Please use this identifier to cite or link to this item: http://hdl.handle.net/10201/44308

Title: Algoritmos de clasificación y redes neuronales en la observación automatizada de registros
Other Titles: Classification algorithms and neural networks in automated observation records
Algoritmos de classificação e redes neurais em registros de observação automatizados
Issue Date: 2015
Publisher: Murcia: Servicio de Publicaciones de la Universidad de Murcia
ISSN: 1989-5879
1578-8423
Keywords: Minería de datos
Redes neuronales artificiales
Data mining
Artificial neural networks
Mineração de dados
Redes neurais artificiais
Abstract: El objetivo del presente estudio es analizar los datos obtenidos a través de una plataforma on-line, mediante diferentes técnicas de clasificación y aprendizaje orientadas al descubrimiento del conocimiento. Se aplican técnicas de minería de datos para obtener relaciones de fiabilidad que informen del interés de los usuarios por cumplimentar de manera rigurosa el cuestionario on-line atendiendo al modo de realizar el mismo. Aunque existen técnicas que nos permiten observar el comportamiento de los usuarios mientras realizan el cuestionario, en este caso se emplean Redes Neuronales Artificiales para predecir el comportamiento de aquellos, atendiendo a variables obtenidas al realizar el cuestionario. La muestra consta de 1.636 participantes de diferentes zonas geográficas y rangos de edad, obtenida al contestar de manera anónima o identificada al cuestionario Inventario Psicológico para el Seguimiento de Talentos Deportivos (IPSETA). Los resultados obtenidos mediante las diferentes técnicas de análisis informan que el género femenino pre#ere realizar el registro en la plataforma para cumplimentar el cuestionario, alcanzando un alto porcentaje de fiabilidad (70%).
+e aim of this study is to analyse a set of data got through an on-line platform, using some ranking and knowledge oriented discovery rules techniques. Data mining techniques are applied to obtain a reliable relationship which can show the interest of the users in order to #ll rigorously the on-line questionnaire attending to the way they do. Although there are programming techniques which allows us to observe the behaviour of users while #lling the survey, current work uses arti#cial neural networks to predict their behaviour, based on variables obtained from the own survey. +e sample is made up of 1,636 participants from di;erent geographical areas and age ranges, obtained anonymously by answering the IPSETA questionnaire which is used for a psychological monitoring of sport talents. +e results obtained using the analysis techniques show that females prefer to register on the platform to #ll the survey, getting a high reliability (70%).
O objetivo deste estudo é analisar um conjunto de dados através de uma plataforma on-line utilizando diferentes técnicas ou regras de descoberta de conhecimento orientado. Técnicas de mineração de dados são aplicados para obter uma relação de con#ança é relatado o interesse dos usuários de forma confiável para o preenchimento do questionário online modo de endereçamento de fazer o mesmo. Embora existam técnicas de programação que nos permite observar o comportamento dos usuários durante a realização da pesquisa, graças às novas ferramentas podem prever o comportamento do mesmo, com base em variáveis obtidas através da realização de questionário. A amostra foi composta por 1.636 participantes de diferentes áreas geográficas e faixas etárias obtidas anonimamente responder o questionário e identificar formas IPSETA Os resultados obtidos pelas diferentes técnicas é relatado que o sexo feminino que você preferir registrar na plataforma para o questionário
Primary author: González Ruiz, Sergio Luis
Gómez-Gallego, I.
Pastrana Brincones, José Luis
Hernández-Mendo, Antonio
Published in: Cuadernos de psicología del deporte, vol. 15, Núm. 1 (2015)
URI: http://hdl.handle.net/10201/44308
Document type: info:eu-repo/semantics/article
Number of pages / Extensions: 10
Rights: info:eu-repo/semantics/openAccess
Appears in Collections:Vol.15, nº 1 (2015)

Files in This Item:
File Description SizeFormat 
223051-787271-1-SM.pdf387,01 kBAdobe PDFThumbnail
View/Open


Items in Digitum are protected by copyright, with all rights reserved, unless otherwise indicated.