Aplicación multiplataforma de modelo computacional predictivo
DOI:
https://doi.org/10.33936/isrtic.v7i2.5832Palabras clave:
Modelo Computacional, flask, modelo como servicio, modelo APIResumen
El objetivo de esta investigación fue realizar una aplicación que permita la integración de un modelo computacional a una aplicación multiplataforma, para ello se tuvo como datos, la información de un modelo de clasificación de aprendizaje supervisado respecto al levantamiento de información sobre la deserción estudiantil en el contexto del covid-19, esta investigación fue desarrollada en la Escuela Superior Politécnica Agropecuaria de Manabí Manuel Félix López. La metodología que se planteó para el respectivo desarrollo fue Extreme programing (XP). Partiendo de un modelo entrenado, para lo cual se utilizó el framework flask basado en python, luego se procedió a crear un servicio para consumir el modelo, posteriormente se realizaron las respectivas pruebas utilizando postman como cliente web. Se obtuvo como principal resultado dentro de la investigación, que el Framework Flask permitió desarrollar e implementar un API RES de forma mucho más ágil y fácil para el consumo de datos del modelo predictivo.
Descargas
Citas
Aparicio, Q., Camilo, J., Chacón, C., & Yamile, L. (2022). Factores de deserción estudiantil School dropout factors. Revista Matices Tecnológicos Edición (Vol. 14).
Bonales-Daimel, G., & Mañas-Viniegra, L. (2021). The evolution of advertising investment during a decade of economic crisis (2007-2018). The case of the automotive sector and its adaptation to the Internet. Revista Mediterranea de Comunicacion (Vol. 12, Issue 2, pp. 227–243). Universidad de Alicante. https://doi.org/10.14198/MEDCOM.18155
Cedeno-Moreno, D., & Vargas, M. (2020). Aprendizaje automático aplicado al análisis de sentimientos. I+D Tecnológico, 16(2), 59-66. https://doi.org/10.33412/idt.v16.2.2833
Díaz, E., Romero, M., Faouzi, T., & Pardo, C. (2022). Modelos predictivos de la competencia pedagógica en docentes de EMTP mediante la minería de datos educacionales. Estudios pedagógicos (Valdivia), 48(2), 179-197. https://dx.doi.org/10.4067/S0718-07052022000200179
Gallegos, Juan J., Gonzalo Bach1 , Luza R. Luna, Bach1 , Sulla-Torres José, Gomez-Campos, Rossana and Marco Cossio-Bolaños (2020). Hemispheric Cooperation for Competitiveness and Prosperity on a Knowledge-Based Economy. LACCEI International Multi-Conference for Engineering, Education, and Technology: “Engineering, Integration, and Alliances for a Sustainable Development”, 29-31 July 2020, Buenos Aires, Argentina.
García Ojalvo, I., Galarza López, J., & Sepúlveda, R. (2023). Modelo computacional de apoyo al proceso de ingreso a la educación superior cubana. Revista Cubana De Educación Superior, 41(1 Especial), 193–208. Recuperado a partir de https://revistas.uh.cu/rces/article/view/2696
Ghimire, D. (2020). Comparative study on Python web frameworks: Flask and Django. Metropolia University of Applied Sciences. Bachelor of Engineering.
González, Johans (2021) Algoritmos de Aprendizaje Supervisado en la Clasificación de Exoplanetas en Python. http://repositorio.uan.edu.co/handle/123456789/5839. Universidad Antonio Mariño. Facultad de Ingeniería Mecánica, Electrónica y Biomédica.
HashDork (2023) Las 8 mejores herramientas de análisis predictivo (código abierto). Consultado: 28/03/2023. https://hashdork.com/es/best-predictive-analysis-tools-open-source/
Jiménez Builes, J. A., Ramírez Bedoya, D. L., & Branch Bedoya, J. W. (2019). Metodología de desarrollo de software para plataformas educativas robóticas usando ROS-XP. Revista Politécnica, 15(30), 55–69. https://doi.org/10.33571/rpolitec.v15n30a6.
Relan, K. (2019) Creación de API REST con Flask. Apress. DOI https://doi.org/10.1007/978-1-4842-5022-8.
Romero , S., Hernández, I., Barrera, R. y Mendoza, A. (2022). Inteligencia emocional y desempeño académico en el área de las matemáticas durante la pandemia. Universidad del Zulia.
Spositto, O. M., Etcheverry, M. E., Ryckeboer, H. L., & Bossero, J. (2022). Aplicación de técnicas de minería de datos para la evaluación del rendimiento académico y la deserción estudiantil.
Tepepam, A., Pérez, H., Nakano, M. (2018) Algoritmos de aprendizaje supervisado para la clasificación de géneros musicales caracterizados mediante modelos estadísticos. Research in Computing Science 147(5).
Zavala Diaz, A. G. (2020). Sistema de respaldo de datos automatizado en la nube de amazon web services para evitar la posible pérdida de información en la empresa nessus Hoteles S.A. Universidad Cientifica, 1(1), 1–2.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Jéssica Johanna Morales Carrillo, Luis Cristóbal Cedeño Valarezo, Victor Joel Pinargote Bravo, Jesús Stefano Cajape Bravo , Jonathan Geovanny Ormaza Calderón
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los artículos enviados a esta revista para su publicación serán liberados para su acceso abierto bajo una licencia Creative Commons con Reconocimiento No Comercial Sin Obra Derivada (http://creativecommons.org/licenses/by-nc-nd/4.0)
Los autores mantienen los derechos de autor, y, por lo tanto, son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes: Reconocer los créditos de la obra especificada por el autor e indicar si se realizaron cambios (puede hacerlo de cualquier forma razonable, pero no de una manera que sugiera que el autor respalda el uso que hace de su obra. No utilizar la obra para fines comerciales. En caso de remezcla, transformación o desarrollo, no puede distribuirse el material modificado.
