Análisis de clúster de universidades ecuatorianas según su posicionamiento en el ranking mundial.
Resumen
El análisis de rankings de universidades y sus variables, ayuda a tomar decisiones a nivel ministerial dentro de cada país, resultando necesario la agrupación de estas instituciones en clústeres que maximicen la homogeneidad intra-grupos y la heterogeneidad inter-grupos, para la toma de decisiones. El objetivo fue conformar los clústeres de las 65 universidades ecuatorianas, según el posicionamiento de las variables que conforman el ranking mundial de estas. Fue un estudio observacional, retrospectivo, transversal y analítico, utilizando las k-medias e hipótesis mediante el ANOVA. Como resultado se conformaron tres clústeres de universidades ecuatorianas, según su posicionamiento en el ranking mundial. Se concluye que mediante el clustering se agruparon satisfactoriamente las universidades de Ecuador para una mejor toma de decisiones.
Citas
Aguillo Caño, Isidro F. (2021a). Ranking Web de Universidades. Madrid. España: Laboratorio de Cibermetría. Recuperado de: https://www.webometrics.info/es/Latin_America_es/Ecuador
Aguillo Caño, Isidro F. (2021b). Ranking Web de Universidades. Madrid. España: Laboratorio de Cibermetría. Recuperado de: http://www.webometrics.info/en/Methodology
Alayon Ricardo A., Moncada Diego A., Medina Victor H., y Rodríguez Jorge E. (2020). Estimación de rendimiento académico a través de técnicas para minería de datos. Sistemas, Cibernética e Informática. 17(1), 90-95.
Consejo de Educación Superior. (2021). Misión, visión y objetivos. (Internet). Recuperado de: https://www.ces.gob.ec/?page_id=44
Fontalvo-Herrera, T. J., y Hoz-Granadillo, E. D. L. (2020). Conglomerate method-discriminant analysis-data envelopment analysis to classify and evaluate business efficient. Entramado, 16(2), 46-55.
Gallego, L., & Araque, O. (2019). Variables de influencia en la capacidad de aprendizaje. un análisis por conglomerados y componentes principales.Información tecnológica,30(2), 257-264.
Kakushadze, Z. and Yu, W. (2016b) Factor Models for Cancer Signatures. Physica A 462: 527-559.
Kakushadze, Z. and Yu, W. (2017a) How to Combine a Billion Alphas. Journal of Asset Management 18(1): 64-80.
Kakushadze, Z. and Yu, W. (2017b) Statistical Risk Models. The Journal of Investment Strategies 6(2): 1-40.
Levy Mangin, J. & Varela Mallou, Jesús (2005). Análisis multivariable para las ciencias sociales. Madrid-España. Editorial Pearson Educación.
Martínez-Pérez, Martín Agustín. (2017). Agrupación de patrones en series de tiempo usando una red neuronal autoorganizativa (SOM) para el análisis de concentraciones de SO2. Revista de Ciencias Ambientales y Recursos Naturales. 3(7): 16-24.
Sánchez, P. P. I., Maldonado, C. J., & Velasco, A. P. (2012). Caracterización de las Spin-Off universitarias como mecanismo de transferencia de tecnología a través de un análisis clúster. Revista Europea de Dirección y Economía de la empresa,21(3), 240-254.
Saxena, A., Prasad, M., Gupta, A., Bharill, N., Patel, O. P., Tiwari, A.,... y Lin, C. T. (2017). A review of clustering techniques and developments. Neurocomputing, 267, 664-681.
Secretaría de Educación Superior, Ciencia, Tecnología e Innovación. (2021). Misión / Visión/ Valores/Objetivos. (Internet): Recuperado de: https://www.educacionsuperior.gob.ec/valores-mision-vision/
Supo, J. y Zacarías, H. (2020). Metodología de la investigación científica: Para las Ciencias de la Salud y las Ciencias Sociales. (3ra. Edición). Perú: Editorial Bioestadístico EEDU EIRL.
Vega, V., y Comas, R. (2017). Gestión del cambio y Dirección Estratégica. (1era. Edición). Quito. Ecuador: Editorial El Siglo.
Vintimilla, C., Astudillo-Salinas, F., Severeyn, E., Encalada, L., & Wong, S. (2017). Agrupamiento de K-medias para estimación de insulino-resistencia en adultos mayores de Cuenca. Maskana, 8, 31-39.
