Application of Microsoft Power BI software as an
artificial intelligence & machine learning system in decision making and
data tabulation tool applied to the CIYA Faculty of the Technical Universit=
y of
Cotopaxi in the period 2015 - 2019
Víctor Hugo Medina Matute. [1],
Lando Stephen Ocańa Pańora<=
/span>. [2] Mario
Agustín Banda Casa. [3] & Mirella
Nataly Arias Guadalupe. [4]
Recib=
ido:
29-06-2021 / Revisado: 07-07-2021 /Aceptado: 26-07-2021/ Publicado: 05-08-2=
021
Introduction.
The data generated by the Technical University of Cotopaxi in the
different academic and administrative areas have several cases that lead to
establish the situation of the students' qualifications. Target. The implementation of d=
ata
mining is suggested to obtain an analysis of student performance applied in
engineering careers at the Faculty of Engineering and Applied Sciences, FCI=
YA
that allows efficient information management for decision-making by
authorities. Methodology. An intelligence method =
is
established for the management, processing and analysis of the data that wi=
ll
help to generate reports of qualifications of the students of the faculty w=
ith
a high level of veracity and timely to support in the making of managerial
decisions. The tool chosen to use is Microsoft Power BI, considered one of =
the
most successful, it will evaluate the averages of the academic cycles from
September 2015 to February 2019 to verify the career with the greatest lear=
ning
deficit. Results. After the analysis, it was possible to
determine that the Electromechanical Engineering career presents the greate=
st
learning deficit, obtaining low averages in all the comparison criteria use=
d in
the software for the evaluation of said item compared to the other careers =
of
the FCIYA.
Keywords:
Artificial Intelligence, Microsoft Power BI, data mining, academic
deficit, decision tool.
Resumen.
Introducción.<=
/b>
Los datos que genera la Universidad Técnica
de Cotopaxi en las diferentes áreas académicas y administrativas tienen var=
ios
casos que conllevan a establecerla situación de las calificaciones de los
estudiantes. Objetivo. Se sugiere la
implementación de una minería de datos para obtener un análisis del desempe=
ńo
estudiantil aplicado en carreras de ingeniería en la Facultada de Ciencias =
de
la Ingeniería y Aplicadas, FCIYA que permita un manejo de la información
eficiente para la toma de decisiones de las autoridades. Me=
todología. Se establece un método de inteligencia para el
manejo, procesamiento y análisis de los datos que sirvan de ayuda a la
generación de informes de calificaciones de los estudiantes de la facultad =
con
un alto nivel de veracidad y oportuna para el apoyo en la toma de decisiones
gerenciales. La herramienta escogida para emplear es Microsoft Power BI, considerada como una de las más exitosas,
evaluará los promedios de los ciclos académicos de septiembre 2015 a febrer=
o de
2019 para verificar la carrera con mayor déficit de aprendizaje. Re=
sultados.
Posterior al anál=
isis
se logró determinar que la carrera de Ingeniería en Electromecánica presenta el mayor déficit de aprendizaje, obtenie=
ndo promedios
bajos en todos los criterios de comparación empleados en el software para la
evaluación de dicho rubro comparado con las demás carreras de la FCIYA.
Palabras claves: Inteligencia Artificial, Microsoft Power BI, minería de datos, déficit académico, herram=
ienta
de decisión.
Intro=
ducción.
La facultad de CIYA de la Universidad Técnica de Cotopaxi atraviesa =
un
problema en el análisis de datos enfocados en específico a las materias de =
las
carreras técnicas. No se aplican métodos, estrategias o técnicas para el
análisis de datos, existe una falta de capacitación en la forma de impartir=
sus
clases, esto tiene repercusión directa en el aprendizaje de los estudiantes=
y
conlleva a un bajo desempeńo notorio.
En este estudio se toma en cuenta esta problemática como propuesta
directa a investigar e intervenir de la siguiente manera:
La problemática tiende a su aumento cuando se analiza las
irregularidades en el sistema educativo, las cuales pueden aumentar
drásticamente la dificultad, se ven reflejadas en el interés del estudiante
como también en relación directa con las cualidades y nivel del docente.
La Facultad de Ciencias de la Ingeniería y Aplicadas (FCIYA) de la
Universidad Técnica de Cotopaxi día a día genera una gran cantidad de datos=
de
los diferentes campos académicos y administrativos los cuales no cuentan con
una técnica o sistema de manejo de información que podrían ser usados para =
la
toma de decisiones.
El problema surge en el cómo beneficiar a la Universidad Técnica de
Cotopaxi mediante el uso de alguna herramienta de decisión que pueda entreg=
ar
resultados para una toma de decisiones haciendo uso de los datos almacenado=
s.
Como objetivo principal de la investigación se tiene el determinar un
método con inteligencia en toma de decisiones con base a la herramienta
Mediante el empleo de Microsoft Power BI=
se
podrá evaluar los promedios registrados en los ciclos académicos de rango
septiembre 2015 a febrero 2019, con el fin de corroborar cual carrera tiene=
un
mayor déficit de aprendizaje.
Estado del arte.
Como estado del arte de esta investigación se presentan algunos trab=
ajos
relacionados con el tema propuesto, especialmente en lo que respecta a la
Inteligencia de Negocios, Big Data y toma de decisiones.
Estando en plena era de la información, existe la necesidad que las
compańías evalúen muy bien sus necesidades con el fin de poder contemplar la
adopción de algún sistema de información que la consolide y le brinde la
estabilidad que tanto ambicionan.
La Implementación de una Solución de Inteligencia de Negocios para la
Gestión del Talento Humano en la Universidad Técnica del Norte, permite a l=
os
gerentes de recursos humano encontrar relaciones entre las personas y los
resultados de la organización con mayor eficiencia. Este trabajo requiere el
estudio de doce indicadores de talento humano, de los datos registrados en =
el
Sistema Informático Integrado Universitario SIIU, y de las herramientas: Or=
acle
Database, Oracle Business =
Intelligence,
Tableau, Oracle Analytics<=
/span>.
Es fundamental aprovechar la gran cantidad de información registrada en el =
SIIU
para tener un panorama global del talento humano.
Estos procesos pueden ser apoyados usando la Inteligencia de Negocios
que ofrece la posibilidad de medir negocios, adquirir información que antes=
no
estaba disponible, descubrir patrones de comportamiento, simular y optimizar
las actividades de los empleados para el futuro. Además, el tener datos
adecuadamente integrados en un almacén de datos permite la implementación de
las funciones más importantes del BI. La entrega de valor a los usuarios em=
presariales
debe ser el objetivo principal y no negociable de un sistema de Inteligenci=
a de
Negocios
Las soluciones de BI ayudan a las empresas a ser más eficientes,
encontrando áreas puntuales que permitan identificar nuevas oportunidades de
negocio. Muchas compańías pierden mucho tiempo buscando información de vari=
as
fuentes de datos departamentales, sin embargo, con BI, toda la información =
está
centralizada, siendo accesible visualmente desde un tablero o un informe, lo
que permite ahorrar gran cantidad de tiempo (Kriz,
2015. p.45).
Por otra parte,=
en
una encuesta sobre el estado de la analítica de negocios realizada por
Bloomberg Businessweek, se obtuvo como resultad=
o que
el 97 por ciento de las empresas con ingresos superiores a los 100 millones=
de
dólares utilizaron algún tipo de analítica comercial. Un informe de McKinsey
Global Institute predijo que para el 2018, Esta=
dos
Unidos enfrentará una falta de 140,000 a 190,000 personas con habilidades
analíticas, así como un déficit de 1.5 millones de administradores informát=
icos
con el conocimiento para analizar grandes cantidades de datos
Analizar
herramientas para aplicar técnicas de data analytics
y Big data sobre las redes sociales. Innovar en el dictado de materias de a=
ńos
avanzados de la carrera acorde a los nuevos paradigmas educativos y formas =
de
comunicarse de la sociedad.
Con base en el
estudio comparativo generado en la presente investigación se determinó que =
SPSS
de IBM fundamenta y colabora en todas las etapas de la propuesta metodológi=
ca
planteada generando así un análisis predictivo y confiable, además de gener=
ar
soluciones inmediatas e interactivas de su rendimiento actual con la capaci=
dad
de predecir resultados futuros y actuar proactivamente para el cumplimiento=
de
los mismos.
Como objetivo de
este trabajo se pretende la construcción de un marco comparativo que permita
confrontar los distintos modelos, y evaluar la adecuación de los mismos en
escenarios donde el proyecto de minería de datos tiene por objetivo colabor=
ar
en la solución de un problema organizacional.
Fuentes de datos
Según Hassanifar (2015), las fuentes de =
datos
pueden ser bases de datos relacionales o cualquier otra estructura de datos=
que
soporte la línea de aplicaciones de negocio. Estar alojadas en muchas
plataformas diferentes y contener información estructurada, como tablas u h=
ojas
de cálculo, o información no estructurada como archivos de texto claro o
imágenes y otra información multimedia.
Power BI
La herramienta Power B=
I, es
una herramienta en la nube. Es un conjunto de varias herramientas de análi=
sis
empresarial, que pone el conocimiento al alcance de toda la organización.
Permite el enlace de cientos orígenes de datos diferentes, permite una
preparación simple de todos los datos. Brinda una fácil presentación a todo
nivel organización de todos los datos e información valiosa para el
direccionamiento y control.
Entre las principales funciones que tiene este software se pueden me=
ncionar
las siguientes:
ˇ =
Hojas de cálculo en Excel, servicios en la nueve, datos de transmisi=
ón y
bases de datos locales.
ˇ =
Manejo de datos en tiempo real.
ˇ =
Capacidad de respuesta oportuna y eficaz.
ˇ =
Creación de paneles, informes y conjuntos de datos.
ˇ =
Permite una misma visión para todos los participantes en cada uno de=
los
procesos de la organización.
ˇ =
Puede llegar a miles de usuarios con una información actualizada y
confiable.
Power BI, es la nueva herramienta de
Business Inteligence (BI) que incorpora la suit=
e de
productividad, Office 365; por lo que, esta nueva herramienta permite anali=
zar
e interactuar con una cantidad masiva de datos dentro de Excel y recabando
información a través de lenguaje natural y peticiones del tipo
pregunta-respuesta.
La aplicación Microcrosoft Power
es una plataforma de Inteligencia de Negocios (Business Intelligence)
orientada a la solución y centrada en procesos que es capaz de ejecutar las
reglas de negocio necesarias, expresadas en forma de procesos, actividades,
además es capaz de presentar y entregar la información adecuada en el momen=
to
adecuado, es una solución de análisis empresarial que permite visualizar los
datos y compartir información con toda la organización, o insertarla en su
aplicación o sitio web. Conectarse a cientos de orígenes de datos y dar vid=
a a
los datos con los paneles e informes dinámicos.
Características de Microsfot Power BI
Es característico, debido a que esta herramienta, permite la conexió=
n a
cientos de orígenes de datos, con la preparación de datos simplificada,
generación de análisis ad hoc; además, esta herramienta de Business
Inteligencie permite dar vida a los datos con los paneles e informes dinámi=
cos.
Ventajas de Microsoft Power BI
El resumen de las ventajas que
presenta esta herramienta se resume en la siguiente tabla a continuación.
Tabla 1
Ventajas del uso de Microsoft Power BI
|
VENTAJAS DE POWER BI |
|
|
Ventaja |
Detalle |
|
Flexibilidad |
Permite extraer información importante para una
amplia gama de escenarios. |
|
Optimizar, Limpiar, transformar y combinar |
Estos datos de múltiples orígenes, permiten anal=
izar
en profundidad los datos y encontrar patrones. |
|
Innovación. |
Podrás crear informes sorprendentes con
visualizaciones de datos interactivas. |
|
Personalizar |
Diseńar tu informe mediante las herramientas de
creación de temas, formato y diseńo. |
|
Multiplataforma=
|
Crear informes optimizados para dispositivos
móviles. |
Fuente: Elaboración propia.
Minería de Dato=
s
La minería de d=
atos
se refiere a la extracción o minería de conocimientos desde grandes
cantidades de datos (Ahmed & Elaraby, 2014)=
. La
minería de datos comprende los algoritmos básicos que permiten obtener
conocimientos fundamentales y conocimientos de datos masivos. La minería de
datos es parte de un proceso de descubrimiento de conocimiento más amplio, =
que
incluye tareas de pre-procesamiento como extrac=
ción
de datos, limpieza de datos, fusión de datos, reducción de datos y construc=
ción
de características, así como pasos de post-procesamien=
to
interpretación de patrones y modelos, generación y confirmación de hipótesi=
s.
Este proceso de descubrimiento de conocimiento y minería de datos tiende a =
ser
altamente interactivo, es decir, el intercambio de información persona comp=
utador,
la participación entre los usuarios y los sistemas informáticos
Técnicas de Min=
ería
de Datos
Las técnicas de
minería de datos se utilizan para manipular grandes cantidades de datos con=
el
fin de descubrir patrones ocultos y relaciones útiles en la toma de decisio=
nes.
Existen algunas técnicas de clasificación: agrupamiento, regresión,
inteligencia artificial, redes neuronales, reglas de asociación, árboles de=
decisión,
etc.
El datamining es el término utilizado para seńalar al co=
njunto
de técnicas y tecnologías que permiten explorar de forma automática grandes
bases de datos, el objetivo central es explorar, analizar, y aplicar el
conocimiento
Básicamente, el=
datamining es una minería de datos cuyo propósito es
extraer conocimiento útil y entendible a raíz del análisis de varios datos,
mediante regla so patrones significativos, que presenten conocimiento implí=
cito
Inteligencia
artificial
La inteligencia
artificial (o IA), es una rama de la ciencia que estudia la inteligencia en
objetos artificiales y, desde un punto de vista técnico e ingenieril, plant=
ea
la creación de elementos que tengan un comportamiento inteligente. En otras
palabras, la IA se fundamenta en la construcción de máquinas y sistemas que
tengan un comportamiento similar al que llevaría a cabo una persona.
El aprendizaje,=
la
capacidad de adaptación a entornos cambiantes, la creatividad, etc., son
facetas que usualmente se relacionan con el comportamiento inteligente. Por
otro lado, esta ciencia es multidisciplinaria, en la que intervienen difere=
ntes
disciplinas, tales como la Neurociencia, la Psicología, las Tecnologías de =
la
Información, la Ciencia Cognitiva, la Física, las Matemáticas, etc.
Enfoques de la
Inteligencia Artificial
En este apartad=
o se
pueden definir dos enfoques principales de la IA: el punto de vista tecnoló=
gico
y el punto de vista científico.
Por el lado de =
la
tecnología, la rama ingenieril plantea la creación de sistemas informáticos=
que
ejecuten tareas que requieren un grado de inteligencia humana. Se persigue
desde este planteamiento la resolución de problemas en concreto, sin ninguna
limitación de ninguna índole.
Por otra parte,=
la
rama científica de la IA puede definirse como el estudio del comportamiento
inteligente, teniendo como objetivo principal la consecución de una teoría =
de
la inteligencia que permita explicar la conducta que va a producirse en ser=
es
de naturaleza inteligente, guiando la creación de máquinas o sistemas que s=
ean
capaces de alcanzar dicha inteligencia.
Redes de neuron=
as
artificiales
Estas redes son
conocidas también como Sistemas Conexionistas. Se definen como un sistema=
de
procesamiento de información que se basa en el funcionamiento del sistema
nervioso biológico, intentando emular el comportamiento del cerebro humano.=
Funcionan como =
un
sistema masivamente paralelo que se ha mostrado eficiente para la resolución
inteligente de distintos tipos de problemas. Las RNA constan de elementos
básicos de proceso, normalmente organizados en capas (basados en las neuron=
as
biológicas) y con gran cantidad de conexiones entre ellos (basadas en las
sinapsis de las neuronas).
Metodologia.
Para
alcanzar el objetivo planteado en el párrafo anterior, se ha decidido el em=
pleo
de Microsoft Power BI para evaluar los promedios
registrados en los ciclos académicos correspondientes a septiembre de 2015
hasta febrero de 2019, esto con el fin de verificar cuál es la carrera que
tiene un mayor déficit en el proceso de aprendizaje. Por lo tanto, se estab=
lecen
los siguientes objetivos específicos: Emplear la investigación bibliográfica
para conocer el estado del arte sobre la inteligencia de negocios y toma de
decisiones. Además, Aplicar principios de la metodología de Business Intelligence y Big Data a través del uso de la herram=
ienta
de Power BI que permita el análisis de los
principales indicadores del rendimiento académico de la Facultad de Ciencia=
s de
la ingeniería y Aplicadas (FCIYA). Y Determinar las principales dificultades
presentes en los estudiantes de las carreras de la Facultad de Ciencias de =
la
ingeniería y Aplicadas de la Universidad Técnica de Cotopaxi que permita
gerenciar estrategias de toma decisiones adecuadas orientadas al mejoramien=
to
del rendimiento académico.
Para la
consecución de estos objetivos se plantean las siguientes actividades mostr=
adas
en la siguiente tabla.
Tabla 2
=
Tareas
a ejecutar para la consecución de los objetivos planteados
|
Objetivo |
Actividad (Tareas) |
|
1. Objetivo específico: Emplear la
investigación bibliográfica para conocer el estado del arte sobre la
inteligencia de negocios y toma de decisiones. |
Buscar información en
fuentes confiables. Analizar las temáticas p=
ara
la investigación. Aplicar el conocimiento
obtenido en la investigación. Revisión de la literatura con relación a la herramienta de decisió=
n y
su aplicación |
Fuente: Elaboración propia.
Tabla 2
=
Tareas
a ejecutar para la consecución de los objetivos planteados (continuación)
|
Objetivo |
Actividad (Tareas)<=
span
lang=3DES-EC style=3D'font-size:10.0pt;font-family:"Times New Roman",seri=
f;
mso-ansi-language:ES-EC'> |
|
2. Objetivo específico: Aplicar princip=
ios
de la metodología de Business Intelligence y =
Big
Data a través del uso de la herramienta de Power BI
que permita el análisis de los principales indicadores del rendimiento
académico de la Facultad de Ciencias de la ingeniería y Aplicadas (FCIYA)=
. |
Realizar el instrumento =
de
recolección de datos. Realizar un pilotaje =
de
la Big Data con la metodología cuantitativa Buscar los datos
relevantes para la investigación sobre la dificultad en el aprendizaje |
|
3. Objetivo específico: Determinar las
principales dificultades presentes en los estudiantes de las carreras de =
la
Facultad de Ciencias de la ingeniería y Aplicadas de la Universidad Técni=
ca
de Cotopaxi que permita gerenciar estrategias de toma decisiones adecuadas
orientadas al mejoramiento del rendimiento académico. |
Organizar los resultados obtenidos considerando los indicadores de
rendimiento académico. Emplear los resultados obtenidos con la herramienta POWER BI para
identificar las causas y dificultades del problema. Establecer lineamientos estratégicos de toma de decisiones. Asociar los lineamientos estratégicos con los indicadores de
rendimiento académico |
Fuente: Elaboración propia.
Para la consecución de estas tareas, se plantean=
las
etapas propuestas en la siguiente tabla.
Tabla
3
Etapas del proyecto
|
Etapa |
Descripción |
|
Etapa 1. Revisión tecnológica |
En esta etapa se revisará toda la información correspondiente al
proceso de minería de datos. Buscar la herramienta de decisión más idónea para la investigación=
. Establecer si Power BI cumple con los
requerimientos necesarios. |
|
Etapa 2.
Recolección de información |
En esta etapa se ejecutarán actividades de recolección de datos
relevantes para la investigación por medio de la Dirección de TICs de la Universidad Técnica de Cotopaxi Establecer los datos que sean necesarios para la investigación- |
|
Etapa 3. =
Análisis
de resultados por medio de técnicas de decisión |
En esta etapa se procesarán los datos obtenidos de la etapa anteri=
or
usando la herramienta POWER BI. Conocer datos relevantes y de gran importancia para la investigaci=
ón. |
Fuente: Elaboración propia.
Tabla
3
Etapas del proyecto (continuación)
|
Etapa |
Descripción |
|
Etapa 4.
Elaboración del informe final |
En esta etapa se
recopilan y tabulan los resultados obtenidos de las etapas anteriores y se
los compila en un informe final, Se indica cuáles han =
sido
los hallazgos principales y de mayor importancia que se encontraron duran=
te
la investigación |
Fuente: Elaboración propia.
En esta investigación por manejar una minería de
datos, se convierte en cuantitativa porque además implica el uso de
herramientas informáticas, estadísticas, y matemáticas para obtener resulta=
dos.
En consecuencia, se utilizó el método cuantitativo porque es concluyente en=
su
propósito ya que trata de cuantificar el problema de los estudiantes de
ingeniería de la FCIYA de la UTC y entender qué tan generalizado está media=
nte
la búsqueda de resultados proyectables a una población mayor, en vista que =
cada
semestre aumenta el número de inscritos y por ende se incrementa la poblaci=
ón
estudiantil.
Después de la recopilación de datos, otro paso e=
s el
proceso de análisis de datos. El análisis de datos estadísticos requiere he=
rramientas
sistemáticas y la realización de procesos. Existen muchas herramientas
analíticas tales como pruebas-t de muestras independientes, pruebas-t
correlacionadas, determinaciones de desviación, estudio de la varianza y
análisis de regresión que pueden usarse para obtener resultados de los dato=
s,
actualmente existen herramientas que manejan minería de datos y el big data, a través de la inteligencia artificial o la
inteligencia de negocios, que permiten evaluar el comportamiento de la
información y establecer la conclusiones para la toma de decisiones.
Material y
Métodos
Método de Validación por Criterio=
s de
Expertos
El méto=
do de
validación por criterios de expertos es una manera cualitativa que permite
comprobar la validez de la metodología de business intelligence propuesta, para la validación se present=
ará en
una reunión de forma oral a un grupo de profesionales con experiencia en los
procesos académicos de la FCIYA de la UTC y del funcionamiento del sistema
luego se llenará una encuesta con los presentes con las siguientes pregunta=
s:
Tabla
4
Código
y preguntas
|
Código
|
Pregunta |
|
I1 |
żConsidera que la metodología de Business Int=
elligence
es consistente? |
Fuente: Elaboración
propia.
Tabla
4
Código
y preguntas
|
Código |
Pregunta |
|
I2 |
żConsidera que la implementación del sistema de Business Intelligence propuesta es pertinente para la FCIYA =
de la
UTC? |
|
I3 |
żConsidera
económicamente viable la implementación del sistema de Business Intelligence en la FCIYA de la UTC? |
|
I4 |
żRecomendaría la metodología de Business Inte=
lligence? |
|
I5 |
żConsidera
que el sistema de Business Intelligence contr=
ibuirá
de manera positiva en la toma de decisiones en la FCIYA de la UTC? |
Fuente: Elaboración propia.
Proceso del análisis de la información
En primer lugar, se realizará la encuesta=
a
los expertos quienes son el Vicedecano de la facultad y los directores
Académicos de las carreras de ingeniería de la FCIYA de la UTC con el fin de
conocer de primera mano los problemas que estos presentan con relación al
aprendizaje. Posterior a eso, se analizarán los promedios finales comprendi=
dos
entre septiembre de 2015 a febrero de 2019 mediante el uso de la herramienta
POWER BI de Microsoft.
Resultados y Discusión.
Promedio final de la promoción de septiembre 2015 a
febrero del 2016
Figura
1
Promedio final de la
promoción de septiembre 2015 a febrero 2016
Fuente: Elaboración
propia.
Análisis
de resultados
Como
se puede observar en la gráfica, la carrera de Ingeniería en Electromecánica
perteneciente a la Matriz de la UTC, presento un promedio general de 7.50, =
con
lo cual se observa un déficit académico con respecto a las otras carreras, =
pues
es la que menor porcentaje alcanzo.
Promedio
final de la promoción de abril 2016 a agosto del 2016
Figura 2
Promedio final de la promoción abril 2016 a=
agosto
2016
Fuente: Elaboración propia.
Análisi=
s de
resultados
En
cuanto a los promedios finales de la promoción abril agosto 2016, se pudo
determinar que, la carrera de Ingeniería en Electromecánica perteneciente a=
la
Matriz de la UTC, obtuvo un promedio general de 7,15 por lo cual, se observ=
a un
déficit académico con respecto a las otras carreras.
Promedio
final de la promoción de septiembre 2016 a febrero del 2017
Figura 3
Promedio final de la promoción septiembre 2=
016
- febrero 2017
Fuente: Elaboración
propia.
Análisis
de resultados
En
lo concerniente a la promoción septiembre 2016 febrero 2017; se pudo
comprobar que la carrera de Ingeniería en Electromecánica perteneciente a la
Matriz de la UTC, tiene un promedio general de 7,25 en el cual se observó un
déficit académico en relación a otras carreras, puesto que la carrera con m=
ayor
puntuación, fue la de Ingeniería en Informática y sistemas computacionales.=
Promedio
final de la promoción de abril 2017 a agosto del 2017
Figura 4
Promedio final de la
promoción abril 2017 - agosto 2017
Fuente: Elaboración propia.
Análisis de
resultados:
Por otro lado, =
la
carrera de Ingeniería en Electromecánica, durante el período abril agosto
2017, arrojo un promedio general de 7,25 el cual fue el menor promedio obte=
nido
en la facultad durante ese período; por lo cual presento un déficit académi=
co
en respecto con otras carreras.
Promedio
final de la promoción de septiembre 2017 a febrero 2018
Figura 5
Promedio final de la promoción septiembre 2=
017
- febrero 2018
Fuente: Elaboración propia.
Análisi=
s de
resultados
Para la promoción
septiembre 2017 febrero 2018; se pudo corroborar que, la carrera de
Ingeniería en Electromecánica perteneciente a la Matriz de la UTC, obtuvo un
promedio general de 7,22 el cual determino un déficit académico en respecto=
con
otras carreras.
Promedio
final de la promoción de abril 2018 a agosto 2018
Figura 6
Promedio final de la promoción abril 2018 -=
agosto
2018
Fuente: Elaboración propia.
Análisis
de resultados
Durante la promoción de abril-agosto 2018, =
se
pudo comprobar que la carrera de Ingeniería en Electromecánica de la
Universidad Técnica de Cotopaxi, tiene un promedio general de 7,18 el cual =
se
observa como un déficit académico, ya que fue el menor promedio con respect=
o a
otras carreras.
Promedio
final de la promoción de octubre 2018 a febrero de 2019
Figura =
7
Promedio final de la promoción octubre 2018=
- febrero
2019
Fuente: Elaboración propia.
Análisis
de resultados
En lo concerniente a la promoción octubre 2=
018
febrero 2019; se pudo encontrar que, la carrera de Ingeniería Eléctrica, =
Electricidad,
perteneciente a la matriz de la UTC, obtuvieron un promedio general de 5,45=
el
cual es inferior a los promedios obtenidos en promociones anteriores, por lo
que, se observa como un déficit académico con respecto a otras carreras.
Cuadro
comparativo entre carreras del período académico de septiembre 2015 febre=
ro
2019
Tabla 5
Cuadro comparativo entre carreras del perío=
do
académico de septiembre 2015 febrero 2019
|
PERÍODO ACADÉMICO DE SEPTIEMBRE 2015 FEBRERO 2=
019 |
||||||||||
|
SEDE |
CARRERA |
SEP 2015 -
FEB 2016 |
ABR 2016 -
AGOS 2016 |
SEP 2016 -
FEB 2017 |
ABR 2017 -
AGOS 2017 |
SEP 2017 -
FEB 2018 |
ABR 2018 -
AGOS 2018 |
OCT 2018-=
FEB
2019 |
PROMEDIO<= o:p> |
Posición<= o:p> |
|
EMANA |
INGENIERÍ=
A EN
ELECTROMECÁNICA |
8,29 |
8,16 |
8,17 |
7,78 |
7,32 |
7,70 |
6,83 |
7,75 |
2 |
Tabla 5
Cuadro comparativo entre carreras del perío=
do
académico de septiembre 2015 febrero 2019 (continuación)
|
PERÍODO ACADÉMICO DE SEPTIEMBRE 2015 FEBRERO 2=
019 |
||||||||||
|
EMANA |
INGENIERI=
A EN
INFORMATICA Y SISTEMAS COMPUTACIONALES // SISTEMAS DE INFORMACIÓNI |
8,9 |
7,60 |
7,69 |
7,92 |
7,99 |
7,82 |
7,48 |
7,91 |
1 |
|
MUTC |
INGENIERIA
ELECTRICA // ELECTRICIDAD |
7,90 |
7,26 |
7,44 |
7,37 |
7,49 |
7,28 |
5,45 |
7,17 |
5 |
|
MUTC |
INGENIERÍ=
A EN
ELECTROMECÁNICA |
7,50 |
7,15 |
7,25 |
7,25 |
7,22 |
7,18 |
5,72 |
7,04 |
6 |
|
MUTC |
INGENIERI=
A EN
INFORMATICA Y SISTEMAS COMPUTACIONALES // SISTEMAS DE INFORMACIÓN |
7,77 |
7,46 |
7,53 |
7,26 |
7,59 |
7,50 |
6,33 |
7,35 |
4 |
|
MUTC |
INGENIERIA
INDUSTRIAL |
8,15 |
7,75 |
7,67 |
7,66 |
7,60 |
7,48 |
5,63 |
7,42 |
3 |
|
Promedio
Total académico |
7,44 |
Fuente: Elaboración propia.
Gráfico
comparativo del período académico de septiembre 2015 febrero 2019
Figura 8
Gráfico comparativo=
del
período académico de septiembre 2015 febrero 2019
Fuente: Elaboración propia.
Evaluación
(Assess)
Quinta
fase, del análisis realizado de la etapa anterior se puede identificar
claramente el conocimiento con los resultados obtenidos:
ˇ
La
carrera de INGENIERÍA EN INFORMÁTICA Y SISTEMAS COMPUTACIONALES // SISTEMAS=
DE
INFORMACIÓN extensión La Mana tiene el mejor promedio académico con un valo=
r de
7,91 desde septiembre 2015 febrero 2019, logrando una posición de primer
lugar.
ˇ
La
carrera de INGENIERÍA EN ELECTROMECÁNICA extensión La Maná tiene un promedio
académico con un valor de 7,75 desde septiembre 2015 febrero 2019, logran=
do
una posición de segundo lugar.
ˇ
La
carrera de INGENIERÍA INDUSTRIAL La Matriz UTC, tiene un promedio académico=
con
un valor de 7,42 desde septiembre 2015 febrero 2019, logrando una posició=
n de
tercer lugar.
ˇ
La
carrera de INGENIERÍA EN INFORMÁTICA Y SISTEMAS COMPUTACIONALES // SISTEMAS=
DE
INFORMACIÓN La Matriz UTC, tiene un promedio académico con un valor de 7,35
desde septiembre 2015 febrero 2019, logrando una posición de cuarto lugar=
.
ˇ
La
carrera de INGENIERÍA ELÉCTRICA // ELECTRICIDAD La Matriz UTC, tiene un
promedio académico con un valor de 7,17 desde septiembre 2015 febrero 201=
9,
logrando una posición de quinto lugar.
ˇ
La
carrera de INGENIERÍA EN ELECTROMECÁNICA La Matriz UTC tiene el peor promed=
io
académico con un valor de 7,04 desde septiembre 2015 febrero 2019, logran=
do
una posición de sexto lugar.
ˇ
El
promedio general del período académico de septiembre 2015 febrero 2019 es=
de
7,44.
ˇ
Resultados
(Promedio de nota por ciclo de la carrera de INGENIERÍA EN ELECTROMECÁNICA =
La
Matriz UTC período académico de septiembre 2015 febrero 2019)
ˇ
Después
del análisis de resultados de Cuadro comparativo del período académico de
septiembre 2015 febrero 2019, se procede analizar el promedio por ciclo d=
e la
Carrera de Electromecánica La matriz UTC, el cual tiene un déficit académic=
o.
Conclusiones.
ˇ
Una
buena investigación bibliográfica fue de gran ayuda para el desarrollo de e=
sta
investigación ya que con una revisión de los antecedentes conceptuales se l=
ogró
desarrollar el sistema de inteligencia de negocios el cual podría ser usado=
por
la Facultad de Ciencias de la Ingeniería y Aplicadas de la Universidad técn=
ica
de Cotopaxi.
ˇ
Mediante
el análisis realizado en el software Power BI se
obtuvo que la carrera de Ingeniería Electromecánica cuenta con un mayor
porcentaje de falencia en el proceso de aprendizaje en el periodo académico
septiembre 2015 a febrero 2019.
ˇ =
Mediante
la Inteligencia de Negocios o Business Intelligent se
puede obtener ventaja para conseguir conocimiento de datos generados en una
organización, ayuda de gran manera a generar y fortalecer una toma de
decisiones por parte de los directivos.
Recomendaciones.=
ˇ
Las
nuevas tecnologías son muy importantes para establecer problemas presentes =
en
una organización, cualquier institución debe aplicar una correcta toma de
decisiones.
ˇ
Tener
en cuenta el uso de una metodología SEMMA ya que es primordial en el desarr=
ollo
de Business Intelligent, de no ser así se torna=
ría
una información de libre albedrio y no sería fiable.
ˇ
Se
debe conocer a fondo el funcionamiento de la herramienta Microsoft Power BI para poder adquirir un manejo eficaz y resul=
tados
cercanos a la realidad.
Referencias
bibliográficas.
Chen, H.-c., Chiang, R., & Storey, V.
(2012). Business Intelligence and Analytics: From Big Data to Big Impact. ResearchGate.
Espino, M. (2013). =
Test
de Liderazgo Natural.
Fabara, G., &
Zapata, L. (2015). DISEŃO DE BITS DE INTELIGENCIA PARA EL DESARROLLO Y
ESTIMULACIÓN DEL ÁREA DE MATEMÁTICA GENERANDO NUEVOS ESPACIOS EN ELPROCESO
ENSEŃANZA APRENDIZAJE EN EL PRIMER AŃO DE EDUCACIÓN BÁSICA DE LA ESCUELA
ISIDRO AYORA DEL ANTÓN LATACUNGA PROVINCIA DE COTOPAX. lATACUNGA, Tungura=
hua,
Ecuador.
Medina, V. (2020).
Repositorio Institucional Universidad Técnica de Cotopaxi. Obtenido de
http://repositorio.utc.edu.ec/handle/27000/7553
Microsoft. (2020).
Microsoft BI. Obtenido de https://powerbi.microsoft.com/es-es/features/
Molinari, V. (2016).
MEDICIÓN DE INTELIGENCIA. ENTRE DEBATES HISTÓRICOS Y ACTUALES. Anuario de
Investigaciones.
Muryjas, P., & Waver, M. (2014). Business Intelligence as a supp=
ort
in Human Resources strategies realization in contemporary organization. ResearchGate, 65.
Pérez, J., &
Merino, M. (2012). definicion.de. Obtenido de DEFINICIÓN DE LATERALIDAD:
https://definicion.de/lateralidad/
Rodríguez, Y., &
Díaz, A. (2009). Herramienta e Minería de Datos. Revista Cubana de Ciencias
Informáticas, 73-80.
Romero, J. (2007).
INTELIGENCIA ARTIFICIAL Y COMPUTACIÓN AVANZADA. Santiago de Compostela:
Fundación Alfredo Brańas.
Softeng. (2015).
Softeng. Obtenido de
https://www.softeng.es/es-es/blog/power-bi-la-nueva-herramienta-de-office-3=
65-para-trabajar-con-datos-masivos.html.
Trujillo, M., &
Rivas, L. (2005). Orígenes, evolución y modelos de inteligencia emocional.
Innovar.
Vlcárce, V. (2004).
Data Mining y el descubrimiento del conocimiento. Industrial Data.
Zaki, M., & Meira, W. (2014). Data Mining and Analysis: Fundamen=
tal
Concepts and Algorithms. Cambrid=
ge
University Press.
PARA
CITAR EL ARTÍCULO INDEXADO.
Medina
Matute, V. H., Ocańa Pańora, L. S., Banda Casa,=
M.
A., & Arias Guadalupe, M. N. (2021). Aplicación del software Microsoft =
Power BI como un sistema de inteligencia artificial &=
amp;
machine learning en la toma de decisiones y
herramienta de tabulación de datos aplicado a la Facultad de CIYA de la
Universidad Técnica de Cotopaxi en el periodo 2015 . ConcienciaDigital, 4(3.1), 313-332. https://doi=
.org/10.33262/concienciadigital.v4i3.1.1834
El artículo que se publica es de
exclusiva responsabilidad de los autores y no necesariamente reflejan el
pensamiento de la Revista Concienc=
ia
Digital.
El artículo qu=
eda
en propiedad de la revista y, por tanto, su publicación parcial y/o total en
otro medio tiene que ser autorizado por el director de la Revista Conciencia Digital.
[1]
[2]
[3] <=
span
style=3D'font-family:"Times New Roman",serif'>Universidad Técnica de Cotopa=
xi,
Latacunga, Ecuador, mario.banda@utc.edu.ec, https=
://orcid.org/0000-0003-3950-1286
[4] Investigador
Independiente, Riobamba, Ecuador, mirella.arias1994@hotmail.com, https://or=
cid.org/0000-0001-7643-2633
www.concienciadigital.org
=
Vol. 4, N°3.1, p. 313-332, agosto, 20