Algoritmos de clasificación y redes neuronales en la observación automatizada de registros

• S.L. González-Ruiz ^[1] ; I. Gómez-Gallego ^[1] ; J.L. Pastrana-Brincones ^[1] ; A. Hernández-Mendo ^[1]
  1. [1] Universidad de Málaga

     Universidad de Málaga

     Málaga, España

     
• Localización: Cuadernos de psicología del deporte, ISSN-e 1989-5879, ISSN 1578-8423, Vol. 15, Nº. 1, 2015, págs. 31-40
• Idioma: español
• DOI: 10.4321/s1578-84232015000100003
• Títulos paralelos:
  • Algoritmos de classificação e redes neurais em registros de observação automatizados
  • Classification algorithms and neural networks in automated observation records
• Enlaces
  • Texto completo
• Dialnet Métricas: 5 Citas
• Resumen
  • español

    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%)

  • English

    The 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 all 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 filling the survey, current work uses artificial 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 all the survey, getting a high reliability (70%).

  • português

    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

• Referencias bibliográficas
  • Agrawal, R., Imielinski, T. y Swami, A. (1993). Mining Association Rules between Sets of Items in Large Databases. In Proceedings of the 1993...
  • Anguera, M.T., Camerino, O., Castañer, M. y Sánchez-Algarra, P. (2014). Mixed methods en la investigación de la actividad física y el deporte....
  • Carlbring, P., Brunt, S., Bohman, S., Austin, D., Richards, J., Ost, L. y Andersson, G. (2007). Internet Vs paper and pencil administration...
  • Chung J.H., Des Roches C.M., Meunier J. y Eavey, R.D. (2005). Evaluation of noise-induced hearing loss in young people using a webbased survey...
  • Flórez R., y Fernández J.M., (2008). Las Redes Neuronales Artificiales, fundamentos teóricos y aplicaciones prácticas. Serie Metodología y...
  • Galushkin, A.I. (2007). Neural networks theory. New York: Springer.
  • Gervilla, E., Cajal, B., Jiménez, R. y Palmer, A. (2010). Estudio de los factores asociados al uso de sustancias en la adolescencia mediante...
  • Gervilla, E., Jiménez, R., Montaño, J.J., Sesé, A., Cajal, B. y Palmer, A. (2009). La metodología del Data Mining. Una aplicación al consumo...
  • González-Ruiz, S. L., Hernández-Mendo, A., Pastrana-Brincones, J.L. (2010). Herramienta software para la evaluación psicosocial de deportistas...
  • Gosling, S.D., Vazire, S., Srivastava, S. y John, O.P. (2004). Should we trust web-based studies? A comparative analysis of six preconceptions....
  • Hand, D., Mannila, H. y Smyth, P. (2001). Principles of Data Mining. Cambridge, MA: The MIT Press.
  • Holländare, F., Andersson, G. y Engström, I. (2010). A Comparison of psychometric properties between internet and paper versions of two depression...
  • Hedman, E., Ljótsson, B., Rück, C., Furmark, T., Carlbring, P., Lindefors, N. y Andersson, G. (2010). Internet administration of self-report...
  • Hilera, J.R. y Martínez, V.J. (1995). Redes Neuronales Artificiales. Madrid: RA-MA.
  • López, C.P. (2007). Minería de datos: técnicas y herramientas. Madrid: Paraninfo.
  • Montaño, J.J., Gervilla, E., Cajal, B. y Palmer, A. (2014). Data mining classification techniques: an application to tobacco consumption in...
  • Muhlenfeld, H. U. (2005). Dijferences between "talking about" and "admitting" sensitive behaviour in anonymous and non-anonymous...
  • Nielsen, T.A., Stenstrom, P. y Levin R. (2006). Nightmare Frequency as a Function of Age, Gender, and September 11. Findings From an Internet...
  • Palma, C., Palma, W. y Pérez., R. (2009). Data Mining. El arte de anticipar. 10 casosreales. Santiago de Chile: RIL Editores.
  • Pérez, M., Labiano, M. y Brusasca, C. (2010). Escala de deseabilidad social: análisis psicométrico enmuestra argentina. Evaluar, 10, 53-67.
  • Rodriguez, J.E. (2008). Minería de datos para la determinación del grado de exclusión social. Colombia Vínculos, 5(1), 23-31.
  • Romeo, M., Codina, N., Yepes-Baldó, M., Pestana, J.V. y Guardia, J. (2013). Data mining and mall users profile. Universitas Psychologica,...
  • Sancesario, L.A. (2012). La minería de datos como herramienta novedosa para el estudio de contrarios en el deporte. Lecturas: EF y Deportes....
  • Stieger, S. y Reips, U. (2010). What are participants doing while filling in an on-line questionnaire: A paradata collection tool and an empirical...
  • Vieira, L.P., Ortíz, L.I. y Ramírez, S.S. (2009). Introducción a la Minería de Datos. Rio de Janeiro: E-papers.
  • Witten, I.H. y Frank, E. (2005). Data Mining: Practical Machine Learning Tools and Techniques (2nd. ed.). San Francisco: Morgan Kaufmann.
  • Witten, I.H., Frank, E., Trigg, L., Hall, M., Holmes, G. y Cunningham, S.J. (1999). WEKA: Practical machine learning tools and techniques...
  • Yubelly-García, S. (2005). InventarioPsicologico para el Seguimiento de Talentos Deportivos IPSETA. Bogota: Rendimiento Óptimo.