi.org/10.11591/eei.v12i4.4543
Khan, A., & Ghosh, S. K. (2021). Student performance analysis and prediction in classroom learning: A review of educa-tional data mining studies. Education and information technologies, 26(1), 205-240. DOI: https://doi.org/10.1007/s10639-020-10230-3
Kitchenham, B. and Charters, S. ``Guidelines for performing systematic literature reviews in software engineering,'' Engi-neering, vol. 2, p. 1051, Jan. 2007.
Kovar, J., & Šojat, M. (2021). "Applications of Orange in Big Data Analysis". Applied Artificial Intelligence, 35(4), 422-433.
Lee, C. A., Huang, N. F., Tzeng, J. W., & Tsai, P. H. (2023). AI-based diagnostic assessment system: Integrated with knowledge map in MOOCs. IEEE Transactions on Learning Technologies, 16(5), 873-886. DOI: https://doi.org/10.1109/TLT.2023.3308338
Lemmerich, F., & Voss, A. (2019). "Exploring Data with Orange: A User-Friendly Tool for Data Mining and Machine Learning".
Lizana, M. F. (2020). Ventajas de R como herramienta para el Análisis y Visualización de datos en Ciencias Sociales. Revista Científica de la UCSA, 7(2), 97-111. DOI: https://doi.org/10.18004/ucsa/2409-8752/2020.007.02.097
López, Rómulo Alejandro Barba, Humberto Stanley Guerrero Herrera, and Janeth Doris Salazar González. "Análisis de clústeres para la clasificación de datos económicos." Revista Publicando 3.7 (2016): 267-275.
Lortie, CJ (2017). Una revisión de R para la ciencia de datos: Elementos clave y un análisis crítico.
Mazurek, G., & Wasilkowski, P. (2020). "Using Power BI for Busi-ness Decision Support Systems." Journal of Business Intelli-gence and Analytics, 14(2), 56-67.
Merceron, A., & Yacef, K. (2005). Tada-ed for educational data mining. Interactive multimedia electronic journal of computer-enhanced learning, 7(1), 267-287.
Nebot, À., Mugica, F., & Castro, F. (2020). An e-learning toolbox based on rule-based fuzzy approaches. Applied Sciences, 10(19), 6804. DOI: https://doi.org/10.3390/app10196804
Nuñez-Mora, J.A., Mendoza-Urdiales, R.A. Social sentiment and impact in US equity market: an automated approach (2023). Social Network Analysis and Mining, 13 (1), art. no. 111, DOI: https://doi.org/10.1007/s13278-023-01116-6
Paguay Hurtado, J. A. (2021). Desarrollo de un prototipo para la predicción de nuevos casos de COVID-19 en el Ecuador mediante el uso de inteligencia artificial. https://cienciadigital.org/revistacienciadigital2/index.php/ConcienciaDigital/article/download/1810/4466/ DOI: https://doi.org/10.33262/concienciadigital.v4i3.1.1810
Palma-Avellán, A. M. (2018). Gestión del talento humano desde la perspectiva de capacitación del personal y rendimiento laboral. Revista Científica FIPCAEC (Fomento de la investigación y publicación científico-técnica multidisciplinaria). ISSN: 2588-090X. Polo de Capacitación, Investigación y Publicación (POCAIP), 3(7), 52-69. DOI: https://doi.org/10.23857/fipcaec.v3i7.92
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., ... y Duchesnay, É. (2011). Scikit-learn: Aprendizaje automático en Python. Revista de investigación en aprendizaje automático , 12 , 2825-2830.
Perakovic, D., Remenar, V. y Grgurevic, I. (2020). Posibilidad de aplicar lógica difusa en sistemas de aprendizaje electrónico. En la Conferencia Centroeuropea sobre Información y Sistemas Inteligentes (p. 1). Facultad de Organización e Informática Varazdin.
Pérez, C., & Santín, D. (2014). Minería de Datos Técnicas y Herramientas. Madrid: Thomson Ediciones Paraninfo.
Quijije Quiroz , H. B. ., & Maldonado Zuñiga, K. . (2023). Técnica de minería de datos para procesos educativos en estudiantes con necesidades educativas especiales basado en un modelo predictivo . Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS, 5(5), 205–217. https://doi.org/10.59169/pentaciencias.v5i5.730 DOI: https://doi.org/10.59169/pentaciencias.v5i5.730
Romero, C., & Ventura, S. (2020). Educational data mining and learning analytics: An updated survey. Wiley interdis-ciplinary reviews: Data mining and knowledge discovery, 10(3), e1355. DOI: https://doi.org/10.1002/widm.1355
Shakil, K. A., Anis, S., & Alam, M. (2015). Dengue disease pre-diction using Weka data mining tool. https://arxiv.org/abs/1502.05167
VanderPlas, J. (2016). "Python Data Science Handbook: Es-sential Tools for Working with Data." O'Reilly Media.
Yağcı, M. (2022). Educational data mining: prediction of students' academic performance using machine learning algorithms. Smart Learning Environments, 9(1), 11. DOI: https://doi.org/10.1186/s40561-022-00192-z
Zhang, X., Yao, L., Kanhere, S. S., Liu, Y., Gu, T., & Chen, K. (2017). "MindID: Person Identification from Brain Waves through Attention-based Recurrent Neural Network". DOI: https://doi.org/10.1145/3264959
Zupan, B., & Pečar, S. (2018). "Orange: Data Mining and Visu-alization Tool". Journal of Computational and Graphical Statistics, 27(3), 728-739. DOI: https://doi.org/10.1080/10618600.2018.1458624
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Walter Garcia-Velez, Patricia Quiroz-Palma, Alex Santamaria-Philco
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores conservan los derechos sobre sus artículos y, por tanto, son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente su obra en sus sitios web personales o en repositorios institucionales, después de su publicación en esta revista, siempre que se proporcione la referencia bibliográfica que acredite su publicación original.
Cómo citar
