Métodos de Aprendizaje no Supervisados de Análisis de Datos Multibloques: Análisis de Correspondencias Binarias en múltiples ocasiones, mediante una adaptación de la metodología STATIS.

Project: ResearchBasic Research

Project Details

Description

Se diseñará una propuesta de tratamiento de datos, que hace uso de estructuras de información generadas al aplicar un análisis de correspondencias binarias (ACB) en sucesivas ocasiones. Esta propuesta quedará sustentada en términos de una adaptación, de las distintas fases de la metodología STATIS: Interestructura, Búsqueda de un compromiso, Análisis de la intraestructura y Representación de Trayectorias, sobre las estructuras ACB que identifican a cada ocasión. El propósito del método estadístico que se intenta desarrollar consistirá esencialmente en la posibilidad de efectuar comparaciones objetivas de los bloques de información producidos al representar los mismos individuos, en términos de las mismas dos variables categóricas, a lo largo de K ocasiones diferentes, se tratará en lo fundamental de efectuar una comparación entre ocasiones, en las que las variables que las definen son categóricas. La aplicación de esta propuesta se realizará sobre los resultados de las pruebas Saber 11 para el periodo 2018-2024 en lo referente al área de inglés y la categoría de las instituciones.

Strategic Focus

Derechos humanos y paz. Subtema: Derechos y oportunidades para todos los grupos poblaciones.

General Objective

Efectuar comparaciones a través de métodos de aprendizaje no supervisados de análisis de datos multibloques mediante el análisis de correspondencias binarias en múltiples ocasiones realizando una adaptación a la metodología STATIS.

Specific Objectives

1. Definir objetos en la forma de arreglos matriciales que permitan, en lo fundamental, analizar la asociación entre los individuos, siguiendo el enfoque clásico de la metodología STATIS.
2. Obtener medidas de distancia entre los individuos de los bloques, que admitan efectuar un análisis comparativo de los cambios que se producen en la asociación entre las variables entre los distintos bloques, a lo largo de las distintas ocasiones.
3. Construir un dispositivo gráfico a la manera de un espacio euclídeo para proyectar los individuos, sobre el que sea posible visualizar la fuerza de la asociación entre las variables a lo interno de los bloques, y la medida de las diferencias y/o semejanzas entre los objetos.
4. Evaluar la propuesta mediante una aplicación sobre datos provenientes del ICFES de los resultados obtenidos por las instituciones de educación media en el área de inglés y a su clasificación de acuerdo con el desempeño académico obtenidos por los estudiantes en las pruebas Saber 11 para los períodos 2018 - 2024.

Proposed challenges for students and/or interns or research practitioners

¿Cómo ha sido el desempeño de las instituciones en el área de inglés en términos de resultados de la prueba Saber 11 entre el periodo 2018 – 2024 con el fin de diseñar políticas públicas que permitan mejorar las competencias en inglés?
Resultado esperado: Haciendo uso de Métodos de Aprendizaje no Supervisados de Análisis de Datos Multibloques, el estudiante podrá analizar de forma regional o nacional los resultados de la Prueba Saber 11 de forma longitudinal específicamente en el área de inglés.
Short titleMétodos de Aprendizaje no Supervisados de Análisis de Datos Multibloques
AcronymSTATIS - ACB
StatusActive
Effective start/end date15/01/2420/12/25

UN Sustainable Development Goals

In 2015, UN member states agreed to 17 global Sustainable Development Goals (SDGs) to end poverty, protect the planet and ensure prosperity for all. This project contributes towards the following SDG(s):

  • SDG 4 - Quality Education
  • SDG 5 - Gender Equality
  • SDG 10 - Reduced Inequalities

Enfoques Temáticos Institucionales

  • Desarrollo humano con equidad

Research Areas UNAB

  • Modelamiento matemático y estadística aplicada

Status

  • In progress

Socioeconomic Objective

  • General advancement of knowledge - R&D funded by General University Funds (FGU).