Principal
Grupo de investigación BISITE
  • English
  • Spanish
Universidad de Salamanca
  • ¿Quiénes somos?
  • Grupo
    • Equipo
    • Laboratorios
    • Blog
  • I+D+i
    • Líneas de investigación
    • Proyectos
      • Internacionales
      • Nacionales
      • Regionales
      • Empresas
      • Innovación docente
      • Redes temáticas
    • Publicaciones
      • Revistas
      • Libros
      • Capítulos en libro
      • Congresos
    • Transferencia
      • Plataformas
      • Socios tecnológicos
  • Formación
    • Cursos
    • Másteres
      • Máster en Animación Digital
      • Máster en Blockchain y Smart Contracts
      • Máster en Desarrollo de Aplicaciones Móviles Multiplataforma
      • Máster en Desarrollo de Sistemas de Social Media
      • Máster en Dirección de Sistemas de Información
      • Máster en Fintech
      • Máster en Inteligencia Digital
      • Máster en Internet de las Cosas
      • Máster en Seguridad en Internet
      • Máster en Smart Cities & Intelligent Buildings
      • Máster en Tecnologías a la Industria 4.0 basadas en IIoT y Data Science
      • Máster en Transferencia de Conocimiento y Gestión de la I+D+i
      • Máster en Transformación Digital
      • Máster en tecnologías aplicadas al Diseño e Impresión 3D
    • Campus-bisite
  • Congresos
  • BISITE
  • Investigación
  • Publicaciones

Student Performance Prediction Applying Missing Data Imputation in Electrical Engineering Studies Degree

Atrás
  • Líneas de investigación
  • Proyectos
    • Internacionales
    • Nacionales
    • Regionales
    • Empresas
    • Innovación docente
    • Redes temáticas
  • Publicaciones
    • Revistas
    • Libros
    • Capítulos de libro
    • Congresos
  • Propiedades Intelectuales
Título:
Student Performance Prediction Applying Missing Data Imputation in Electrical Engineering Studies Degree.
Autores: 
Crespo Turrado, Concepción; Casteleiro Roca, José L.; Sánchez Lasheras, Fernando; López Vázquez, José A.; de Cos Juez, Francisco J.; Calvo Rolle, José L.; Corchado Rodríguez, Emilio
Libro:
Hybrid Artificial Intelligent Systems. HAIS 2016. Lecture Notes in Computer Science. Volumen 9648, pp. 126 - 135.

Fecha de Publicación: 
14 April 2016
ISSN: 
0302-9743
ISBN: 
978-3-319-32033-5
DOI
 10.1007/978-3-319-32034-2_11

BibTex

@conference { conference,
title = {Student Performance Prediction Applying Missing Data Imputation in Electrical Engineering Studies Degree},
author = {Crespo Turrado, Concepción; Casteleiro Roca, José L.; Sánchez Lasheras, Fernando; López Vázquez, José A.; de Cos Juez, Francisco J.; Calvo Rolle, José L.; Corchado Rodríguez, Emilio },
chapter = {Hybrid Artificial Intelligent Systems. HAIS 2016},
publisher = {Springer},
volume = {9648},
pages = {126 - 135},
isbn = {978-3-319-32033-5},
year = {2016}
}

XML

<inproceedings key='conf/Crespo/14 April 2016' mdate='14 April 2016'>
<author>Crespo Turrado</author>
<author>Concepción; Casteleiro Roca</author>
<author>José L.; Sánchez Lasheras</author>
<author>Fernando; López Vázquez</author>
<author>José A.; de Cos Juez</author>
<author>Francisco J.; Calvo Rolle</author>
<author>José L.; Corchado Rodríguez</author>
<author>Emilio</author>
<title>Student Performance Prediction Applying Missing Data Imputation in Electrical Engineering Studies Degree</title>
<pages>126 - 135</pages>
<year>2016</year>
<booktitle>Hybrid Artificial Intelligent Systems. HAIS 2016</booktitle>
<ee>10.1007/978-3-319-32034-2_11</ee>
</inproceedings>

Nowadays the student performance and its evaluation is a challenge in general terms. Frequently, the students’ scores of a specific curriculum have several fails due to different reasons. In this context, the lack of data of any of student scores adversely affects any future analysis to be done for achieving conclusions. When this occurs, a data imputation process must be performed in order to substitute the data that is missing for estimated values. This paper presents a comparison between two data imputation methods developed by the authors in previous researches, the Adaptive Assignation Algorithm (AAA) based on Multivariate Adaptive Regression Splines (MARS) and other technique called Multivariate Imputation by Chained Equations (MICE). The results obtained demonstrate that the proposed methods allow good results, specially the AAA algorithm

Síguenos

Grupo de investigación BISITE newsletter

Stay informed on our latest news!

>Tweets de @bisite_usal.

Contacto

  • Edificio Multiusos I+D+i:
    Calle Espejo s/n, 37007, Salamanca, España

     

  • Teléfono: (+34) 923 294 400 ext. 1525
  • Fax: (+34) 923 294 514
  • Email: bisite@usal.es

Bisite Research Group

© Copyright 2019 by Bisite Research Group

  • Contacto
  • Sitemap
  • Identidad gráfica
Solicitamos su permiso para obtener datos estadísticos de su navegación en esta web, en cumplimiento del Real Decreto-ley 13/2012. Si continúa navegando consideramos que acepta el uso de cookies. OK | Más información