Validación de los predictores del rendimiento académico obtenidos mediante minería de datos usando análisis de componentes principales

Resumen

Buscando buenos predictores del RA aplicamos acciones que permiten su mejora en la optica de KDD y utilizando DM. De siete inteligencias multiples que Gadner plantea centramos el estudio en la lingustica y en la logica-matematica. Medimos habilidades implcitas a esas inteligencias mediante el test psicometrico BADyG, extrayendo subescalas relacionadas con estas asignaturas. Como promedio de las subescalas construimos PMAT y PLEN como predictores del RA en Matematicas y Lengua. La informacion extrada del IES utiliza 3 fuentes: Tests Psicometricos, Resultados Academicos y Datos Personales. Sobre la informacion generada usamos la librera WEKA obteniendo que PLEN y PMAT son buenos predictores, afectando a las decisiones a tomar por los dptos implicados. Validamos la tecnica Arboles de Decision de WEKA (abilidad por encima del 80 %) aplicando un analisis de componentes principales para el valor de cada una de las acciones a tomar, explicando entre el 7522% y el 9292% de la varianza.