| Revista: | Computación y sistemas |
| Base de datos: | |
| Número de sistema: | 000560410 |
| ISSN: | 1405-5546 |
| Autores: | Pérez Rave, Jorge1 González Echavarría, Favián2 |
| Instituciones: | 1Grupo de investigación IDINNOV, Medellín. Colombia 2Universidad de Antioquia, Facultad de Ingeniería, Antioquía. Colombia |
| Año: | 2018 |
| Periodo: | Oct-Dic |
| Volumen: | 22 |
| Número: | 4 |
| Paginación: | 1519-1541 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Resumen en español | Desde un enfoque experimental, el desempeño de Regresión Logística vs Árboles de Clasificación es evaluado en el contexto de dos competencias genéricas en ingeniería (razonamiento cuantitativo y comprensión lectora). Dichos métodos incorporan dos escenarios de predictores por separado (solo indicadores y solo constructos; estos últimos, derivados de Análisis de Componentes Principales: ACP). La muestra es de 7,395 instancias de Saber Pro 2015-3, 2014-3 (Colombia). El estudio considera: entrenamiento (70 % de la muestra), predicción (30 % restante) y experimentación (176 observaciones originales; diseño de tres factores: método, tipo de predictor y competencia). La variable respuesta es una nueva métrica (Tasa Subyacente de Aciertos obtenida por ACP). Ambos métodos presentan similar desempeño en el escenario de solo indicadores, pero no en el escenario de constructos (Regresión Logística, mejor desempeño). |
| Resumen en inglés | From an experimental approach, the performance of Logistic Regression vs Classification Trees is evaluated in the context of two generic engineering skills (quantitative reasoning and reading comprehension). These methods incorporate two separate predictor scenarios (indicators only, and only constructs derived from Principal Component Analysis: ACP). The sample is 7,395 instances of Saber Pro 2015- 3, 2014-3 (Colombia). The study considers: training (70% of the sample), prediction (30% remaining) and experimentation (176 original observations, design of three factors: method, type of predictor and competence). The response variable is a new metric (Underlying Asset Ratio obtained by ACP). Both methods present similar performance in the scenario of only indicators, but not in the scenario of constructs (Regression Logistics, better performance). |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Regresión logística, Árbol de clasificación, Competencias en ingeniería, Procesamiento de datos |
| Keyword: | Logistic regression, Classification tree, Engineering skills, Data processing |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
