Profiling and Archetyping of Higher Education Applicants Using Intelligent Data Analysis Techniques
收藏IEEE2026-04-17 收录
下载链接:
https://ieee-dataport.org/documents/profiling-and-archetyping-higher-education-applicants-using-intelligent-data-analysis
下载链接
链接失效反馈官方服务:
资源简介:
El dataset desarrollado integra múltiples dimensiones relevantes para el análisis académico y profesional de los estudiantes. Se estructura en seis factores principales: Intereses, Antecedentes Educativos, Intereses Profesionales, Rendimiento Académico, Carga Académica, Asistencia Financiera, e Información Personal. El factor de Intereses abarca la orientación hacia actividades extracurriculares y preferencias académicas, proporcionando una visión sobre la motivación y el compromiso del estudiante más allá del aula. Antecedentes Educativos recoge información sobre la preparación académica previa, problemas de rendimiento y cambios de institución, permitiendo identificar patrones que puedan influir en el desempeño actual. Intereses Profesionales se enfoca en la orientación de carrera y las preferencias vocacionales, lo cual es crucial para evaluar la alineación entre los estudios y los objetivos a largo plazo del estudiante. El Rendimiento Académico detalla el estatus del estudiante, su trayectoria en términos de semestres cursados, calificaciones máximas y mínimas por semestre, y la nota final obtenida, facilitando un análisis longitudinal del progreso académico. La Carga Académica incluye variables como el número de cursos con actividad reciente, cantidad de carreras o asignaturas inscritas, créditos totales y dificultad percibida, lo que permite evaluar el equilibrio entre la carga académica y el rendimiento. Asistencia Financiera ofrece datos sobre el apoyo económico recibido y el historial de pagos, esenciales para comprender el impacto financiero en la continuidad y éxito académico. Finalmente, la Información Personal abarca variables demográficas como género, edad de inicio, estado civil y fecha de registro, que son fundamentales para contextualizar los datos y explorar posibles correlaciones socio-demográficas con el rendimiento académico y profesional. Este dataset multidimensional es ideal para análisis predictivos y estudios correlacionales que busquen comprender los factores que afectan el éxito académico y profesional de los estudiantes.
提供机构:
ESPINOZA AGUIRRE, CINDY BELÉN



