This paper describes the application of Data Science and Educational Data Mining techniques to data from 4529 students, seeking to identify behavior patterns and generate early predictive models at the Universidad de la República del Uruguay. The paper describes the use of data from different sources (a Virtual Learning Environment, survey, and academic system) to generate predictive models and discover the most impactful variables linked to student success. The combination of different data sources demonstrated a high predictive power, achieving prediction rates with outstanding discrimination at the fourth week of a course. The analysis showed that students with more interactions inside the Virtual Learning Environment tended to have more success in their disciplines. The results also revealed some relevant attributes that influenced the students’ success, such as the number of subjects the student was enrolled in, the students’ mother’s education, and the students’ neighborhood. From the results emerged some institutional policies, such as the allocation of computational resources for the Virtual Learning Environment infrastructure and its widespread use, the development of tools for following the trajectory of students, and the detection of students at-risk of failure. The construction of an interdisciplinary exchange bridge between sociology, education, and data science is also a significant contribution to the academic community that may help in constructing university educational policies.

中文翻译：

---

使用虚拟学习环境数据制定机构教育政策

本文描述了数据科学和教育数据挖掘技术对来自 4529 名学生的数据的应用，旨在识别行为模式并生成乌拉圭大学的早期预测模型。该论文描述了使用来自不同来源（虚拟学习环境、调查和学术系统）的数据来生成预测模型并发现与学生成功相关的最具影响力的变量。不同数据源的组合显示出很高的预测能力，在课程的第四周实现了具有出色辨别力的预测率。分析表明，在虚拟学习环境中进行更多互动的学生往往在他们的学科中取得更多成功。结果还揭示了一些影响学生成功的相关属性，例如学生就读的科目数量、学生母亲的教育以及学生所在的社区。从结果中出现了一些制度政策，例如为虚拟学习环境基础设施分配计算资源及其广泛使用，开发跟踪学生轨迹的工具，以及检测有失败风险的学生。构建社会学、教育学和数据科学之间的跨学科交流桥梁也是对学术界的重大贡献，可能有助于构建大学教育政策。和学生区。从结果中出现了一些制度政策，例如为虚拟学习环境基础设施分配计算资源及其广泛使用，开发跟踪学生轨迹的工具，以及检测有失败风险的学生。构建社会学、教育学和数据科学之间的跨学科交流桥梁也是对学术界的重大贡献，可能有助于构建大学教育政策。和学生区。从结果中出现了一些制度政策，例如为虚拟学习环境基础设施分配计算资源及其广泛使用，开发跟踪学生轨迹的工具，以及检测有失败风险的学生。构建社会学、教育学和数据科学之间的跨学科交流桥梁也是对学术界的重大贡献，可能有助于构建大学教育政策。以及发现有失败风险的学生。构建社会学、教育学和数据科学之间的跨学科交流桥梁也是对学术界的重大贡献，可能有助于构建大学教育政策。以及发现有失败风险的学生。构建社会学、教育学和数据科学之间的跨学科交流桥梁也是对学术界的重大贡献，可能有助于构建大学教育政策。