Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio
Revista de Investigación Business Intelligence

Volumen 1, Núm. 1Revista de Investigación Business Intelligence

Publicado febrero 23, 2016

Editorial

Artículos

  1. Godofredo Apaza Romero

    MODELO DE PRONÓSTICO DE LA CALIDAD DE LOS SERVICIOS BASADO EN DIAGRAMAS DE INFLUENCIA PARA EL SECTOR EDUCATIVO

    En este artículo se presenta un modelo de pronóstico de la calidad de los servicios académicos para una institución de educación. El problema es planteado en términos de la necesidad de identificación de los factores críticos de éxito para la mejora de la calidad de los servicios educativos y a la ausencia de una herramienta que disminuya la incertidumbre en la toma de decisiones administrativas referente a estos factores críticos de éxito. El modelo está basado en la metodología SERVQUAL que identifica las dimensiones de la calidad de los servicios y, que en conjunto con los diagramas de influencia, permite un soporte cuantitativo en la toma de decisiones de gestión académica mediante la simulación de probables eventos con su correspondiente valor de nivel de calidad de los servicios académicos.

  2. Jorge Samuel Chuquival Santa Cruz, Jaime Galindo, Saúl Maquera, Edgardo Palza Vargas, Guillermo Mamani Apaza

    MODELO DE REDES NEURONALES PARA MEJORAR EL PRONÓSTICO DEL COMPORTAMIENTO DEL ALUMNO EN EL CUMPLIMIENTO DEL PAGO DE SUS ARMADAS, CONCERNIENTES A UN CRÉDITO APROBADO POR EL ÁREA DE FINANZAS ALUMNOS DE LA UNIVERSIDAD PERUANA UNIÓN

    El presente trabajo de investigación tiene como objetivo pronosticar el comportamiento del alumno en el cumplimiento del pago de sus armadas (cuotas), concernientes a un crédito aprobado por el área de finanzas Alumnos de la Universidad Peruana Unión (UPeU). El modelo de RNAS (Red Neuronal Artificial Supervisada) Back – Propagation que está incorporado en BI
    El objeto de estudio es el comportamiento del alumno en el cumplimiento de sus pagos, quien al momento de matricularse, elige un plan de pago que contiene las armadas con su respectiva fecha de pago. Es allí donde surge la incertidumbre del área de Finanzas Alumnos con respecto al pago puntual de las armadas de los alumnos.
    Para establecer las actividades durante el proceso de esta investigación se ha utilizado la metodología para minería de datos CRIPS-DM propuesta por el consorcio formado por NCR Ingeniería de sistemas Copenhague (EE. UU y Dinamarca).
    El comportamiento del alumno en el pago de sus armadas será determinado con 0 si no es moroso y 1 si es moroso.
    La red Neuronal fue entrenada con una data de 800 alumnos aplicando el algoritmo Back - Propagation (Retro propagación) la cual consta de una capa de entrada, una capa oculta y una capa de salida
    Los sectoristas (los que realizan la matrícula) podrán utilizar esta herramienta que les sirva de apoyo para decidir la otorgación del crédito al alumno.

  3. Cesar Contreras Serpa, Daniel Peña Muguértegui, José M. Esquivel Beteta, Edwin Llerena Poma, Edgardo Palza Vargas, Guillermo Mamani Apaza

    EVALUAR LA CAPACIDAD PREDICTIVA DE LOS MÉTODOS SERIES DE TIEMPO, REGRESIÓN LINEAL Y RNA PODA EXHAUSTIVA CONSIDERANDO EL MÍNIMO MARGEN DE ERROR, UNA APLICACIÓN A LA DEMANDA

    El objetivo de la investigación es determinar la eficiencia de los modelos Series de Tiempo, Regresión Lineal y Red Neuronal Artificial para el pronóstico de la demanda de medicamentos en la Entidad Pri-vada de Salud Ricardo Palma (EPS_RP). Se empleó la metodología Box Jenkins para el desarrollo de la presente investigación, además se consideró como unidad de análisis la cantidad de ventas sema-nales de los medicamentos en estudio. Para evaluar la eficiencia de los modelos se trabajó con el me-dicamento, que tuvo mayor demanda en los últimos 5 años, OPTIRAY VIA 320/1 100ML. Luego de comparar la eficiencia de los modelos se determinó que el pronóstico basado en Redes Neuronales Artificiales es el que presenta el menor margen de error en el pronóstico de las ventas.

  4. Hovanna Evelyhn Vargas Guevara, Lesly Ccapa, Edgardo Palza Vargas, Guillermo Mamani Apaza

    MODELO DE ÁRBOLES DE DESICIÓN PARA PRONOSTICAR LA MOROSIDAD DE LOS ALUMNO DE LA UNIVERSIDAD PERUANA UNIÓN.

    La presente investigación tiene por objetivo determinar un Modelo de Árboles de decisión que permite el pronóstico de las características de morosidad de los alumnos de la Universidad Peruana Unión. La metodología utilizada es CRISP-DM, creada por especialistas para proyectos de minería de datos. Al aplicar el modelo de árboles de decisión se logró identificar las características de un alumno moroso; distribuidas en cinco variables predominantes: Ayuda Institucional, Ingreso de los padres, Monto de Crédito, Tarjetas de crédito y la Situación laboral del padre.

  5. Rodolfo Pacco Palomino, Wilson Del Rosario Montero, Tomas Anquise Ibañiz, Edgardo Palza Vargas, Guillermo Mamani Apaza

    MODEL CLUSTERING NEURAL NETWORK MONITORING APPLICATIONS NO K-MEANS ALGORITHM FOR THE SEGMENTATION OF THE PERUVIAN UNIVERSITY STUDENTS UNION

    El presente trabajo de investigación tiene como objetivo identificar el perfil del alumno moroso utilizando algoritmo de clústeres basado en la red neuronal de k-media para la segmentación de los alumnos de la UPeU, de manera que exista la mayor homogeneidad posible dentro de los grupos, con respecto a ciertos atributos que pueden ser cuantitativas o cualitativas. La metodología utilizada fue CRISP-DM, que es un estándar para proyectos de minería de datos, consta de las siguientes 6 fases, la comprensión del negoción, la comprensión de los datos, la preparación de datos, el modelado, la evaluación e la implementación. Con la aplicación del algoritmo de inteligencia artificial se ha determinado, que el perfil de un alumno moroso tiene las siguientes características, el alumno que no trabaja, el ingreso bruto del apoderado varía entre S/850.00 y S/1,569.00, tiene hermanos estudiando en la misma universidad y está cursando el tercer año de su carrera.