Examinando {{ collection }} por Autor "Gache, Andrea"
Mostrando 1 - 9 de 9
- Resultados por página
- Opciones de ordenación
Ítem Libro de resúmenes : XXI Jornadas de Tecnología Aplicada a la Educación Matemática Universitaria - 2022(Universidad de Buenos Aires. Facultad de Ciencias Económicas) Bianco, María José; Gache, Andrea; García, Roberto Armando; García Fronti, Verónica MaríaÍtem Libro de resúmenes : XXII Jornadas de Tecnología Aplicada a la Educación Matemática Universitaria - 2023(Universidad de Buenos Aires. Facultad de Ciencias Económicas) Bianco, María José; Gache, Andrea; García, Roberto Armando; García Fronti, Verónica MaríaÍtem Libro de resúmenes : XXIII Jornadas de Tecnología Aplicada a la Educación Matemática Universitaria 2024(Universidad de Buenos Aires. Facultad de Ciencias Económicas) Bianco, María José; Gache, Andrea; García, Roberto Armando; García Fronti, Verónica MaríaÍtem Libro de resúmenes : XXIV Jornadas de Tecnología Aplicada a la Educación Matemática Universitaria 2025(Universidad de Buenos Aires. Facultad de Ciencias Económicas) Bianco, María José; Gache, Andrea; García, Roberto Armando; García Fronti, Verónica MaríaÍtem Modelos predictivos del rendimiento académico en álgebra a través de la minería de datos educativa : estudio de patrones de interacción en la plataforma Moodle del Campus Virtual CBC(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Escuela de Estudios de Posgrado) Gache, Andrea; Bianco, María JoséEl objetivo del presente trabajo es generar modelos predictivos del rendimiento académico, empleando métodos de la minería de datos educacional, que sirvan como herramientas de detección de factores vinculados a la interacción de los estudiantes en el aula virtual de Álgebra para Ciencias Económicas , del Ciclo Básico Común de la Universidad de Buenos Aires. Para ello se consolida una base con datos de los estudiantes referidos a la interacción con los recursos en el aula Moodle durante el primer cuatrimestre del 2021. Se emplean técnicas de minería de datos educacional, siguiendo las etapas del Proceso de Extracción de Conocimiento en Bases de Datos. Con R Studio, se aplican métodos de clusterización, para analizar las interacciones con los recursos y los foros. Para la elección del modelo predictivo se desarrolla con RapidMiner un análisis comparativo de diferentes métodos de clasificación. Los resultados muestran que el ensamble Gradient Boosted Tree, clasifica el 98,2% de las instancias correctamente con un margen de error mínimo del 1,8% Se logra identificar atributos predictores, concluyendo que el grado de participación influye en el rendimiento académico positivamente. Todo ello subraya la importancia de la implicación activa del estudiante, frente al mero acceso a la información disponible.Ítem Notas de álgebra teórico-prácticas(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Centro de Investigación en Métodos Cuantitativos Aplicados a la Economía y la Gestión) Fraquelli, Alicia D.; Gache, AndreaÍtem Notas de álgebra teórico-prácticas(Universidad de Buenos Aires. Facultad de Ciencias Económicas. Centro de Investigación en Métodos Cuantitativos Aplicados a la Economía y la Gestión) Fraquelli, Alicia D.; Gache, AndreaÍtem Notas de análisis matemático I : teórico - prácticas(Universidad de Buenos Aires. Facultad de Ciencias Económicas) Bianco, María José; Casparri, María Teresa; Gache, Andrea; García, Roberto Armando; Zorzoli, GustavoÍtem Notas de análisis matemático I : teórico - prácticas(Universidad de Buenos Aires. Facultad de Ciencias Económicas) Bianco, María José; Casparri, María Teresa; Gache, Andrea; García, Roberto Armando; Zorzoli, Gustavo