Publicación:
Unificar la información de las bases de datos de la UNIMINUTO mediante minería de datos en el sistema Banner 9.0

Vista sencilla de ítem
dc.contributor.advisorMoreno Cáceres, Norman Darío
dc.contributor.authorBohórquez Jején, Paola Andrea
dc.contributor.authorInfante Martínez, Camilo Andrés
dc.contributor.authorPorras Hurtado, Jeisson Andrés
dc.date.accessioned2021-10-15T16:39:34Z
dc.date.available2021-10-15T16:39:34Z
dc.date.issued2019
dc.description.abstractBanner es el sistema de información académico de la Corporación universitaria minuto de DIOS (UNIMINUTO), sistema que integra un amplio rango de funciones, desde la gestión estratégica de los datos, hasta el procesamiento de los registros. Este software es tendencia mundial a nivel académico, ya que presenta un amplio portafolio de herramientas que se pueden implementar a nivel institucional, contando con soporte a nivel mundial, adicional, este software está implementando en las mejores universidades del mundo. Este software está compuesto de tablas (donde se guarda la información), módulos de procesos (Persona General, historia académica, profesores, programación académica. Etc.). El principal objetivo de este proyecto es unificar la información de las bases de datos de la universidad minuto de DIOS mediante minería de datos, datos que actualmente posee varias bases de datos por cada sede de la universidad, con el trabajo de investigación y aplicación de este proyecto se pretende generalizar y/o consolidar dichas bases unificándolas y a su vez aplicando la ISO27000 y la ISO27001. Durante este proceso se identificaron grandes cantidades de datos que la universidad trabajaba en diferentes bases de datos y a su vez datos que no contaban con la calidad de dato que aplicaba. La información que se maneja en estas bases de datos son las siguientes: Información de estudiantes, docentes, personal administrativo, etc., asegurando que no se pierda información relevante de las bases actuales. Para esto se llevará la ejecución de 5 fase: iniciación, ejecución, transición y cierre, control y monitoreo. Mediante el análisis de información, estructura bases de datos, escribir y probar reglas de migración, aprobar tantas veces sean necesarias, y por último firmar los documentos en las que se encuentran contenidas las reglas de migración. Como primera medida se debe identificar y analizar la información existente en el sistema Banner 8.5 clasificando la información por módulos y ciclos que pueda tener un estudiante, adicional realizar varias pruebas para el cruce y actualización de información del sistema Banner 8.5 a Banner 9.0 identificando las tablas que posee cada una de las bases de datos actuales; contando con el apoyo del personal de tecnología para la extracción de información de cada tabla por módulo.spa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero(a) de Telecomunicacionesspa
dc.description.researchareaSistemas de la Informaciónspa
dc.description.tableofcontents-Marco teórico -Marco legal -Plan de trabajo -Fase de implementación de la propuesta -Migración -Conclusionesspa
dc.format.extent62 Paginasspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repositoriocrai.ucompensar.edu.co/handle/compensar/3347
dc.language.isospaspa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.placeBogotá D.Cspa
dc.publisher.programIngeniería de Telecomunicacionesspa
dc.relation.referencesAlcalá-Fdez, J. F. (2011). KEEL data-mining software tool: Data set repository, integration of algorithms and experimental analysis framework. Gijón, Spain.spa
dc.relation.referencesAmaya, C. G. (17 de Enero de 2013). Welivesecurity. Obtenido de https://www.welivesecurity.com/la-es/2013/01/17/3-tipos-controles-monitoreosgsi/spa
dc.relation.referencesColombia, U. (Marzo de 17 de 2017). Universia Colombia. Obtenido de https://noticias.universia.net.co/educacion/noticia/2017/03/17/1150648/protecci ondatos-personales-universidades-colombianas-importancia-sanciones.htmlspa
dc.relation.referencesDe Souza, J. d. (2018). Data mining and machine learning to promote smart cities: A systematic review from 2000 to 2018. Paraná, Brazil.spa
dc.relation.referencesExcellence, I. (28 de Febrero de 2014). SGSI. Obtenido de https://www.pmgssi.com/2014/02/iso-iec-270102012-gestion-de-seguridad-de-la-informacion-para-lascomunicaciones-inter-sectoriales-e-inter-organizacionales/spa
dc.relation.referencesFunción Pública. (31 de Diciembre de 2008). Obtenido de http://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=34488spa
dc.relation.referencesGaber, M. Z. (2005). Mining data streams. Australia.spa
dc.relation.referencesKrishna Rao, N. M. (2017). Evolution and prediction of radical multi-dimensional e-learning system with cluster based data mining techniques Hyderabad. Indiaspa
dc.relation.referencesLarose, D. (2005). Discovering Knowledge in Data: An Introduction to Data Mining United States. United Statesspa
dc.relation.referencesMendoza, M. Á. (9 de abril de 2015). welivesecurity. Obtenido de https://www.welivesecurity.com/la-es/2015/04/09/backup-empresas-enfoquenormativo/spa
dc.relation.referencesMeqdadi, O. A. (2019). Mining software repositories for adaptive change commits using machine learning techniques Irbid. Amman, Jordanspa
dc.relation.referencesMicrosoft. (s.f.). Obtenido de https://docs.microsoft.com/es-es/sql/analysis-services/datamining/data-mining-concepts?view=sql-server-2017spa
dc.relation.referencesMinisterio de Tecnologías de la Información y las Comunicaciones. (s.f.). Obtenido de (MinTIC) : https://www.mintic.gov.co/portal/604/articles-15049_documento.pdfspa
dc.relation.referencesMishra, M. M. (2013). Problem-base-learning (PBL) for teaching Naïve Bayes classifier module on data mining. Bhilai, Indiaspa
dc.relation.referencesProcuraduria General de la Nación. (s.f.). Obtenido de https://www.procuraduria.gov.co/guiamp/media/file/Macroproceso%20Disciplinar io/L-734-02.htmspa
dc.relation.referencesSegovia, A. J. (s.f.). Advisera. Obtenido de https://advisera.com/27001academy/es/que-es- iso-27001/spa
dc.relation.referencesTecnologia & Informatica. (s.f.). Obtenido de https://tecnologiainformatica.com/vulnerabilidades-informaticas/spa
dc.relation.referencesTurabieh, H. M. (2019). Iterated feature selection algorithms with layered recurrent neural network for software fault prediction. Saudi Arabia, Palestine, Melbourne, Australiaspa
dc.relation.referencesWitten, I. F. (2016). Data Mining: Practical Machine Learning Tools and Techniques University of Waikato. New Zealand, Montrealspa
dc.rightsFundación Universitaria Compensar, 2019spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.sourceFormato PDFspa
dc.subject.proposalSímbolosspa
dc.subject.proposalAbreviaturasspa
dc.subject.proposalISO27002spa
dc.subject.proposalNomenclaturaspa
dc.titleUnificar la información de las bases de datos de la UNIMINUTO mediante minería de datos en el sistema Banner 9.0spa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Unificar la información de las bases de datos de la UNIMINUTO mediante minería de datos en el sistema B.pdf
Tamaño:
1.02 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
14.48 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

ABC. Ingeniería de Telecomunicaciones