Desarrollo de un sistema de inteligencia artificial para el hallazgo de errores en los registros académicos de la unheval, 2023
Juan GomezTesina13 de Julio de 2023
19.496 Palabras (78 Páginas)105 Visitas
UNIVERSIDAD NACIONAL HERMILIO VALDIZAN
FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS
ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS
CARRERA PROFESIONAL DE INGENIERIA DE SISTEMAS [pic 1]
DESARROLLO DE UN SISTEMA DE INTELIGENCIA ARTIFICIAL PARA EL HALLAZGO DE ERRORES EN LOS REGISTROS ACADÉMICOS DE LA UNHEVAL, 2023
LINEA DE INVESTIGACION: INGENIERIA Y TECNOLOGIA
TESISTA:
GOMEZ ROJAS JUAN EDUARDO
ASESOR:
MG. FLORES VIDAL JIMMY GROVER
HUANUCO-PERU
2023
INDICE
I. ASPECTOS BASICOS DEL PROBLEMA DE INVESTIGACION 7
1.1. Fundamentación o situación del problema de investigación 7
1.2. Formulación del problema general y específicos 7
1.2.1. Problema general 8
1.2.2. Problemas específicos 8
1.3. Formulación del objetivo general y específicos 8
1.3.1. Objetivo general 8
1.3.2. Objetivos específicos 8
1.4. Justificaciones 9
1.4.1. Justificación teórica 9
1.4.2. Justificación practica 9
1.4.3. Justificación social 9
1.5. Limitaciones 10
1.5.1. Limitaciones externas 10
1.5.2. Limitaciones internas 10
II. ASPECTOS OPERACIONALES 10
2.1. Formulación de hipótesis general y especifica 10
2.1.1. Hipótesis general 10
2.1.2. Hipótesis especificas 11
2.2. Variables 11
2.2.1. Variable independiente 11
2.2.2. Variable dependiente 11
2.3. Definición teórica y operacionalización de variables 12
III. MARCO TEORICO 20
3.1. Antecedentes de la Investigación 20
3.1.1. Internacional 20
3.1.2. Nacional 21
3.1.3. Local 23
3.2. Bases teóricas 24
3.2.1. Variable independiente: Desarrollo de un sistema de inteligencia artificial 24
3.2.2. Dimensión 1: Medidas de seguridad y privacidad 24
3.2.3. Indicador 1: Nivel de encriptación de los datos 25
3.2.4. Indicador 2: Tasa de incidentes relacionados con la seguridad y privacidad 26
3.2.5. Dimensión 2: Evaluación de la eficiencia 26
3.2.6. Indicador 1: Tiempo de respuesta del sistema 26
3.2.7. Indicador 2: Capacidad de procesamiento de grandes volúmenes de datos académicos 27
3.2.8. Indicador 3: Tiempo promedio para detectar errores 27
3.2.9. Dimensión 3: Impacto del sistema 27
3.2.10. Indicador 1: Tasa de satisfacción de los estudiantes con respecto a la calidad de sus registros académicos 28
3.2.11. Indicador 2: Porcentaje de casos de fraude académico identificados por el sistema 28
3.2.12. Indicador 3: Tasa de satisfacción de los profesores con la calidad de los registros académicos 28
3.2.13. Indicador 3: Tasa de satisfacción del personal administrativo con la calidad de los registros académicos 29
3.2.14. Variable dependiente: Hallazgo de errores en los registros académicos 29
3.2.15. Dimensión 1: Detección de errores 30
3.2.16. Indicador 1: Precisión en la búsqueda de errores 30
3.2.17. Indicador 2: Cobertura de errores detectados 30
3.2.18. Dimensión 2: Patrones de errores 31
3.2.19. Indicador 1: Variedad de errores 33
3.2.20. Indicador 2: Frecuencia de errores recurrentes 33
3.2.21. Dimensión 3: Corrección de errores 33
3.2.22. Indicador 1: Alternativas de corrección 34
3.2.23. Indicador 2: Tasa de rechazo de las alternativas de corrección 34
3.2.24. Dimensión 4: Calidad de los datos de los registros académicos 35
3.2.25. Indicador 1: Nivel de exactitud de los datos en los registros académicos 36
3.2.26. Indicador 2: Tasa de inconsistencias encontradas en los registros académicos 37
3.2.27. Dimensión 5: Integridad de los datos de los registros académicos 37
3.2.28. Indicador 1: Tasa de modificaciones no autorizadas 37
3.2.29. Indicador 2: Índice de cumplimiento de las normas de seguridad de la información 37
3.3. Bases conceptuales 38
IV. METODOLOGIA 40
4.1. Ámbito 40
4.2. Población y selección de muestra 40
...