Vol. 19 Núm. 2 (2017)
Reporte de caso

RMySQL para el análisis de datos de postulantes e ingresantes del área biomédicas a la Universidad Nacional del Altiplano (Puno, Perú)

Adolfo Carlos Jiménez Chura
Universidad Nacional del Altiplano Puno Perú

Publicado 2017-06-26

Palabras clave

  • estadística,
  • funciones,
  • librerías,
  • procesos de admisión,
  • tecnología

Cómo citar

Jiménez Chura, A. C. . (2017). RMySQL para el análisis de datos de postulantes e ingresantes del área biomédicas a la Universidad Nacional del Altiplano (Puno, Perú). Revista De Investigaciones Altoandinas - Journal of High Andean Research, 19(2), 201-210. https://doi.org/10.18271/ria.2017.279

Resumen

El objetivo fue aplicar RMySQL, dplyr y funciones de graficación de la base de datos de los procesos de admisión de la Comisión Central de Admisión de la Universidad Nacional del Altiplano. Se implementó el código fuente de las funciones que retornan data.frames de las observaciones de la base de datos y funciones para generar los gráficos de forma dinámica tales como ggplot y barplot; se usó summarise, select, group_by, merge, arrange, unique y otras del proyecto R. El resultado indica que el porcentaje de ingresantes, de los procesos de admisión ordinario y extraordinario, en función a la cantidad de postulantes es: el 22.91% ingresan a Medicina, Veterinaria y Zootecnia; el 10.87% a Enfermería; 26.83% a Biología; 2.44% a Medicina Humana; 17.64% a Nutrición Humana y 7.25% a Odontología, comprendidos entre el 17 de marzo del 2013 al 22 de enero del 2017; igualmente, el porcentaje de ingresantes por procedencia de colegio del área urbana y rural se obtuvo que la Escuela Profesional de Biología tiene el mayor porcentaje, 27.52% y 19.48% del área urbana y rural; Medicina, Veterinaria y Zootecnia un 22.87% y 15.53% del área urbana y rural; Nutrición Humana un 18.48% y 8.09% del área urbana y rural; Enfermería un 11.45% y 5.62% del área urbana y rural; Odontología un 7.51% y 3.24% del área urbana y rural; y Medicina Humana un 2.49% y 2.09% área urbana y rural.

 

Referencias

  1. Anchía, R. J. (2010). Aportaciones del software libre R al proceso de investigación psicológica. MISCELANEA COMILLAS, 165-175.
  2. Duque, D. C., Salazar, J. A., Giraldo, L. A., Castro, V. G., y Olivera, A. P. (2012). Prevalecencia de intereses y preferencias profesionales en estudiantes de grado 11 de instituciones educativas públicas de la ciudad de Ibague. Dialnet, 11.
  3. Flores Sánchez, M. (2013). Desarrollo de una aplicación para gráficos de control de procesos industriales. Universidad de la Coruña, España.
  4. Jeroen Ooms, D. J. (26 de agosto de 2016). Database Interface and 'MySQL' Driver for R. Obtenido de https://cran.r-project.org/web/packages/RMySQL/index.html
  5. Kadlec, J., B. S., D. A., y R. G. (2015). Ecological Informatics. ScienceDirect, 19-28.
  6. Mayelín Mirabal Sosa, M. R. (2010). R: una herramienta poco difundida y muy útil para la investigación clínica. Scielo - Revista Cubana de Investigaciones Biomédicas, 4. Obtenido de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-03002010000200012
  7. Mirabal Sosa, M. (30 de abril de 2010). R: una herramienta poco difundida y muy útil para la investigación clínica. Obtenido de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-03002010000200012
  8. Piattini Velthuis, M. G., Martines, E. M., Muñoz, C. C., y Sánchez, B. V. (2006). Tecnología t diseño de base de datos. España: RA-MA EDITORIAL.
  9. Ramos, R., Duque, J., y Nieto, S. (2012). Un análisis de las diferencias rurales y urbanas en el rendimiento educativo de los estudiantes colombianos a partir de los microdatos de Pisa. International Conference on Regional Science, 26.
  10. Rexel, K. P., Gearan, P., y Heather, A. (12 de marzo de 2015). Data Science Survey. Obtenido de http://www.rexeranalytics.com/assets/rexer_analytics_2015_data_miner_survey_summary_report.pdf
  11. RSudio. (20 de enero de 2017). RStudio. Obtenido de https://www.rstudio.com
  12. Salazar, R. A. (2 de mayo de 2017). La educación rural un reto educativo. Obtenido de http://www.docentes.unal.edu.co/lgonzalezg/docs/LaEducacionRuralunRetoEducativo.pdf
  13. Team, R. C. (8 de febrero de 2008). R: A Language and Environment for Statistical Computing.
  14. Tecnológica, G. (08 de julio de 2014). Strata+Hadoop. Obtenido de http://www.gacetatecnologica.com/teradata-amplia-la-capacidad-analitica-del-software-libre-r/
  15. Velasquez, J. D., L. V., y C. Z. (2011). ARNN: Un paquete para la predicción de series de tiempo usando redes neuronales autoregresivas. ResearchGate, 177-181.
  16. Velasquez, J., Montoya, O., y Cataño, N. (2010). ¿Es el proyecto R para la computación estadística apropiado para la inteligencia computacional? Ingeniería y Competitividad, 81-94.
  17. Vilaseca, B. (21 de junio de 2009). La conquista de la vocación profesional. Obtenido de http://borjavilaseca.com/la-conquista-de-la-vocacion-profesional/
  18. Wickham, H. (24 de junio de 2016). A Grammar of Data Manipulation. Obtenido de https://cran.r-project.org/web/packages/dplyr/dplyr.pdf
  19. Wickham, H., y Francois, T. (13 de febrero de 2017). Package dplyr. Obtenido de https://cran.r-project.org/web/packages/dplyr/dplyr.pdf