Cada día las organizaciones tienen más información porque sus sistemas producen una gran cantidad de operaciones diarias que se almacenan en bases de datos transaccionales. Con el fin de analizar esta información histórica, una alternativa interesante es implementar un Data Warehouse. Por otro lado, los Data Warehouse no son capaces de realizar un análisis predictivo por sí mismos, pero las técnicas de inteligencia de máquinas se pueden utilizar para clasificar, agrupar y predecir en base a información histórica con el fin de mejorar la calidad del análisis. En este trabajo se describe una arquitectura de Data Warehouse con el fin de realizar un análisis del desempeño académico de los estudiantes. El Data Warehouse es utilizado como entrada de una arquitectura de red neuronal con tal de analizar la información histórica y de tendencia en el tiempo. Los resultados muestran la viabilidad de utilizar un Data Warehouse para el análisis de rendimiento académico y la posibilidad de predecir el número de asignaturas aprobadas por los estudiantes usando solamente su propia información histórica. Palabras clave: Data warehouse, análisis histórico, predicción, redes neuronales, información estratégica.

En el artículo se comentan los resultados de un estudio descriptivo acerca del clima de enseñanza-aprendizaje efectuado en una muestra representativa de estudiantes de segundo año de las carreras de la Facultad de Ingeniería de la Universidad de Atacama (UDA). Para este estudio se elaboró la Escala clima de enseñanza favorecedor del aprendizaje del estudiante universitario [ECEFAE] la cual consta de 12 variables y 60 indicadores con el propósito de conocer en qué medida, desde la percepción del estudiantado, el proceso de enseñanza-aprendizaje se corresponde con las características de una enseñanza centrada en el alumnado. Los resultados evidencian que el clima de enseñanza no favorece suficientemente el aprendizaje. Las variables mejor evaluadas, en un nivel medio de manifestación, fueron: aprendizaje autónomo, organización y disciplina y aprendizaje cooperativo mientras que las peor evaluadas en un nivel bajo: evaluación del aprendizaje, condiciones ambientales, vínculo teoría práctica-profesional. El estudio elaborado permitió constatar el valor metodológico de la técnica ECEFAE para el diagnóstico del clima de enseñanza-aprendizaje e identificar los factores que favorecen u obstaculizan el tránsito hacia una enseñanza centrada en el estudiantado en el segundo año de la Facultad de Ingeniería de la UDA. Las conclusiones destacan la necesidad de contemplar, en investigaciones posteriores, la comparación de la mirada de docentes y estudiantes, y la combinación de técnicas cuantitativas y cualitativas en los estudios de clima a fin de lograr una mayor profundización en el diagnóstico. Los resultados de este estudio se han tenido en cuenta en la superación pedagógica del personal docente.

Factores organizacionales y de entorno que predicen el uso de TIC en empresas chilenas: Una aplicación de redes neuronales Organizational and environment factors that predict the use of ICT in Chilean companies: An application of neural networks RESUMENEste estudio tiene como objetivo explorar cuáles son los factores organizacionales y de entorno que predicen la decisión de usar tecnologías en las empresas. Estos factores se identifican utilizando un enfoque multidisciplinario que integra técnicas de clusterización, redes neuronales artificiales (RNA) y el marco de trabajo Tecnología-Organización-Entorno (TOE). Para desarrollar este estudio se toman en cuenta los resultados de la Encuesta Longitudinal, ELE2, que contiene datos relacionadas con las empresas de Chile. Tomando estos datos, en primer lugar se utiliza la clusterización, mediante el algoritmo K-means, para determinar el perfil de desarrollo tecnológico (T de TOE) de cada empresa a partir de 5.953 empresas chilenas. A continuación, se construye un modelo mediante redes neuronales artificiales (RNA) para predecir T a partir de las otras variables disponibles en la encuesta. La precisión obtenida por la RNA fue del 75%. Al realizar la comprobación de las variables que predicen T con los constructos de OE, se observa que existen variables de la organización y entorno que predicen el perfil de desarrollo tecnológico de las empresas. Además de estos factores OE, también se encontró que otros factores (X) predijeron este perfil, los que se asocian principalmente a características de los administradores de la empresa.Palabras clave: Redes neuronales, K-means, TOE, modelo predictivo. ABSTRACT