| dc.contributor.advisor | Camargo Freile, Isaac Esteban | |
| dc.coverage.spatial | cead_-_josé_celestino_mutis | |
| dc.creator | Leal, John Fredy | |
| dc.date.accessioned | 2025-02-13T21:25:02Z | |
| dc.date.available | 2025-02-13T21:25:02Z | |
| dc.date.created | 2024-12-23 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/66859 | |
| dc.description.abstract | La evaluación de los resultados del ICFES en Colombia es crucial para entender y mejorar la calidad educativa en el país. Sin embargo, los datos del ICFES, que abarcan múltiples años y contienen información detallada de estudiantes, colegios y municipios, están dispersos y no estructurados para un análisis fácil y comprensible. Los investigadores enfrentan dificultades para acceder, particionar y analizar estos datos de manera eficiente, lo que limita la capacidad para hacer comparaciones significativas y obtener insights valiosos.
Este proyecto pretende crear una herramienta que facilite a los investigadores el particionamiento, visualización y análisis de los datos de los resultados de las pruebas Saber 11 que practica el ICFES, con el fin de simplificar el proceso de análisis, generar comparaciones significativas y obtener información clave que apoye la toma de decisiones en el ámbito educativo a partir de los resultados obtenidos por los investigadores.
La funcionalidad del software brinda la posibilidad de que el usuario seleccione criterios de particionamiento de los datos sobre filas y columnas, generando nuevos conjuntos de datos más pequeños, ajustados a su necesidad, que posteriormente, podrán ser comparados por medio de las visualizaciones más comunes, se generarán estadísticas básicas de cada uno y comparativas, así como pruebas de normalidad e interpretación de los resultados por medio de un asistente de IA.
El proyecto se desarrollará durante 6 meses, con la metodología de desarrollo de software Scrum y el lenguaje de programación Python para el backend y TextScript para el frontend, con recursos propios y los resultados esperados son un prototipo con la mayoría de la funcionalidad propuesta (se excluyen temas de autenticación, suscripción, cobros, integración con otras plataformas) y una base de datos Mongo DB con las información limpia y organizada de los resultados de las pruebas Saber 11 de los años 2014 a 2023, que incluya georeferenciación de los colegios e información de población de cada municipio . El proyecto está planteado para desarrollarse durante 6 meses con la metodología de desarrollo de software Scrum y el lenguaje de programación Python. | |
| dc.format | pdf | |
| dc.title | Prototipo de aplicativo de visualización de resultados de pruebas Saber 11 a nivel nacional de los años 2014 a 2023 | |
| dc.type | Proyecto aplicado | |
| dc.subject.keywords | Data Visualization | |
| dc.subject.keywords | ICFES | |
| dc.subject.keywords | Python Programming | |
| dc.subject.keywords | Open Data | |
| dc.subject.keywords | Data Analysis | |
| dc.description.abstractenglish | The evaluation of ICFES results in Colombia is crucial to understanding and improving the quality of education in the country. However, ICFES data, which spans multiple years and contains detailed information about students, schools, and municipalities, is scattered and unstructured, making it difficult to analyze in an easy and comprehensible way. Researchers face challenges in accessing, partitioning, and analyzing this data efficiently, limiting their ability to make meaningful comparisons and gain valuable insights.
This project aims to create a tool that facilitates the partitioning, visualization, and analysis of data from the Saber 11 test results conducted by ICFES, with the purpose of simplifying the analysis process, generating meaningful comparisons, and obtaining key information that supports decision-making in the educational field based on researchers' findings.
The software functionality will allow users to select data partitioning criteria for rows and columns, generating smaller, customized datasets that can subsequently be compared using common visualizations. Basic statistics for each dataset and comparative statistics will be generated, along with normality tests and AI-assisted interpretation of the results.
The project will be developed over six months, following the Scrum software development methodology, with Python as the backend programming language and TypeScript for the frontend. The expected outcomes include a prototype with most of the proposed functionality (excluding authentication, subscriptions, payments, and integration with other platforms) and a MongoDB database containing clean and organized information from Saber 11 test results from 2014 to 2023, including georeferenced schools and population information for each municipality. The project is planned for a six-month development timeline using the Scrum methodology and Python programming language. | |
| dc.subject.category | Ciencia de datos | |
| dc.subject.category | Ingeniería de software | |
