APLICACIONES DE NUEVAS METODOLOGÍAS PARA EL MONITOREO MULTIVARIADO DEL RENDIMIENTO ESTUDIANTIL UTILIZANDO GRÁFICOS DE CONTROL Y SISTEMAS UMBRAL

Guido Saltos Segura; Miguel Flores Sánchez; Luis Horna Huaraca; Katherine Morales Quinga

doi:10.47187/perf.v1i24.84

Autores/as

Guido Saltos Segura Universidad de las Américas, Escuela de Ciencias Físicas y Matemáticas, Quito – Ecuador.
Miguel Flores Sánchez Escuela Politécnica Nacional, Facultad de Ciencias, Quito – Ecuador.
Luis Horna Huaraca Escuela Politécnica Nacional, Facultad de Ciencias, Quito – Ecuador.
Katherine Morales Quinga Escuela Politécnica Nacional, Facultad de Ciencias, Quito – Ecuador.

DOI:

https://doi.org/10.47187/perf.v1i24.84

Palabras clave:

profundidad de datos, cartas de control no paramétricas, educación

Resumen

Este trabajo usa el concepto de profundidad de datos, así como la carta de control no paramétrica r desarrollada por Regina Liu, para monitorear el desempeño estudiantil en un grupo de materias en una institución educativa en un período determinado de tiempo. La metodología usa un conjunto de referencia obtenido de los resultados mismos en lugar de estándares ideales. Este conjunto de referencia sirve para calibrar la carta de control y así monitorear datos subsecuentes. El concepto de profundidad de datos permite crear un índice univariado a partir, en este caso de dos variables, para generar un ordenamiento de “adentro” hacia “afuera” de la nube de puntos, siendo el punto más central el de mayor profundidad. El posterior cálculo del rango a partir de las profundidades es la base de la carta r.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Garbanzo G. (2013) Factores asociados al rendimiento académico en estudiantes universitarios desde el nivel socioeconómico: Un estudio en la Universidad de Costa Rica. Revista Electrónica Educare On-line version ISSN 1409-4258 Educare Vol. 17(3).

Collins J., White G., Kennedy J. (1995). Entry to medical school: an audit of traditional selection requirements. Medical Education. Vol. 29(1): 22-28.

Okwonu F., Ogini, N. (2017) Application of x and S Control Charts to Investigate Students Performance. Journal of Advances in Mathematics and Computer Science. Vol. 23(4): 1-15.

Beshah B. (2012). Students'' Performance Evaluation Using Statistical Quality Control. International Journal of Science and Advanced Technology. Vol. 2(12): 75-79.

Edwards H., Govindaraju K., Lai C. (2007). A control chart procedure for monitoring university student grading. International Journal of Services Technology and Management. Vol. 8(4-5), 344-354.

Eskew R., Faley R. (1988). Some determinants of student performance in the first college-level financial accounting course. The Accounting Review. Vol. 63(1): 137-147

Barahona P., Aliaga V. (2014) Variables predictoras del rendimiento académico de los alumnos de primer año de las carreras de Humanidades de la Universidad de Atacama, Chile. Rev. Int. Investig. Cienc. Soc. Vol. 9(2): 207-220.

Montero E., Villalobos J., Valverde A. (2007). Factores

Institucionales, Pedagógicos, Psicosociales y Sociodemográficos asociados al rendimiento académico en la Universidad de Costa Rica: Un análisis Mul- tinivel. Revista Electrónica de Investigación y Evaluación Educativa. Vol.13 (2): 215-234.

Pandey M., Taruna S. (2014). A Multi-level Classification Model Pertaining to The Student's Academic Performance Prediction. International Journal of Advances in Engineering and Technology. Vol. 7(4):1329-1341.

Ferreyra M. (2007). Determinantes del Desempeño Universitario: Efectos Heterogéneos en un Modelo Censurado. Tesis de Maestría. Maestría en Economía. Universidad Nacional de La Plata.

Muhammedhussen M. (2016). Determinants of

economics students’ academic performance: Case study of Jimma University, Ethiopia. International Journal of Scientific and Research Publications. Vol. 6(1): 566-571.

Cheng A., Liu R., Luxhoj J. (2000) Monitoring multivariate aviation safety data by data depth: control charts and thresholds systems. IIE Transactions 32: 861-872

Cascos I., López A., Romo J. (2011). Data Depth in Multivariate Statistics. Boletín de Estadística e

Investigación Operativa. Vol. 27(3):151-174.

Dyckerhoff, R. (2004). Data depths satisfying the projection property. AStA-Advances in Statistical Analysis. Vol. 88(2): 163–190.

Lange T., Mosler K., Mozharovskyi, P. (2014). Fast nonparametric classification based on data depth. Statistical Papers. Vol. 55(1): 49-69.

Liu R. (1990). On a notion of data depth based on random simplices. The Annals of Statistics. Vol. 18(1): 405-414.

Liu, R. Y. (1988). On a notion of simplicial depth. Proceedings of the National Academy of Sciences. Vol. 85(6): 1732-1734.

Liu R. (1995). Control Charts for Multivariate Processes. American Statistical Association. Vol. 90(432): 1380-138.

Bersimis S., Psarakis S., & Panaretos, J. (2007). Multivariate statistical process control charts: an over- view. Quality and Reliability engineering international. Vol 23(5): 517-543.

Lowry C., Montgomery D. (1995). A review of multivariate control charts. IIE transactions. Vol. 27(6):800-810.

Li Z., Dai Y., Wang Z. (2014). Multivariate change point control chart based on data depth for phase I analysis. Communications in Statistics-Simulation and Computation. Vol. 43(6): 1490-1507.

Liu R., Singh K., Teng J. (2004). DDMA-charts: nonparametric multivariate moving average control charts based on data depth. Allgemeines Statistisches Archiv. Vol 88(2): 235-258.

Liu R., Parelius J., Singh K. (1999). Multivariate analysis by data depth: descriptive statistics, graphics and inference. The Annals of Statistics. Vol. 27(3), 783-858.

Flores M., Naya S., Fernández R. (2014). Quality Control and reliability, (qcr). V01-18. CRAN Repository.