Sistema de información para predecir el porcentaje de estudiantes que se matricularan en los próximos 5 años en la facultad de ingeniería de la USB
El presente proyecto desarrolla un sistema de información que proporciona una herramienta efectiva para anticipar el porcentaje de estudiantes que se matricularán en la Facultad de Ingeniería de la Universidad De San Buenaventura (USB) en los próximos años. Este objetivo se alcanza mediante una meto...
- Autores:
-
Guanume Zapata, Julian
Quiceno Isaza, Juan Camilo
Rizo Tutacha, David Santiago
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Universidad de San Buenaventura
- Repositorio:
- Repositorio USB
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.usb.edu.co:10819/23817
- Acceso en línea:
- https://hdl.handle.net/10819/23817
- Palabra clave:
- 000 - Ciencias de la computación, información y obras generales
Matrícula estudiantil
Estudiantes
Visión estratégica
Análisis retrospectivo
Análisis prospectivos
Análisis de datos
BigData
Tendencias de ingresos a universidades
NPL
Análisis de sentimientos
Retrospective analysis
Prospective analysis
Data analysis
College admissions trends
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| id |
SANBUENAV2_6d8223aba9042fa513253a048718e5b7 |
|---|---|
| oai_identifier_str |
oai:bibliotecadigital.usb.edu.co:10819/23817 |
| network_acronym_str |
SANBUENAV2 |
| network_name_str |
Repositorio USB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Sistema de información para predecir el porcentaje de estudiantes que se matricularan en los próximos 5 años en la facultad de ingeniería de la USB |
| title |
Sistema de información para predecir el porcentaje de estudiantes que se matricularan en los próximos 5 años en la facultad de ingeniería de la USB |
| spellingShingle |
Sistema de información para predecir el porcentaje de estudiantes que se matricularan en los próximos 5 años en la facultad de ingeniería de la USB 000 - Ciencias de la computación, información y obras generales Matrícula estudiantil Estudiantes Visión estratégica Análisis retrospectivo Análisis prospectivos Análisis de datos BigData Tendencias de ingresos a universidades NPL Análisis de sentimientos Retrospective analysis Prospective analysis Data analysis College admissions trends |
| title_short |
Sistema de información para predecir el porcentaje de estudiantes que se matricularan en los próximos 5 años en la facultad de ingeniería de la USB |
| title_full |
Sistema de información para predecir el porcentaje de estudiantes que se matricularan en los próximos 5 años en la facultad de ingeniería de la USB |
| title_fullStr |
Sistema de información para predecir el porcentaje de estudiantes que se matricularan en los próximos 5 años en la facultad de ingeniería de la USB |
| title_full_unstemmed |
Sistema de información para predecir el porcentaje de estudiantes que se matricularan en los próximos 5 años en la facultad de ingeniería de la USB |
| title_sort |
Sistema de información para predecir el porcentaje de estudiantes que se matricularan en los próximos 5 años en la facultad de ingeniería de la USB |
| dc.creator.fl_str_mv |
Guanume Zapata, Julian Quiceno Isaza, Juan Camilo Rizo Tutacha, David Santiago |
| dc.contributor.advisor.none.fl_str_mv |
Durango Vanegas, Claudia Elena |
| dc.contributor.author.none.fl_str_mv |
Guanume Zapata, Julian Quiceno Isaza, Juan Camilo Rizo Tutacha, David Santiago |
| dc.contributor.researchgroup.none.fl_str_mv |
Grupo de Investigación Modelamiento y Simulación Computacional (Medellín) |
| dc.subject.ddc.none.fl_str_mv |
000 - Ciencias de la computación, información y obras generales |
| topic |
000 - Ciencias de la computación, información y obras generales Matrícula estudiantil Estudiantes Visión estratégica Análisis retrospectivo Análisis prospectivos Análisis de datos BigData Tendencias de ingresos a universidades NPL Análisis de sentimientos Retrospective analysis Prospective analysis Data analysis College admissions trends |
| dc.subject.other.none.fl_str_mv |
Matrícula estudiantil Estudiantes Visión estratégica |
| dc.subject.proposal.spa.fl_str_mv |
Análisis retrospectivo Análisis prospectivos Análisis de datos BigData Tendencias de ingresos a universidades NPL Análisis de sentimientos |
| dc.subject.proposal.eng.fl_str_mv |
Retrospective analysis Prospective analysis Data analysis College admissions trends |
| description |
El presente proyecto desarrolla un sistema de información que proporciona una herramienta efectiva para anticipar el porcentaje de estudiantes que se matricularán en la Facultad de Ingeniería de la Universidad De San Buenaventura (USB) en los próximos años. Este objetivo se alcanza mediante una metodología exhaustiva de análisis de datos tanto retrospectivo como prospectivo, lo que permite una visión detallada de las tendencias históricas y una proyección hacia el futuro en el comportamiento de matrícula estudiantil. En este proceso, se emplean diversas técnicas y modelos de análisis, entre los que destacan la regresión lineal y el algoritmo de Random Forest, que, al ser implementados, permiten obtener una estimación de las cifras de matrícula. Además, el proyecto incluye la incorporación de modelos de análisis de sentimientos, los cuales se implementan con el propósito de evaluar las opiniones de los estudiantes a su vez, son sometidos a pruebas que miden su efectividad en este análisis. Esto permite una mejor comprensión de la percepción que los estudiantes tienen sobre su experiencia en la universidad, aportando información clave para el desarrollo institucional. A modo de integración y con el fin de facilitar el acceso a estos métodos, donde se ha desarrollado un aplicativo web en Django, el cual incorpora las herramientas utilizadas, ofreciendo una plataforma interactiva y funcional en la que los usuarios pueden interactuar de manera intuitiva. con el sistema |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-03-03T15:44:22Z |
| dc.date.available.none.fl_str_mv |
2025-03-03T15:44:22Z |
| dc.date.issued.none.fl_str_mv |
2025 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10819/23817 |
| url |
https://hdl.handle.net/10819/23817 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.*.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 Attribution-NonCommercial-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.format.extent.none.fl_str_mv |
61 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.branch.none.fl_str_mv |
Medellín |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.place.none.fl_str_mv |
Medellín |
| dc.publisher.program.none.fl_str_mv |
Ingeniería de Sistemas |
| institution |
Universidad de San Buenaventura |
| dc.source.bibliographicCitation.spa.fl_str_mv |
G. Burgos Mantilla, M. Victoria Angulo, C. Guzmán Ruiz, C. Guzmán Ruiz Diana Durán Muriel Jorge Franco Gallego, E. Castaño Vélez Santiago Gallón Gómez Karoll Gómez Portilla Johanna Vásquez Velásquez, and K. Gómez Díaz Fotografía de carátula, “Deserción estudiantil en la educación superior colombiana,” 2009, Accessed: Mar. 22, 2024. [Online]. Available: www.mineducacion.gov.co M. Castillo-Sánchez, R. Hidalgo-Mora, and R. Gamboa-Araya, “Factores que influyen en la deserción y reprobación de estudiantes de un curso universitario de matemáticas,” Uniciencia, vol. 34, no. 1, pp. 219–215, 2020. S. P. Barragán Moreno and L. González Támara, “Acercamiento a la deserción estudiantil desde la integración social y académica,” Revista de la Educación Superior, vol. 46, no. 183, pp. 63–86, Jul. 2017, doi: 10.1016/J.RESU.2017.05.004. M. A. Miranda and J. Guzmán, “Análisis de la Deserción de Estudiantes Universitarios usando Técnicas de Minería de Datos,” Formación universitaria, vol. 10, no. 3, pp. 61–68, 2017, doi: 10.4067/S0718-50062017000300007. J. Díaz Castro, N. L. Morales Parrado, and C. A. Arismendy Fuentes, “análisis de la deserción temprana y sus factores explicativos en la universidad de los llanos con datos de ingreso, 2015-2”. K. B. Eckert and R. Suénaga, “Análisis de Deserción-Permanencia de Estudiantes Universitarios Utilizando Técnica de Clasificación en Minería de Datos,” Formación universitaria, vol. 8, no. 5, pp. 03–12, 2015, doi: 10.4067/S0718-50062015000500002. A. Amaya-Amaya, F. Huerta-Castro, and C. O. Flores-Rodríguez, “Big data, a strategy to prevent academic dropout in heis,” Revista Iberoamericana de Educacion Superior, vol. 11, no. 31, pp. 166–178, 2020, doi: 10.22201/iisue.20072872e.2020.31.712. J. Javier, V. Romero, R. Andrés, J. Toledo, and L. E. Paredes, “Implementación de un sistema de análisis de datos en la deserción estudiantil.” Vol. 4 Núm. 2 (2017): Boletín Informativo CEI. A. F. Marín Rodríguez, “Sistema de predicción para reducir la deserción estudiantil de la Fundación.”(2023), Accessed: Mar 25, 2024. [Online]. Available: https://repositoriocrai.ucompensar.edu.co/server/api/core/bitstreams/1bbb968c-9a95-44feb4a0-7f97eb548619/content “Estudio retrospectivo. Qué es, ventajas y cómo realizarlo.” Accessed: May 09, 2024. [Online]. Available: https://www.questionpro.com/blog/es/estudio-retrospectivo/ “Qué es la Prospectiva y el Análisis Prospectivo: cómo anticipar el futuro – LISA Institute.” Accessed: May 09, 2024. [Online]. Available: https://www.lisainstitute.com/blogs/blog/prospectiva-y-analisis-prospectivo C. A. D. Jesús and A. Haro, “Por los rincones Antología de métodos cualitativos en la investigación social”. vol. XIV, núm. 23, enero-abril, 2002. “¿Qué es el análisis de datos? - Explicación del análisis de datos - AWS.” Accessed: May 10, 2024. [Online]. Available: https://aws.amazon.com/es/what-is/data-analytics/ M. Saldaña Villa and O. A. Barriga, “Adaptación del modelo de deserción universitaria de Tinto a la Universidad Católica de la Santísima Concepción, Chile,” Rev Cienc Soc, vol. 16, no. 4, pp. 616–628, 2010, Accessed: May 10, 2024. [Online]. Available: http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1315- 95182010000400005&lng=es&nrm=iso&tlng=es J. M. Molina, L. Jesús, and G. Herrero, “técnicas de análisis de datos aplicaciones prácticas utilizando microsoft excel y weka,” 2006. N. S. Cortes Diaz, “uso del análisis de sentimientos para medir el posicionamiento de una marca a través de la información extraída de la plataforma twitter,” Universidad Santo Tomas, 2021. A. Calvo Madurga, “Analisis de sentimientos y emociones en redes sociales usando ML,” Universidad de Valladolid. (2020). A. Insua Yañez, “Sistema Deep Learning para el análisis de sentimientos en opiniones de productos para la ordenación de resultados de un buscador semántico,” Universidad de Coruña.” (2019). N. S. Cortes Diaz, “uso del análisis de sentimientos para medir el posicionamiento de una marca a través de la información extraída de la plataforma twitter,” Universidad Santo Tomas, 2021. A. Calvo Madurga, “Analisis de sentimientos y emociones en redes sociales usando ML,” Universidad de Valladolid (2020). A. Insua Yañez, “Sistema Deep Learning para el análisis de sentimientos en opiniones de productos para la ordenación de resultados de un buscador semántico,” Universidad de Coruña. (2019). “¿Qué es el procesamiento de lenguaje natural? - Explicación del procesamiento de lenguaje natural - AWS.” Accessed: Oct. 07, 2024. [Online]. Available: https://aws.amazon.com/es/what-is/nlp/ “¿Qué es Hugging Face? | KeepCoding Bootcamps.” Accessed: Oct. 06, 2024. [Online]. Available: https://keepcoding.io/blog/que-es-hugging-face/ “BERT: ¿Qué es y cómo funciona? - DXmedia.” Accessed: Oct. 06, 2024. [Online]. Available: https://dxmedia.net/algoritmo-bert-google/ J. V. Carrera-Trejo, R. Cadena Martínez, J. V. Carrera-Trejo, and R. Cadena Martínez, “Identificación de tópicos en un corpus utilizando Transformers,” Computación y Sistemas, vol. 26, no. 3, pp. 1093–1105, 2022, doi: 10.13053/CYS-26-3-4187. C. L. Vidal-Silva et al., “Experiencia académica en desarrollo rápido de sistemas de información web con Python y Django,” Formación universitaria, vol. 14, no. 5, pp. 85–94, Oct. 2021, doi: 10.4067/S0718-50062021000500085. |
| dc.source.other.none.fl_str_mv |
Biblioteca USB Medellín (San Benito): TG-7572t |
| bitstream.url.fl_str_mv |
https://bibliotecadigital.usb.edu.co/bitstreams/18243741-eb66-402a-8908-b207043a981a/download https://bibliotecadigital.usb.edu.co/bitstreams/1af274d1-34d7-4e34-ad38-4bcda2f53b0d/download https://bibliotecadigital.usb.edu.co/bitstreams/2acbdd3d-556d-41c1-a27f-83330b08109e/download https://bibliotecadigital.usb.edu.co/bitstreams/5f6360ed-406b-457b-82c6-99cd757a5deb/download https://bibliotecadigital.usb.edu.co/bitstreams/7f3b3837-277b-470b-b78e-6b326561c489/download https://bibliotecadigital.usb.edu.co/bitstreams/bb6e65e9-9327-48ec-a158-bfcf68cdb20d/download https://bibliotecadigital.usb.edu.co/bitstreams/5d756b86-15b9-439c-857b-b251c02de48b/download https://bibliotecadigital.usb.edu.co/bitstreams/cfe0d1aa-45bc-4fb6-aed6-48664c641381/download |
| bitstream.checksum.fl_str_mv |
8e419cb09ac662b64827051e9bf2e48d b6c745d73b53ea473960c4039214ae96 3b6ce8e9e36c89875e8cf39962fe8920 ce8fd7f912f132cbeb263b9ddc893467 49107815dd7261f46c5a50e4b3a07916 fc60351d7975bca0363588e2b027a778 35e90e24e20cd1bdb7e20fac2fcdfb56 ab1dacb9866127eb1e5e7247450d1832 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad de San Buenaventura Colombia |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1837099200714637312 |
| spelling |
Durango Vanegas, Claudia ElenaGuanume Zapata, JulianQuiceno Isaza, Juan CamiloRizo Tutacha, David SantiagoGrupo de Investigación Modelamiento y Simulación Computacional (Medellín)2025-03-03T15:44:22Z2025-03-03T15:44:22Z2025El presente proyecto desarrolla un sistema de información que proporciona una herramienta efectiva para anticipar el porcentaje de estudiantes que se matricularán en la Facultad de Ingeniería de la Universidad De San Buenaventura (USB) en los próximos años. Este objetivo se alcanza mediante una metodología exhaustiva de análisis de datos tanto retrospectivo como prospectivo, lo que permite una visión detallada de las tendencias históricas y una proyección hacia el futuro en el comportamiento de matrícula estudiantil. En este proceso, se emplean diversas técnicas y modelos de análisis, entre los que destacan la regresión lineal y el algoritmo de Random Forest, que, al ser implementados, permiten obtener una estimación de las cifras de matrícula. Además, el proyecto incluye la incorporación de modelos de análisis de sentimientos, los cuales se implementan con el propósito de evaluar las opiniones de los estudiantes a su vez, son sometidos a pruebas que miden su efectividad en este análisis. Esto permite una mejor comprensión de la percepción que los estudiantes tienen sobre su experiencia en la universidad, aportando información clave para el desarrollo institucional. A modo de integración y con el fin de facilitar el acceso a estos métodos, donde se ha desarrollado un aplicativo web en Django, el cual incorpora las herramientas utilizadas, ofreciendo una plataforma interactiva y funcional en la que los usuarios pueden interactuar de manera intuitiva. con el sistemaThe present project develops an information system that provides an effective tool to predict the percentage of students who will enroll in the Faculty of Engineering at San Buenaventura University (USB) in the coming years. This goal is achieved through an exhaustive methodology of retrospective and prospective data analysis, allowing for a detailed view of historical trends and a projection into the future of enrollment behavior. In this process, various techniques and analysis models are employed, notably linear regression and the Random Forest algorithm, which, when implemented, provide an accurate estimate of enrollment figures. Additionally, the project includes sentiment analysis models, which are implemented to assess students' opinions and are tested to measure their effectiveness in this analysis. This allows for a better understanding of students’ perceptions of their university experience, providing key information for institutional development. To integrate these components and facilitate access to these methods, a web application in Django has been developed, which incorporates and centralizes the tools used, offering an interactive and functional platform where users can intuitively engage with the systemPregradoIngeniero de SistemasSedes::Medellín::Línea de investigación ingeniería del software (Medellín)61 páginasapplication/pdfhttps://hdl.handle.net/10819/23817spaMedellínFacultad de IngenieríaMedellínIngeniería de Sistemasinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/G. Burgos Mantilla, M. Victoria Angulo, C. Guzmán Ruiz, C. Guzmán Ruiz Diana Durán Muriel Jorge Franco Gallego, E. Castaño Vélez Santiago Gallón Gómez Karoll Gómez Portilla Johanna Vásquez Velásquez, and K. Gómez Díaz Fotografía de carátula, “Deserción estudiantil en la educación superior colombiana,” 2009, Accessed: Mar. 22, 2024. [Online]. Available: www.mineducacion.gov.coM. Castillo-Sánchez, R. Hidalgo-Mora, and R. Gamboa-Araya, “Factores que influyen en la deserción y reprobación de estudiantes de un curso universitario de matemáticas,” Uniciencia, vol. 34, no. 1, pp. 219–215, 2020.S. P. Barragán Moreno and L. González Támara, “Acercamiento a la deserción estudiantil desde la integración social y académica,” Revista de la Educación Superior, vol. 46, no. 183, pp. 63–86, Jul. 2017, doi: 10.1016/J.RESU.2017.05.004.M. A. Miranda and J. Guzmán, “Análisis de la Deserción de Estudiantes Universitarios usando Técnicas de Minería de Datos,” Formación universitaria, vol. 10, no. 3, pp. 61–68, 2017, doi: 10.4067/S0718-50062017000300007.J. Díaz Castro, N. L. Morales Parrado, and C. A. Arismendy Fuentes, “análisis de la deserción temprana y sus factores explicativos en la universidad de los llanos con datos de ingreso, 2015-2”.K. B. Eckert and R. Suénaga, “Análisis de Deserción-Permanencia de Estudiantes Universitarios Utilizando Técnica de Clasificación en Minería de Datos,” Formación universitaria, vol. 8, no. 5, pp. 03–12, 2015, doi: 10.4067/S0718-50062015000500002.A. Amaya-Amaya, F. Huerta-Castro, and C. O. Flores-Rodríguez, “Big data, a strategy to prevent academic dropout in heis,” Revista Iberoamericana de Educacion Superior, vol. 11, no. 31, pp. 166–178, 2020, doi: 10.22201/iisue.20072872e.2020.31.712.J. Javier, V. Romero, R. Andrés, J. Toledo, and L. E. Paredes, “Implementación de un sistema de análisis de datos en la deserción estudiantil.” Vol. 4 Núm. 2 (2017): Boletín Informativo CEI.A. F. Marín Rodríguez, “Sistema de predicción para reducir la deserción estudiantil de la Fundación.”(2023), Accessed: Mar 25, 2024. [Online]. Available: https://repositoriocrai.ucompensar.edu.co/server/api/core/bitstreams/1bbb968c-9a95-44feb4a0-7f97eb548619/content“Estudio retrospectivo. Qué es, ventajas y cómo realizarlo.” Accessed: May 09, 2024. [Online]. Available: https://www.questionpro.com/blog/es/estudio-retrospectivo/“Qué es la Prospectiva y el Análisis Prospectivo: cómo anticipar el futuro – LISA Institute.” Accessed: May 09, 2024. [Online]. Available: https://www.lisainstitute.com/blogs/blog/prospectiva-y-analisis-prospectivoC. A. D. Jesús and A. Haro, “Por los rincones Antología de métodos cualitativos en la investigación social”. vol. XIV, núm. 23, enero-abril, 2002.“¿Qué es el análisis de datos? - Explicación del análisis de datos - AWS.” Accessed: May 10, 2024. [Online]. Available: https://aws.amazon.com/es/what-is/data-analytics/M. Saldaña Villa and O. A. Barriga, “Adaptación del modelo de deserción universitaria de Tinto a la Universidad Católica de la Santísima Concepción, Chile,” Rev Cienc Soc, vol. 16, no. 4, pp. 616–628, 2010, Accessed: May 10, 2024. [Online]. Available: http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1315- 95182010000400005&lng=es&nrm=iso&tlng=esJ. M. Molina, L. Jesús, and G. Herrero, “técnicas de análisis de datos aplicaciones prácticas utilizando microsoft excel y weka,” 2006.N. S. Cortes Diaz, “uso del análisis de sentimientos para medir el posicionamiento de una marca a través de la información extraída de la plataforma twitter,” Universidad Santo Tomas, 2021.A. Calvo Madurga, “Analisis de sentimientos y emociones en redes sociales usando ML,” Universidad de Valladolid. (2020).A. Insua Yañez, “Sistema Deep Learning para el análisis de sentimientos en opiniones de productos para la ordenación de resultados de un buscador semántico,” Universidad de Coruña.” (2019).N. S. Cortes Diaz, “uso del análisis de sentimientos para medir el posicionamiento de una marca a través de la información extraída de la plataforma twitter,” Universidad Santo Tomas, 2021.A. Calvo Madurga, “Analisis de sentimientos y emociones en redes sociales usando ML,” Universidad de Valladolid (2020).A. Insua Yañez, “Sistema Deep Learning para el análisis de sentimientos en opiniones de productos para la ordenación de resultados de un buscador semántico,” Universidad de Coruña. (2019).“¿Qué es el procesamiento de lenguaje natural? - Explicación del procesamiento de lenguaje natural - AWS.” Accessed: Oct. 07, 2024. [Online]. Available: https://aws.amazon.com/es/what-is/nlp/“¿Qué es Hugging Face? | KeepCoding Bootcamps.” Accessed: Oct. 06, 2024. [Online]. Available: https://keepcoding.io/blog/que-es-hugging-face/“BERT: ¿Qué es y cómo funciona? - DXmedia.” Accessed: Oct. 06, 2024. [Online]. Available: https://dxmedia.net/algoritmo-bert-google/J. V. Carrera-Trejo, R. Cadena Martínez, J. V. Carrera-Trejo, and R. Cadena Martínez, “Identificación de tópicos en un corpus utilizando Transformers,” Computación y Sistemas, vol. 26, no. 3, pp. 1093–1105, 2022, doi: 10.13053/CYS-26-3-4187.C. L. Vidal-Silva et al., “Experiencia académica en desarrollo rápido de sistemas de información web con Python y Django,” Formación universitaria, vol. 14, no. 5, pp. 85–94, Oct. 2021, doi: 10.4067/S0718-50062021000500085.Biblioteca USB Medellín (San Benito): TG-7572t000 - Ciencias de la computación, información y obras generalesMatrícula estudiantilEstudiantesVisión estratégicaAnálisis retrospectivoAnálisis prospectivosAnálisis de datosBigDataTendencias de ingresos a universidadesNPLAnálisis de sentimientosRetrospective analysisProspective analysisData analysisCollege admissions trendsSistema de información para predecir el porcentaje de estudiantes que se matricularan en los próximos 5 años en la facultad de ingeniería de la USBTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionComunidad Científica y AcadémicaPublicationORIGINALFormato_Autorizacion_Publicacion_Repositorio_USBCol.pdfFormato_Autorizacion_Publicacion_Repositorio_USBCol.pdfapplication/pdf648226https://bibliotecadigital.usb.edu.co/bitstreams/18243741-eb66-402a-8908-b207043a981a/download8e419cb09ac662b64827051e9bf2e48dMD51Sistema_Informacion_Desercion_Guanume_2025.pdfSistema_Informacion_Desercion_Guanume_2025.pdfapplication/pdf3384213https://bibliotecadigital.usb.edu.co/bitstreams/1af274d1-34d7-4e34-ad38-4bcda2f53b0d/downloadb6c745d73b53ea473960c4039214ae96MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8899https://bibliotecadigital.usb.edu.co/bitstreams/2acbdd3d-556d-41c1-a27f-83330b08109e/download3b6ce8e9e36c89875e8cf39962fe8920MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82079https://bibliotecadigital.usb.edu.co/bitstreams/5f6360ed-406b-457b-82c6-99cd757a5deb/downloadce8fd7f912f132cbeb263b9ddc893467MD54TEXTFormato_Autorizacion_Publicacion_Repositorio_USBCol.pdf.txtFormato_Autorizacion_Publicacion_Repositorio_USBCol.pdf.txtExtracted texttext/plain7440https://bibliotecadigital.usb.edu.co/bitstreams/7f3b3837-277b-470b-b78e-6b326561c489/download49107815dd7261f46c5a50e4b3a07916MD55Sistema_Informacion_Desercion_Guanume_2025.pdf.txtSistema_Informacion_Desercion_Guanume_2025.pdf.txtExtracted texttext/plain101487https://bibliotecadigital.usb.edu.co/bitstreams/bb6e65e9-9327-48ec-a158-bfcf68cdb20d/downloadfc60351d7975bca0363588e2b027a778MD57THUMBNAILFormato_Autorizacion_Publicacion_Repositorio_USBCol.pdf.jpgFormato_Autorizacion_Publicacion_Repositorio_USBCol.pdf.jpgGenerated Thumbnailimage/jpeg14350https://bibliotecadigital.usb.edu.co/bitstreams/5d756b86-15b9-439c-857b-b251c02de48b/download35e90e24e20cd1bdb7e20fac2fcdfb56MD56Sistema_Informacion_Desercion_Guanume_2025.pdf.jpgSistema_Informacion_Desercion_Guanume_2025.pdf.jpgGenerated Thumbnailimage/jpeg6008https://bibliotecadigital.usb.edu.co/bitstreams/cfe0d1aa-45bc-4fb6-aed6-48664c641381/downloadab1dacb9866127eb1e5e7247450d1832MD5810819/23817oai:bibliotecadigital.usb.edu.co:10819/238172025-06-05 09:03:15.613http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttps://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.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 |