Aplicación de minería de datos para un estudio de seguimiento a graduados de los programas de Matemáticas y Licenciatura en Matemáticas de la Universidad Industrial de Santander

Abstract
El propósito de este trabajo es conocer el impacto, pertinencia, desempeño y calidad de los graduados de los programas de Matemáticas y Licenciatura en Matemáticas de la Escuela de Matemáticas entre los periodos 2015 – I a 2020 – I, además de conocer la percepción de los empleadores de estos programas con respecto a la formación ofrecida por la Universidad Industrial de Santander; para ello la Escuela ha optado por realizar un estudio de seguimiento a graduados con el objetivo de mantener la calidad y pertinencia de sus programas, con miras a alcanzar y conservar la acreditación. Por ello, se procede a realizar una revisión de la bibliografía de los diferentes estudios a nivel nacional e internacional y seguir la metodología propuesta por el OLE y el proceso de descubrimiento de conocimiento (por sus siglas en inglés KDD) utilizado para el análisis y tratamiento de grandes volúmenes de datos. Posteriormente se construye el instrumento de medición tomando como guía, el Manual de la Red Graduados, el instrumento propuesto por el OLE e instrumentos desarrollados previamente a este estudio, luego de su revisión y consolidación, se difundirá por medio de la plataforma LimeSurvey, el desarrollo de la encuesta será supervisado por la Escuela de Matemática, y así obtener la retroalimentación de los profesionales sobre información personal, financiera, demográfica, competencias, situación laboral, nivel de identidad y satisfacción con los recursos ofrecidos por la UIS. Finalmente se analizarán los resultados obtenidos por medio de técnicas multivariables y técnicas de minaría de datos, con el fin de caracterizar los diversos perfiles de los graduados, haciendo uso de las herramientas de análisis de datos SPSS STATISTICS y Power Bi.
Description
Keywords
Seguimiento a graduados, Pertinencia, Calidad de la educación, Análisis factorial, Minería de datos, Empleadores, Análisis multivariado, Cluster, Acreditación institucional
Citation