Resumo Neste artigo, técnicas preditivas de mineração de dados são aplicadas para descobrir padrões de desempenho acadêmico na competência linguística dos testes Saber 5 apresentados por alunos de escolas primárias colombianas em 2017. Para isso, foi usada a metodologia CRISP-DM e o socioeconômico, foram consideradas as informações acadêmicas e institucionais das bases de dados do ICFES. Um conjunto de dados mineráveis foi obtido usando técnicas de limpeza e transformação de dados e uma árvore de decisão foi construída com o algoritmo J48 da ferramenta Weka. Entre os preditores dos padrões descobertos estão a natureza e a localização da escola, se os alunos foram ou não reprovados, a faixa etária, a escolaridade da mãe e as taxas de TIC e eletrodomésticos nas residências. O conhecimento produzido nesta pesquisa é informação de qualidade para a tomada de decisões nos MEN e nas secretarias de educação e para os diretores de instituições de educação primária definirem planos de melhoria que resultem na qualidade da educação na Colômbia.

Abstract In this paper, predictive data mining techniques are applied to determine the academic performance from fifth grade students in the Saber 5° tests Language skill at Colombian elementary schools in 2017. We employed the CRISP-DM methodology. Socioeconomic, academic, and institutional information was available at the ICFES databases. A minable dataset was obtained using data cleaning and transformation techniques. A decision tree was built with the Weka tool J48 algorithm. Some of the predictors of the discovered patterns are the nature and location of the school, whether or not students failed a school year, the age group, the mother's educational attainment, and the rates of ICTs and household appliances. The findings of this research serve as quality information for the decision-making at the Ministry of National Education (MEN) and the secretaries of education, and for the directors of elementary educational institutions to define improvement plans that result in the quality of elementary school education in Colombia.

Resumen En este artículo se aplican técnicas predictivas de minería de datos para descubrir patrones de desempeño académico en la competencia de Lenguaje de las pruebas Saber 5° que presentaron los estudiantes de las instituciones educativas colombianas de básica primaria en el año 2017. Para tal fin, se utilizó la metodología CRISP-DM y se tuvo en cuenta la información socioeconómica, académica e institucional de las bases de datos del ICFES. Se obtuvo un conjunto de datos minable utilizando técnicas de limpieza y transformación de datos y se construyó un árbol de decisión con el algoritmo J48 de la herramienta Weka. Entre los factores predictores de los patrones descubiertos están la naturaleza y la ubicación del colegio, si los estudiantes reprobaron o no algún grado, el grupo etario, la educación de la madre y los índices de TICs y electrodomésticos en los hogares. El conocimiento producido en esta investigación es información de calidad para la toma de decisiones en el MEN y las secretarías de educación y para que las directivas de las instituciones educativas de básica primaria definan planes de mejoramiento que redunden en la calidad de la educación en Colombia.

Resumen El objetivo de este artículo es medir a través de técnicas inteligentes el nivel de vida universitaria de una población universitaria. En esta investi gación, una variable dependiente llamada calidad de vida universitaria se toma en cuenta junto con 10 variables independientes: carga académica, recursos económicos, relación con compañeros de clase, relación con docentes, currículum, actividades extracurriculares, vivienda actual, relaciones familiares, estado emocional y entorno universitario. Para el muestreo de estas variables se llevaron a cabo 127 encuestas a estu diantes de una universidad pública ubicada en la región central del país. Subsecuentemente, las variables más relevantes fueron seleccionadas a través de técnicas estadísticas con el fin de establecer un archivo de análisis desde el algoritmo de clasificación de árbol de decisiones J48 de la plataforma Weka. EL resultado demuestra, con una efectividad de más del 80 % que las variables más influyentes en la calidad de vida universitaria son: entorno universitario, vivienda actual, estado emocional y relación con los docentes, encontrando, varias veces, que la calidad de vida también puede depender de variables externas a la universidad, tales como: vivienda actual y estado emocional. Estos resultados son de gran importancia en el diseño de las políticas universitarias por venir.

ABSTRACT The objective of this article is to measure through intelligent techniques, the quality of university life in a university population. In this investigation, a dependent variable called quality of university life is taken, as well as 10 independent variables: Academic load, economic resources, rela tionship with classmates, relationship with professors, curriculum, extracurricular activities, current housing, family relationships, emotional state and university environment. In the samplings of these variables, 127 surveys were carried out on university students of a public university located in the central region of Colombia. Subsequently, the most relevant variables were selected throughout statistical techniques, in order to establish a file to be analyzed through the decision tree classification algorithm J48from the Weka platform. The results show, with over an 80 % effectiveness, that the most influential variables in the quality of life of a university student are: University environment, current housing, emotional state, and relationships with professors. Finding a lot of times that the quality of university life can also depend of external variables to the university such as: Current housing and emotional state. These results are of great importance in the design of new university policies.

Resumen En Colombia, todos los estudiantes de pregrado, sin importar el programa de formación profesional que cursen, deben presentar las pruebas de competencias genéricas del examen Saber Pro que incluyen: Lectura Crítica, Razonamiento Cuantitativo, Competencias Ciudadanas, Comunicación Escrita e inglés. En este artículo se presenta la aplicación de la técnica de clasificación basada en árboles de decisión para predecir el desempeño en la prueba de Lectura Crítica del examen Saber Pro que presentaron los estudiantes de la Pontificia Universidad Javeriana Cali en los años 2017 y 2018. Se utilizó la metodología CRISP-DM. A partir de los datos socioeconómicos, académicos e institucionales almacenados en las bases de datos del ICFES, se construyó, limpio y transformó un repositorio de datos. Se obtuvo una vista minable compuesta por 2052 registros y 17 atributos. Se utilizó el algoritmo J48 de la herramienta Weka para construir el árbol de decisión. De acuerdo con los resultados obtenidos, se destacaron los programas de Filosofía, Matemáticas Aplicadas y Medicina por tener el mejor desempeño en esta prueba. Entre las variables predictoras asociadas al desempeño en la competencia de Lectura Crítica, están la facultad, el grupo etario y el índice de transporte del estudiante, como tres variables importantes relacionadas al buen o bajo desempeño académico de los estudiantes de la Universidad Javeriana Cali. El conocimiento generado en esta investigación, se constituye en información de calidad para soportar la toma de decisiones de las directivas universitarias en vía del mejoramiento de la calidad de la educación superior que se brinda en esta institución.

Abstract In Colombia, all undergraduate students, regardless of the professional training program they take, must complete the general competencies sections of the Saber Pro exam that include Critical Reading, Quantitative Reasoning, Citizen Competencies, Written Communication, and English. This paper presents the application of the classification technique based on decision trees in the prediction of the performance in the Critical Reading section presented by the students of the Pontificia Universidad Javeriana Cali in the years 2017 and 2018. The CRISP methodology was used. From the socioeconomic, academic and institutional data stored in the ICFES databases, a data repository was built, cleaned and transformed. A mineable view composed of 2052 records and 17 attributes was obtained. The J48 algorithm of the Weka tool was used to build the decision tree. The score obtained in the Critical Reading section of the Saber Pro exam was taken as a class. According to the results obtained, the Philosophy, Applied Mathematics, and Medicine programs stood out for having the best performance in this test. Among the predictive variables associated with performance in the Critical Reading skill are the faculty, the age group and the student's transportation index, as three important variables related to the good or low academic performance of the students of the Universidad Javeriana Cali. The knowledge generated in this research is constituted in quality information to support the decision-making process of the university directives in order to improve the quality of the higher education offered in this institution.

Resumo Na Colômbia, todos os alunos de graduação, independentemente do programa de treinamento profissional que estejam cursando, devem apresentar os testes de habilidades genéricas do exame Saber Pro que incluem: Leitura Crítica, Raciocínio Quantitativo, Competências Cidadãs, Comunicação Escrita e Inglês. Este artigo apresenta a aplicação da técnica de classificação baseada em árvores de decisão para predizer o desempenho na prova de Leitura Crítica do exame Saber Pro apresentada pelos alunos da Pontificia Universidad Javeriana Cali nos anos de 2017 e 2018. Foi utilizado o CRISP- Metodologia DM. A partir dos dados socioeconômicos, acadêmicos e institucionais armazenados nas bases de dados do ICFES, um repositório de dados foi construído, limpo e transformado. Foi obtida uma vista lavrável composta por 2.052 registros e 17 atributos. O algoritmo J48 da ferramenta Weka foi usado para construir a árvore de decisão. De acordo com os resultados obtidos, os programas de Filosofia, Matemática Aplicada e Medicina destacaram-se por ter o melhor desempenho nesta prova. Entre as variáveis preditivas associadas ao desempenho na competência Leitura Crítica, encontram-se o corpo docente, a faixa etária e o índice de transporte do aluno, três importantes variáveis relacionadas ao bom ou baixo desempenho acadêmico dos alunos da Universidad Javeriana Cali. O conhecimento gerado nesta pesquisa constitui-se em informação de qualidade para subsidiar a tomada de decisão das diretrizes da universidade no sentido de melhorar a qualidade do ensino superior que é oferecido nesta instituição.

Abstract: This research study proposes a classification system to identify and prevent occupational accidents in fiber storage warehouses at a pulp and paper facility. The present analysis is based on variables including pedestrian circulation, bobcat, trailer trucks, access, pedestrian circulation zones, and handrails. The proposed methodology defines and trains the system by using occupational accident event data collected at the facility. Three different predicting algorithms are used: J48 decision-making trees, Naive Bayes, and Bayesian nets. The results show that the J48 decision-making tree algorithm accurately identifies possible occupational accidents 90% of the time. It is concluded that identifying variables involved in occupational accidents allows generating a C4.5 (J48) decision-making tree that can be used as a support tool to prevent occupational accidents.

Resumen: En este artículo se propone un sistema de clasificación para la identificación y la prevención de accidentes laborales en las bodegas de almacenamiento de fibra en una empresa de pulpa de papel. Eso se hace con base en el análisis de variables que incluyen la circulación de peatones, bobcat, tractocamiones, acceso, zonas de circulación peatonal y barandas. La metodología propuesta define y entrena el sistema propuesto con datos recopilados en planta respecto a accidentalidad e incidentes laborales. Se compararon los resultados de tres algoritmos: redes bayesianas, naive bayes y árboles de decisión. Los resultados muestran que, en el 90% de los casos, el clasificador de arboles de decisión J48 identifica correctamente los casos posibles de accidentalidad laboral. Se concluye que la identificación de los atributos que generan la ocurrencia de incidentes y accidentes laborales, permite generar un árbol de decisión C4.5 (J48) que sirve de herramienta y soporte para labores de prevención de accidentes laborales.

ABSTRACT Accountability requires the existence of reliable and valid information and auditing is one of fundamental bases for the accountability process. Thus educating the optimum method is of great importance. With the presence of a great volume of information, using the prediction methods can contribute the auditors in this respect. This research aims to compare a variety of methods of teaching of that. In current research, J48, random forest, vector machine and neural network have been used. Research population involves the corporates accepted by Tehran Stock Exchange in 2008-2017. Here, 19 financial and non-financial independent variables have been applied in two groups of test and training. Also, the independent auditor report has been classified into two groups of acceptable and conditional. Comparing the above-mentioned methods has indicated that random forest algorithm with the prediction accuracy average as 78.83% was the most optimum model to predict the report type in the both groups and other models involving J48, support vector machine, CART decision tree and finally, artificial neural network were of the most accuracy.

RESUMEN La rendición de cuentas requiere la existencia de información confiable y válida y la auditoría es una de las bases fundamentales para el proceso de rendición de cuentas. Por lo tanto, educar el método óptimo es de gran importancia. Con la presencia de un gran volumen de información, el uso de los métodos de predicción puede contribuir a los auditores a este respecto. Esta investigación tiene como objetivo comparar una variedad de métodos de enseñanza de eso. En la investigación actual, se han utilizado J48, bosque aleatorio, máquina de vectores y red neuronal. La población de investigación involucra a las empresas aceptadas por la Bolsa de Teherán en 2008-2017. Aquí, se han aplicado 19 variables independientes financieras y no financieras en dos grupos de prueba y capacitación. Además, el informe del auditor independiente se ha clasificado en dos grupos de aceptable y condicional. La comparación de los métodos mencionados anteriormente ha indicado que el algoritmo de bosque aleatorio con un promedio de precisión de predicción de 78.83% fue el modelo más óptimo para predecir el tipo de informe en ambos grupos y otros modelos que involucran J48, máquina de vectores de soporte, árbol de decisión CART y finalmente, La red neuronal artificial fue de la mayor precisión.

The aim was to find craniofacial morphology patterns in a multivariate cephalometric database using a clustering technique. Cephalometric analysis was performed in a sample of 100 teleradiographs collected from Chilean orthodontic patients. Thirty cephalometric measurements were taken from commonly used analysis. The computed variables were used to perform a clustering analysis with the k-means algorithm to identify patterns of craniofacial morphology. The J48 decision tree was used to analyze each cluster, and the ANOVA test to determine the statistical differences between the clusters. Four clusters were found that had significant differences (P<0.001) in 24 of the 30 variables studied, suggesting that they represent different patterns of craniofacial form. Using the decision tree, 8 of the 30 variables appeared to be relevant for describing the clusters. The clustering analysis is effective in identifying different craniofacial patterns based on a multivariate database. The distinct clusters appear to be caused by differences in the compensation process of the facial structure responding to a genetically determined cranial and mandible form. The proposed method can be applied to several databases, creating specific classifications for each one of them.

El objetivo fue encontrar patrones morfológicos craneofaciales, a partir de una base de datos cefalométricos multivariada, utilizando una técnica de clustering. Se realizó un análisis cefalométrico a una muestra de 100 telerradiografías pertenecientes a pacientes chilenos de ortodoncia. Treinta medidas cefalométricas obtenidas de los análisis más utilizados fueron registradas. Las variables computadas se utilizaron para realizar un análisis de clustering con el algoritmo k-medias, para identificar patrones de morfología craneofacial. El árbol de decisión J48 se utilizó para analizar cada cluster, y test de ANOVA para determinar diferencias estadísticamente significativas entre los clusters. Se encontraron cuatro clusters con diferencia estadísticamente significativas (p<0,001) en 24 de las 30 variables estudiadas, lo que sugiere que efectivamente corresponden a diferentes patrones craneofaciales. Utilizando el árbol de decisión, se pudo determinar que 8 de las 30 variables resultaron ser relevantes en la definición de los clusters. El análisis de clustering es efectivo en identificar patrones morfológicos craneofaciales usando una base de datos multivariada. Los distintos cluster encontrados, aparentemente se formarían a partir de diferencias en el proceso de compensación de la estructura facial, en respuesta a la forma mandibular genéticamente determinada. El método propuesto puede ser aplicado a múltiples bases de datos, creando clasificaciones específicas para cada una de ellas.