View article

Este documento presenta una propuesta para implementar un mtodo de clster que mejor acople los datos educativos. El uso de modelos grficos probabilsticos en el campo de la educacin ha sido considerado para esta investigacin. Pero el problema con estos procedimientos generales de aprendizaje proviene de la presencia de un alto nmero de variables que miden diferentes aspectos del mismo concepto. En este caso, tenemos que todas las variables tienen algn grado de dependencia entre ellas, sin una verdadera estructura causal. Por lo tanto, se presenta un nuevo procedimiento que hace una agrupacin jerrquica de los datos mientras se aprende una distribucin de probabilidad conjunta. Se busca hacer una prueba para cada caso donde la probabilidad se mide en cada modelo usando algoritmos de propagacin. Luego, el logaritmo de probabilidad se aplica a cada caso y los resultados se agregan en cada modelo para determinar el mejor ajuste para el propuesto. El mtodo se aplica al anlisis de un conjunto de datos educativos: evaluacin de estudiantes de la Universidad Tecnica Estatal de Quevedo (Ecuador).