3. desarrollo del cubo de datos aplicado a la

Especificación Formal de Cubos de Datos Aplicados a la Administración de las Actividades Docentes

Instituto Tecnológico de Colima 35

3. Desarrollo del cubo de datos aplicado a la

administración de las actividades docentes.

3.1 Introducción.

En este apartado se llevará a cabo el análisis del sistema; el cual inicia con la

información que dio origen a este proyecto, enseguida se expone el modelo

conceptual en el cual se muestra el flujo que irá sufriendo la información a través

de cada uno de los pasos para ir formando el cubo de datos, posteriormente

vienen los requerimientos del sistema en donde se especifica la información que

se espera obtener del cubo de datos. Además del Modelo propuesto para la

especificación formal de base de datos multidimensionales. También incluye el

diseño arquitectónico y físico del cubo de datos. Contiene además un caso de

estudio donde se muestra la generación del cubo de datos a través de

instrucciones en el lenguaje SQL utilizando el Modelo propuesto, así como el

análisis de los resultados obtenidos.

3.2 Análisis del sistema.

En todos los Institutos Tecnológicos a nivel nacional, existen departamentos

académicos que administran las carreras que se ofertan, en cada uno de ellos

existe la Jefatura de Docencia que gestiona información tal como:

Dosificaciones de las materias.

Instrumentaciones didácticas.

Proyectos en horas de apoyo a la docencia.

De los docentes:

o Nombres de éstos,

o Número de horas que laboran.

o Nombres de las materias que imparten,

o Horarios de las materias,



o Aulas donde se imparten.

Listas de calificaciones.

Índices de aprobación y reprobación.

Actualmente no existe un sistema automatizado que permita hacer un registro de

datos y posteriormente obtener información, como la que hoy se requiere para

poder hacer un análisis de los factores que influyen en los índices de reprobación.

La información que hoy se requiere puede ser entre otra:

Estadísticas de aprobación, reprobación y deserción desglosadas por:

o Docente.

o Docente y hora de la clase,

o Docente y semestre,

o Docente y carrera,

o Carrera.

Además no es posible obtener información de histórica de semestres anteriores.

En el Plan Nacional de Desarrollo 2013-2018, se estipula el Indicador VII.3.2.

Eficiencia terminal, el cual mide el porcentaje de alumnos que logra concluir sus

estudios de manera oportuna en cada nivel educativo, de acuerdo con la duración

formal promedio establecida en los programas (6 años en primaria, 3 en

secundaria, 3 en media superior y 5 en superior).

Este indicador refleja los impactos de los índices de reprobación y deserción

escolar a lo largo del Sistema Educativo (educación básica, media superior y

educación superior). Muestra la capacidad del Sistema Educativo para avanzar en

el mejoramiento del flujo escolar. En la medida en que el indicador sea más alto,

se manifestará un manejo más eficiente y efectivo de los recursos destinados a la

educación.



Tabla 4 Comportamiento histórico.

El Plan Nacional de desarrollo menciona el índice de reprobación como un factor

que impacta en la eficiencia terminal, por lo que la disminución de los índices de

reprobación son primordiales para alcanzar o superar las metas establecidas que

son del 71.2% de eficiencia terminal.

Factores 2010/2011 2011/2012 2012/2013 e/

Eficiencia terminal Primaria 94.9% 95.1% 96.0%

Eficiencia terminal Secundaria 83.3% 84.1% 84.5%

Eficiencia terminal Media Superior 62.2% 61.3% 63.3%

Eficiencia terminal Superior 71.2% 71.2% 71.1%

e/ Cifras estimadas.



3.2.1 Modelo conceptual.

El esquema multidimensional propuesto en la Figura 4, muestra como a partir de

la información, de las diferentes jefaturas de docencia de los departamentos

académicos y del SIITEC14, ésta va sufriendo transformaciones; seleccionando

registros, filtrándose por diferentes criterios, particionándose en caras y capas

(pasos 1 y 2), para luego agruparlos, ordenarlos y agregarlos dentro de cada una

de las capas del cubo (paso 3), para al final procesar la información almacenada y

llevar a cabo las consultas del cubo de datos (paso 4).

14 Sistema de Información Integral del Instituto Tecnológico de Colima.

Figura 4 Big Picture del esquema multidimensional propuesto.



3.2.2 Requerimientos del sistema.

En este punto se considera la información que se puede obtener del cubo de datos

para evaluar los aspectos por los cuales existe reprobación de alumnos en cada

una de las materias que cursa durante su estancia en el Instituto, tomando

solamente en cuenta los índices de aprobación y reprobación y va desde:

Materias con mayor índice de reprobación

Horarios con mayor índice de reprobación

Docentes con mayor índice de reprobación

Variables asociadas con el alumno:

- Estado civil.

- Situación laboral (Si tienen algún trabajo).

- Sexo.

- Lugar de procedencia (Local o foráneo).

- Beca (si el alumno cuenta con algún apoyo).

- Si cuentan con alguna carrera anterior.

Variable asociada a la materia:

- Horario.

Toda esta información puede ser obtenida desde el punto de vista de cada una de

las dimensiones que contendrá el cubo propuesto:

Docentes,

Tiempo,

Departamento,

Carrera y

Materia



3.3 Modelo para la especificación formal de bases de datos

multidimensionales.

El Modelo propuesto para la especificación formal de Cubos de Datos (Fletes

Gudiño & Farías Mendoza, 2014) está formado por el siguiente quíntuple de datos:

MCD15 = (C, OAT, OPAT, PR, OBD)

En donde:

C = {campos ordinales, campos cuantitativos, dimensiones, mediciones} son los

conceptos básicos.

OAT = {A, B, C, P, Q, R} son los operandos del algebra de tablas.

OPAT = {+, X, /} son los operadores del álgebra de tablas.

PR = {Filtro, Fila (i), Columna (j), Capa (k)} son los predicados.

OBD = {Agregados, dim, SUM, AVG} Operadores de la Base de Datos.

Este modelo propuesto consiste en un formalismo basado en un álgebra de tablas

que captura la estructura de las tablas en Modelo Relacional y realiza la

conversión de estas a un formato de Cubos de datos.

El modelo maneja campos ordinales y cuantitativos para representar campos de

dimensiones y campos con valores o de agregado respectivamente.

Adicionalmente también utiliza los operadores del álgebra de tablas para

seleccionar, particionar en capas y caras, agrupar, ordenar y agregar registros.

3.3.1 Flujo de datos en el modelo MCD.

El formalismo debe ser compatible con la gama completa de posibles

transformaciones de datos en un lenguaje de consulta como SQL, incluyendo los

15 Modelo de Cubo de Datos



operadores relacionales comunes: selección, filtrado, agrupación, agregación y

clasificación. Se puede demostrar que cualquier consulta definida en SQL se

puede expresar como una especificación en el modelo MCD.

En esta propuesta los campos medida se agregan mientras que los campos de

dimensión se insertan en un estatuto GROUP BY, con campos de dimensiones

adicionales especificados en el nivel de detalle. Cada dimensión también puede

ser ordenada, y las diferentes funciones de agregación se pueden asociar a cada

medida y estas opciones pueden ser elegidas. También hay un filtro que

representa los elementos en la cláusula WHERE. Por último, también se exponen

los cálculos generales y joins.

Tomando como referencia la Figura 4 se puede mostrar el flujo de datos utilizando

el modelo MCD. A continuación se explican a detalle cada uno de los pasos

mostrados en la figura antes mencionada, a través del modelo MCD.

Paso 1. Selecciona registros de la BD filtrando por criterios definidos por el

usuario. La primera fase del flujo de datos recupera registros de la base de datos,

aplicando filtros definidos por el usuario para seleccionar subconjuntos de datos.

Para un campo ordinal A, el usuario puede especificar un subconjunto del dominio

del campo como si filtro(A) es un subconjunto seleccionado por el usuario.

Entonces un predicado relacional expresando el filtro para A es:

A in filtro (A)

Para un campo cuantitativo P, El usuario puede definir un subconjunto del domino

del campo como válido si min(P) y max(P) son extensiones definidas por el usuario

del subconjunto. El predicado relacional que expresa el filtro para P es:

(P ≥ min (P) and P ≤ max (P))



Podemos definir el predicado relacional filtro como una conjunción de todos los

filtros de los campos individuales. Entonces la primera etapa de la red de

transformación de datos es equivalente a la siguiente declaración en SQL:

SELECT *

WHERE {filtros}

Es posible dentro del formalismo completo definir un filtrado más sofisticado, tal

como filtros del producto cruz de campos múltiples o filtros con dependencias de

ordenamiento.

Paso 2. Particiona los registros en capas y caras: La segunda fase de las

particiones del flujo de datos de los registros recuperados en grupos corresponden

a cada panel en la tabla. La tabla se divide en filas, columnas y capas

correspondientes a las entradas de estos conjuntos de datos.

Los valores ordinales en cada entrada establecidos definen los criterios por los

cuales los registros se ordenarán en cada fila, columna y capa. Dada la Fila (i)

será el predicado que representa los criterios de selección para la fila i-ésima, la

Columna (j) será el predicado de la columna j-ésima, y la Capa (k) el predicado

para la k-ésima capa. Por ejemplo, si el eje Y de la tabla está definida por el

conjunto normalizado:

{a1b1P, a1b2P, a2b1P, a2b2P}

Hay cuatro filas de la tabla, cada uno definido por una entrada en este grupo, y la

fila se definiría como:

Fila (1) = (A = a1 and B = b1)

Fila (2) = (A = a1 and B = b2)

Fila (3) = (A = a2 and B = b1)

Fila (4) = (A = a2 and B = b2)



Dadas estas definiciones, los registros en que se divide el panel es la intersección

de la fila i-ésima y la columna j-ésima, y la capa k-ésima se pueden recuperar con

la siguiente consulta:

SELECT *

WHERE {Fila (i) and Columna (j) and Capa (k)}

Paso 3. Agrupa, ordena y agrega las relaciones dentro de cada cara: La última

fase del flujo de datos es la transformación de los registros en cada panel. Si la

especificación visual incluye la agregación, entonces cada medida en el esquema

de base de datos debe ser asignado a un operador de agregación.

Por ejemplo, si la base de datos contiene los campos cuantitativos ganancias,

ventas y nómina, y el usuario ha especificado de forma explícita que el promedio

de ventas debe ser calculado, entonces los agregados se definen como:

Agregados = SUM(Ganancias), AVG(Ventas), SUM(Nómina)

Los Filtros de los campos de agregados por ejemplo, SUM (Ganancias) > 500, no

se pudieron evaluar en el Paso 1 con todos los otros filtros, porque los agregados

aún no se habían calculado. Por lo tanto, los filtros se deben aplicar en esta fase.

Definimos los filtros predicados relacionales como en el paso 1 para los campos

no agregados.

Además, se definen las siguientes listas:

G: Los nombres de campo en la plataforma de agrupación,

S: Los nombres de campo en la plataforma de clasificación, y

Dim: Las dimensiones en la base de datos.

La transformación necesaria se puede expresar por la sentencia SQL:

SELECT {dim}, {agregados}

GROUP BY {G}



HAVING {filters}

ORDER BY {S}

Si los campos agregados no se incluyen en la especificación, entonces la

transformación restante simplemente ordena los registros en orden:

SELECT *

ORDER BY {S}



3.4 Diseño.

Debido a que la propuesta del modelo MCD genera un esquema de un cubo de

datos para la explotación de información en la jefatura de la docencia a través de

una especificación formal, tomando como entrada información de la jefatura de

docencia y del SIITEC. En la Figura 5 se muestra el esquema multidimensional

donde se especifican cada una de las dimensiones propuestas, así como las

medidas de la tabla de hechos.

Con este esquema la intención es tener un cubo de datos para almacenar la

información de los índices de reprobación de las materias y así tener la capacidad

de obtener información para:

Analizar índices de reprobación (por departamento, carrera, materia,

semestre, docente, horario de clase).

Figura 5 Modelo Multidimensional.



Prever con anticipación problemas en base a la información proporcionada

(por ejemplo, horarios con mayor índice de aprobación o reprobación).

Diseñar estrategias que nos permite elevar los índices de eficiencia

terminal.

Para el desarrollo de este proyecto las actividades objeto del análisis serían: los

índices de aprobación, reprobación, número de alumnos por grupo y horario de la

clase. La información registrada por ejemplo sería la siguiente:

Nombre del departamento “Sistemas y Computación, Carrera “Ing. Sistemas

Computacionales”, Materia “Programación básica”, Docente “Aguilar Andrade

Javier”, Semestre “ene-jun 2013”, índice de aprobación 95, índice de reprobación

5, número de alumnos 42, hora “7:00-8:00”.

La estructura del almacén consta de 5 dimensiones en la Figura 6 se pueden

visualizar.

Figura 6 Modelo Conceptual multidimensional.



En un esquema multidimensional se representa una actividad que es objeto de

análisis (hecho) y las dimensiones que caracterizan la actividad. La información

relevante sobre el hecho (actividad) se representa por un conjunto de indicadores

(medidas o atributos de hecho), en el caso de la figura anterior son cada uno de

los atributos de la tabla Grupo que se muestran como medidas.

La información descriptiva de cada dimensión se representa por un conjunto de

atributos (atributos de dimensión), en la figura anterior es la información de cada

una de las tablas; Departamento, Carrera, Materias, Docente y Tiempo. Estas

tablas se relacionan con la tabla Grupo a través de la clave múltiple.

3.4.1 Diseño arquitectónico.

La propuesta del diseño va más allá de la información mostrada en el apartado

anterior (3.4 Diseño). A la tabla de hechos GRUPO se propone que contenga

además de los atributos ya mencionados (Índice de aprobación, índice de

reprobación, número de alumnos y horario de la materia), otros adicionales que

complementan la información anterior, con estos datos adicionales nos da la

posibilidad de extraer información desde diferentes puntos de vista. En la Figura 6

se muestra el modelo conceptual multidimensional del esquema propuesto. En el

siguiente apartado se especifican todos los atributos de cada una de las

dimensiones y de la tabla de hechos.



3.4.2 Diseño físico del cubo de datos.

Tomando como referencia el modelo conceptual multidimensional de la Figura 6,

el diseño propuesto se muestra en el siguiente diagrama E-R.

Figura 7 Diagrama de E-R del Cubo de datos.

La descripción de los atributos de cada una de las tablas, se pueden encontrar en

el Anexo E.

CARRERAS

ID_CARRERA

NOMBRE

DEPARTAMENTOS

CVE_DEPTO

NOMBRE

DOCENTES

CVE_DOCENTE

NOMBRE

GRUPOSCVE_DEP

CVE_CARRERA

GRUPO

CVE_MATERIA

CVE_DOCENTE

CVE_TIEMPO

NO_ALUMNOS

NO_ALUMNOS_AP

NO_ALUMNOS_REP

P_ALUMNOS_AP

P_ALUMNOS_REP

NO_AL_LOCALES

P_AP_LOCALES

P_REP_LOCALES

NO_AL_FORANEOS

P_AP_FORANEOS

P_REP_FORANEOS

NO_AL_BECADOS

P_AP_BECADOS

P_REP_BECADOS

NO_AL_NO_BECADOS

P_AP_NO_BECADOS

P_REP_NO_BECADOS

NO_AL_TRABAJAN

P_AP_TRABAJAN

P_REP_TRABAJAN

NO_AL_NO_TRABAJAN

P_AP_NO_TRABAJAN

P_REP_NO_TRABAJAN

NO_AL_CON_CARRERA

P_AP_CON_CARRERA

P_REP_CON_CARRERA

NO_AL_SIN_CARRERA

P_AP_SIN_CARRERA

P_REP_SIN_CARRERA

NO_AL_SOLTEROS

P_AP_SOLTEROS

P_REP_SOLTEROS

NO_AL_CASADOS

P_AP_CASADOS

P_REP_CASADOS

NO_MUJERES

P_AP_MUJERES

P_REP_MUJERES

NO_HOMBRES

P_AP_HOMBRES

P_REP_HOMBRES

HORARIO_INICIO

HORARIO_FIN

FECHA

MATERIAS

CVE_MATERIA

NOMBRE

TIEMPO

CVE_TIEMPO

PERIODO



3.5 Caso de estudio.

Debido a que no se pudo obtener información del SIITEC (ni datos, ni estructura

de la base de datos del sistema), la única opción que se pudo obtener fue a partir

del acta de calificaciones (Anexo D) que emite el SIITEC, a la cual tienen acceso

cada uno de los docentes, puesto que son las actas que entregan a la Jefatura de

docencia de los departamentos académicos al final de cada semestre.

Tomando como base este reporte y teniendo como objetivo que el cubo de datos

contenga la información representada en la Figura 7, se elaboró un diseño Figura

8 al que se le llamó esquema relacional de docencia. Es este diseño el punto de

inicio que se tomó para la demostración formal de los pasos de MCD que genera

el cubo de datos antes mencionado.

ALUMNOSNO_CONTROL

NOMBRE

SEXO

LOCAL

BECADO

TRABAJA

CARRERA

EDO_CIVIL

CARRERASId_carrera

nombre

Id_dpto

DEPARTAMENTO

iddepartamento

nombre

DET_GRUPOSNO_GRUPO

PERIODO

NO_CONTROL

CALIFICACION

OPORTUNIDAD

FECHA

GRUPOSNO_GRUPO

ID_CARRERA

ID_MATERIA

HORA_INICIO

HORA_FIN

ID_DOCENTE

FOLIO

PERIODO

FECHA

NO_ALUMNOS

MATERIAS

idmateria

nombre

PERSONAL

idpersonal

NOM_DOC

Figura 8 Esquema Relacional de docencia.



Select G.No_Grupo, G.Id_Carrera, G.Id_Materia, G.Id_Docente,

G.Periodo, D.Iddepartamento, G.No_Alumnos

From Grupos G join Det_Grupos DG on G.No_Grupo = DG.No_Grupo

join Alumnos A on DG.No_control = N.No_Control

Join Carreras C on G.Id_Carrera = C.Id_Carrera

Join Departamento D on C.Id_Dpto = D.Iddepartamento

Group By G.No_Grupo, G.Fecha

La descripción de los atributos de cada una de las tablas, se pueden encontrar en

el Anexo F.

El siguiente caso muestra como a partir del esquema relacional de la Figura 8 y

utilizando el Modelo MCD se llega al Cubo de datos de la Figura 7.

En el código de la Tabla 5 se visualiza la generación del número de alumnos de

la tabla de hechos (aquí se obtiene además, la clave del grupo, las claves de las

dimensiones de (Carrera, Materia, Docente, Tiempo y Departamento).

Utilizando el modelo MCD propuesto, la especificación sería de la manera

siguiente:

Select A1, A2, A3, A4, P1, A5, P2

From Grupos G / Det_Grupos DG / Alumnos A / Carreras C /

Departamento D

Group By A1, P3,

Donde:

A1 = G.No_Grupo A4 = G.Id_Docente P2 = G.No_Alumnos

A2 = G.Id_Carrera P1 = G.periodo P3 = G.Fecha

A3 = G.Id_Materia A5 = D.Iddepartamento

Tabla 5 Código 1 en SQL



Select G.No_Grupo, G.Id_Carrera, G.Id_Materia, G.Hora_inicio,

G.Hora_fin, G.Id_Docente, G.Fecha, G.Periodo, Iddepartamento,

Count (*), Count (*)/G.No_Alumnos

From Grupos G join Det_Grupos DG on G.No_Grupo = DG.No_Grupo

join Alumnos A on DG.No_control = N.No_Control

Join Carreras C on G.Id_Carrera = C.Id_Carrera

Join Departamento D on C.Id_Dpto = D.Iddepartamento

Group By G.No_Grupo, G.Fecha

Having DG.Calificacion >= 70

En el código de la Tabla 6 se visualiza la generación de la tabla de hechos, aquí

se obtiene solamente la clave del grupo, las claves de las dimensiones de

(Carrera, Materia, Docente, Tiempo y Departamento), la hora de inicio, hora de fin

de la clase, el número y porcentaje de alumnos aprobados.

Utilizando instrucciones de SQL se muestra como se generan los atributos de

dimensiones y las medidas de la tabla GRUPOS del cubo de datos:

Utilizando el modelo MCD propuesto, la especificación sería de la manera

siguiente:

Select A1, A2, A3, P1, P2, A4, P3, P4, A5, Q1, Q2


Departamento D

Group By A1, P3,

Having Filtro1

Donde:

A1 = G.No_Grupo A4 = G.Id_Docente Q1 = COUNT (*)

A2 = G.Id_Carrera P3 = G.Fecha Q2 = COUNT (*) / P5

A3 = G.Id_Materia P4 = G.periodo Filtro1 = {DG.Calificacion >= 70}

P1 = G.Hora_inicio P5 = G.No_Alumnos

Tabla 6 Código 2 en SQL



P2 = G.Hora_fin A5 = G.Iddepartamento

y G, DG, A, C y D son variables tupla o alias de las tablas Grupos, Det_Grupos,

Alumnos, Carreras y Departamento respectivamente. Se visualiza en esta consulta

que se genera:

La dimensión Departamentos con el atributo D.Iddepartamento,

La dimensión Carreras con el atributo G.Id_Carrera,

La dimensión Materias con el atributo G.Id_Materia,

La dimensión Docentes con el atributo G.Id_Docente y

La dimensión Tiempo con el atributo G.periodo.

Para obtener los atributos No_alumnos_Rep y P_Alumnos_Rep, el filtro se

cambiaría a:

Filtro1 = {DG.Calificacion < 70}

Para obtener los atributos No_Al_Locales, P_Ap_Locales y P_Rep_Locales, el

filtro sería:

Filtro1 = {DG.Calificacion >= 70 and A.Local = ‘L’} y

Q1 = COUNT (*)

Q2 = COUNT (*)/P5

Q3 = 100 – Q2 y se añadiría al Select

Para obtener los atributos No_Al_Foraneos, P_Ap_Foraneos y P_Rep_Foraneos,

el filtro sería:

Filtro1 = {DG.Calificacion >= 70 and A.Local = ‘F’} y

Q1 = COUNT (*)

Q2 = COUNT (*)/P5


Para obtener los atributos No_Al_Becados, P_Ap_Becados y P_Rep_Becados, el

filtro sería:



Filtro1 = {DG.Calificacion >= 70 and A.Becado = ‘S’} y

Q1 = COUNT (*)

Q2 = COUNT (*)/P5


Para obtener los atributos No_Al_No_Becados, P_Ap_No_Becados y

P_Rep_No_Becados, el filtro sería:

Filtro1 = {DG.Calificacion >= 70 and A.Becado = ‘N’} y

Q1 = COUNT (*)

Q2 = COUNT (*)/P5


Para obtener los atributos No_Al_Trabajan, P_Ap_Trabajan y P_Rep_Trabajan, el

filtro sería:

Filtro1 = {DG.Calificacion >= 70 and A.Trabaja = ‘S’} y

Q1 = COUNT (*)

Q2 = COUNT (*)/P5


Para obtener los atributos No_Al_No_Trabajan, P_Ap_No_Trabajan y

P_Rep_No_Trabajan, el filtro sería:

Filtro1 = {DG.Calificacion >= 70 and A.Trabaja = ‘N’} y

Q1 = COUNT (*)

Q2 = COUNT (*)/P5


Para obtener los atributos No_Al_Con_Carrera, P_Ap_Con_Carrera y

P_Rep_Con_Carrera, el filtro sería:

Filtro1 = {DG.Calificacion >= 70 and A.Carrera = ‘S’} y

Q1 = COUNT (*)

Q2 = COUNT (*)/P5




Para obtener los atributos No_Al_Sin_Carrera, P_Ap_Sin_Carrera y

P_Rep_Sin_Carrera, el filtro sería:

Filtro1 = {DG.Calificacion >= 70 and A.Carrera = ‘N’} y

Q1 = COUNT (*)

Q2 = COUNT (*)/P5


Para obtener los atributos No_Al_Solteros, P_Ap_Solteros y P_Rep_Solteros, el

filtro sería:

Filtro1 = {DG.Calificacion >= 70 and A.Edo_Civil = ‘S’} y

Q1 = COUNT (*)

Q2 = COUNT (*)/P5


Para obtener los atributos No_Al_Casados, P_Ap_Casados y P_Rep_Casados, el

filtro sería:

Filtro1 = {DG.Calificacion >= 70 and A.Edo_Civil = ‘C’} y

Q1 = COUNT (*)

Q2 = COUNT (*)/P5


Para obtener los atributos No_Mujeres, P_Ap_Mujeres y P_Rep_Mujeres, el filtro

sería:

Filtro1 = {DG.Calificacion >= 70 and A.Sexo = ‘F’} y

Q1 = COUNT (*)

Q2 = COUNT (*)/P5


Para obtener los atributos No_Hombres, P_Ap_Hombres y P_Rep_Hombres, el

filtro sería:

Filtro1 = {DG.Calificacion >= 70 and A.Sexo = ‘M’} y

Q1 = COUNT (*)



Q2 = COUNT(*)/P5

Q3 = 100 – Q2 y se añadiría al Select.

Con lo anterior expuesto queda especificado de manera formal el cubo de datos,

utilizando el Modelo MCD.



3.5.1 Flujo de datos en la Big Picture.

Para explicar cada uno de los pasos de la figura siguiente, utilizaremos el ejemplo

para la obtención de los datos del modelo relacional al Cubo de datos del apartado

anterior.

Si tenemos la siguiente formalización:



Departamento D

Group By A1, P3

Having Filtro1

Figura 9 Transición en la generación de las dimensiones del Cubo de datos



Donde:

A1 = G.No_Grupo A4 = G.Id_Docente Q1 = COUNT (*)

A2 = G.Id_Carrera P3 = G.Fecha Q2 = COUNT (*) / P5

A3 = G.Id_Materia P4 = G.periodo Filtro1 = {DG.Calificacion >= 70}

P1 = G.Hora_inicio P5 = G.No_Alumnos

P2 = G.Hora_fin A5 = G.Iddepartamento

y G, DG, A, C y D son variables tupla o alias de las tablas Grupos, Det_Grupos,

Alumnos, Carreras y Departamento respectivamente.

Paso 1. Selecciona registros de la BD Filtrando por criterios definidos por el usuario.

Este paso queda definido a través del Filtro1 = {DG.Calificacion >= 70}, en este

caso con el filtro se obtienen el número y porcentaje de alumnos aprobados.

Paso 2. Particiona los registros en capas y caras. En este paso los datos se

agrupan en caras a través de la cláusula:


From Grupos G / Det_Grupos D / Alumnos A / Carreras C / Departamento P

En el Select las variables A5, A3, A2, A4 y P4, determinan las dimensiones de

Departamento, Materia, Carrera, Docente y Tiempo respectivamente.

Relacionando los datos a través de la operación Proyección en la cláusula From.

Paso 3. Agrupa, ordena y agrega las relaciones dentro de cada cara.

En este paso agrupan, ordenan para agregarse en cada cara a través de la

instrucción:





Departamento D

Group By A1, P3

Having Filtro1

Donde cada atributo está definido anteriormente.

El paso 4. Procesa el cubo de datos. Ya con la información almacenada en el Cubo de Datos a través de instrucciones

de SQL se pueden obtener los indicadores que se requieran.



3.6 Análisis de los resultados obtenidos.

El alcance de este proyecto se circunscribe a la utilización del álgebra de tablas

para la especificación formal del cubo de datos a través del modelo MCD, el cual a

través del caso práctico quedó demostrado.

El modelo propuesto nos permite especificar un cubo de datos de tal manera que

nos facilite conocer sus características, alcances y limitaciones, previamente a su

implementación, generando un instrumento que facilite la implementación del

sistema. Esta especificación generada puede ser utilizada para la construcción de

un sistema de cubo de datos a través de las herramientas de programación, que

cumpla con los requerimientos iniciales del sistema.

La especificación formal del cubo de datos nos permite extraer cualquier tipo de

información contenida en el modelo del cubo de datos. Este esquema permite a

los usuarios obtener la información requerida desde diferentes puntos de vista, tal

como se muestra en el caso de estudio (sección 3.5).

3.7 Conclusión.

Después de generar el cubo de datos podemos concluir que a través del análisis y

diseño del sistema, y tomando en cuenta los requerimientos del mismo, podemos

concluir que el modelo MCD propuesto es funcional para la generación de una

estructura multidimensional o cubo de datos.



4. Conclusiones y recomendaciones.

Observando el análisis de los resultados podemos afirmar que cualquier expresión

representada por el lenguaje SQL puede ser especificada formalmente utilizando

el Modelo de Cubo de Datos desarrollado en esta investigación.

Por lo expresado anteriormente se observa que se cumplen los objetivos

planteados inicialmente, en consecuencia queda plenamente aprobada la

hipótesis del trabajo para esta investigación. Dado que a través de las

especificaciones formales del MCD se puede conocer, cual es el comportamiento

(generación de las dimensiones) y características de la información en cada uno

de los pasos en la construcción del cubo de datos.

La importancia de este proyecto radica en la demostración del diseño de un cubo

de datos a través de una especificación formal aplicando el modelo MCD, en este

caso como propuesta de solución para poder tener indicadores de los índices de

reprobación que permitan conocer las causas y poder con información tratar de

abatir estos índices en las diferentes carreras que ofrece el Instituto Tecnológico

de Colima, aumentando por consecuencia la eficiencia terminal de los alumnos.

Además es importante señalar que el esquema multidimensional obtenido es

analítico y capaz de almacenar tanto información actual como histórica, dando la

oportunidad de una administración eficiente de la información derivada de las

actividades docentes y por ende aumentar la competitividad del Instituto.

Para continuar en lo futuro con esta investigación se recomienda:

Utilizar el otro esquema de representación de un cubo de datos como es el

copo de nieve para visualizar las ventajas o desventajas de este enfoque

además,

Incrementar las dimensiones de los cubos, lo cual nos proporciona la

posibilidad de administrar la información de otros tecnológicos agrupados

en regiones geográficas del país.



Utilizar otros lenguajes como el MySql, PostgreSQL para ver sus ventajas,

desventajas en comparación con el SQL Server utilizado en este trabajo.



Bibliografía

Plan Nacional de Desarrollo 2013-2018. (2013). México, D.F.: Gobierno de la

República.

Connolly, T., & Begg, C. (2005). Sistemas de Bases de datos. Madrid: Addison

Wesley.

Dankoand, T., & Skopal, T. (2009). Elliptic Indexing of Multidimensional

Databases. Wellington, New Zealand: Australasian Databases Conference.

De la Herrán Gascón, M. (2004). Red Científica . Recuperado el 28 de Noviembre

de 2013, de http://www.redcientifica.com/oracle/c0001p0005.html

Esch-Bussenmarkers, V., & Cremers, A. (2004). User Walkthrough of Multimodal

Access to Multidimensional Databases. Pennsylvania, USA: ICMI.

Fletes Gudiño, P., & Farías Mendoza, N. (2014). Experiencias de innovación en

educación apoyadas en las TIC. Zapopan, Jalisco: Umbral S.A. de C.V.

Gascueña, G. (2011). Diseño de Base de datos Multidimensionales Espaciales.

Académica Española.

Hsiao, T., Wo-Shun, L., & Petchulat, S. (2011). Data Visualization on Web-based

OLAP. Glasgow,Scotland, UK: DOLAP'2011.

Lafon, S., Bouali, F., Guinot, C., & Venturini, G. (2013). Hierarchical

Reorganization of Dimensions in OLAP Visualizations. Francia: IEEECS.

Liang, W., Orlowska, M., & Yu, J. (2000). Optimizing Multiple Dimensional Queries

Simultaneously in Multidimensional Databases. VLDB Journal.

Mansmann, S., & Scholl, M. H. (2007). Exploring OLAP Aggregates with

Hierarchical Visualization Techniques. Seoul, Korea: SAC'07.



Ordonez, C., & Chen, Z. (2009). Exploration and Visualization of OLAP Cubes with

Statical Test. París, Francia: VAKD'09.

Ordonez, C., Chen, Z., & García-García, J. (2011). Interactive Exploration and

Visualization of OLAP. Glasgow, Scotland, UK: DOLAP'11.

Piringer, H., Buchetics, M., Hauser, H., & Gröller, E. (2009). Hierarchical Difference

Acatterplots. París, Francia: VAKD'09.

Pitarch, Y., Laurent, A., & Poncelet, P. (2009). A Conceptual Model For Hamdling

Personalized Hierarchies in Multidimensional Databases. Lyon, France:

MEDES.

Ramos, S. (2011). Microsoft Business Intelligent : vea el cubo medio lleno. SolidQ

Press.

Santa Cruz Ramos. (s.f.). wikispaces.com. Recuperado el 22 de marzo de 2014,

de

http://santacruzramos.wikispaces.com/1.2+Bases+de+datos+multidimensio

nales+%28BDM%29.

Seng, P., & Habibollah, H. (2013). Cube Kohonen Self-Organizing. Malaysia: IEEE

Transactions onNeural Networks and Learning Systems Vol.24.

Silberschatz, A., Korth, h. F., & Sudarshan, S. (2002). Fundamentos de Bases de

datos. España: McGraw-Hill.

Stolte, C., Tang, D., & Hanrahan, P. (2006). Polaris: A System for Query, Analysis

and Visualization of Multidimensional Databases. ACM.

Stolte, C., Tang, D., & Hanrahan, P. (s.f.). Polaris: A System for Query.

Takama, Y., & Yamada, T. (2009). Visualization Cube: Modeling Interaction for

Exploratory Data Analysis of Spatiotemporal Trend Information. Tokyo,

Japan: IEEE/WIC/ACM.



Thomsen, E. (2002). OLAP Solutions Building Multidimensional Information

Systems. EU: John Wiley & Sons, Inc.

Utley, C. (2011). Analysis Services Aggregations. The Solidq Journal Business

Intelligence.

Yaghmaie, M., Bertossi, L., & Ariyan, S. (2012). Repair-Oriented Relational

Schemas for Lultidimensional Databases. Berlín, Alemania: EDBT.

Zhao, B., Lin, x., Ding, B., & Han, J. (2011). TEXeplorer: Keyword-based Object

Search and Exploration in Multidimensional Text Databases. Glasgow,

Scotland, UK: CIKM.



Anexo A Planeación del curso.

Nombre del formato: Formato para la Planeación del Curso y Avance Programático

Código: SNEST-AC-PO-004-01

Revisión: 5

Referencia a la Norma ISO 9001:2000 7.1, 7.2.1, 7.5.1, 7.6, 8.1, 8.2.4

Página 66 de 86

66

INSTITUTO TECNOLÓGICO DE COLIMA

SUBDIRECCIÓN ACADÉMICA

DEPARTAMENTO DE SISTEMAS Y COMPUTACIÓN

PLANEACION DEL CURSO Y AVANCE PROGRAMÁTICO DEL PERIODO ENERO - JUNIO ‘14

MATERIA: HT HP CR No. DE UNIDADES

OBJETIVO DE LA MATERIA:

GRUPO :_____ CARRERA: ____________ __ AULA: ____ HORARIO: ______________

PROFESOR: ______________________________________________________ __

Unidad Temática Subtemas

Fechas (Periodo) Evaluación Porcentaje

de

Aprobación

Firma del

Docente

Firma del

Jefe

Académico

Observaciones

Programa

do

Real

Programa

da

Real

Nombre del formato: Formato para la Planeación del Curso y Avance Programático


Revisión: 5

Referencia a la Norma ISO 9001:2000 7.1, 7.2.1, 7.5.1, 7.6, 8.1, 8.2.4

Página 67 de 86

67

Unidad Temática Subtemas

Fechas (Periodo) Evaluación Porcentaje

de

Aprobación

Firma del

Docente

Firma del

Jefe

Académico

Observaciones

Programa

do

Real

Programa

da

Real

Fecha de entrega de programación Periodo Programado para 1er, 2do y 3er. Seguimiento

Periodo Programado de entrega de

reporte final

Vo. Bo.

Jefa del Departamento



Anexo B Instrumentación didáctica.

Nombre del formato: Instrumentación Didáctica del Periodo


Revisión: 6

Referencia a la Norma ISO 9001:2008 7.1, 7.2.1, 7.5.1, 7.6 Página 69 de 86

69

INSTITUTO TECNOLÓGICO DE COLIMA SUBDIRECCIÓN ACADÉMICA

DEPARTAMENTO: SISTEMAS Y COMPUTACIÓN INSTRUMENTACIÓN DIDACTICA DEL PERIODO:

ASIGNATURA___________________________________ No. DE UNIDADES _______ UNIDAD No. ___________ GRUPO: ___________ CARRERA _____________________ PROFESOR_________________________________ APORTACION AL PERFIL DE EGRESO: OBJETIVO GENERAL / COMPETENCIA ESPECÍFICA A DESARROLLAR EN EL CURSO OBJETIVO DE APRENDIZAJE DE LA UNIDAD / COMPETENCIA ESPECÍFICA DE LA UNIDAD COMPETENCIAS GENERICAS DE LA UNIDAD:

INSTRUMENTALES INTERPERESONALES SISTEMICAS

- - -

Contenidos ¿Qué aprender?

Actividades de aprendizaje ¿Qué va hacer el estudiante para lograr la competencia?

Actividades de enseñanza ¿Qué va a hacer el docente para

facilitar el aprendizaje y desarrollar la competencia en el estudiante?

Instrumento de evaluación (Con que va a evaluar)

Productos de las

actividades aprendizaje (Evidencias)

Tiempo

Materiales de apoyo

Equipo requerido

Fuentes de información

Nombre del formato: Instrumentación Didáctica del Periodo


Revisión: 6

Referencia a la Norma ISO 9001:2008 7.1, 7.2.1, 7.5.1, 7.6 Página 70 de 86

70

7

CRITERIOS DE ACREDITACION

OBSERVACIONES

Fecha de entrega de la instrumentación.

Vo.Bo. del Jefe de Departamento Académico:



Anexo C Lista de calificaciones parciales.

72

INSTITUTO TECNOLÓGICO DE COLIMA PRELISTA MATERIA: SCA1025 TALLER DE BASE DE DATOS PERIODO: ENE-JUN14 CATEDRATICO: PEDRO FLETES GUDIÑO ALUMNOS: 17

HORARIO: LU13-14/LCR MA13-14/LCR JU13-14/LCR VI13-14/LCR FECHA: 2014-03-03

NO

N.C

NOMBRE DEL ALUMNO

PARCIALES CAL

1 2 3 4 5 6 7 8 9 10

1 09460300 ARREOLA OCHOA HILDA FERNANDA 80 2 10460253 BOJADO VELASCO MARIA GUADALUPE 100 3 10460255 CAMEROS CASTELLANOS JUAN FRANCISCO 96 4 11460249 CARRILLO GUZMAN REYNA MARGARITA 100 5 11460258 DÍAZ MEJIA GABRIEL 90 6 10460267 FERNANDEZ GONZALEZ JOSE ROBERTO 90 7 10460274 GARCIA GOMEZ JORGE 96 8 11460269 GRANADOS ALVAREZ CÉSAR ALONSO 80 9 11460271 GUTIERREZ CARRILLO VICTOR MANUEL 80 10 11460272 GUTIERREZ ZURROZA CARLOS ALBERTO 80 11 10460282 HERNANDEZ GUTIERREZ NORMA IRENE 100 12 10460299 MENDOZA SALAZAR JORGE ANTONIO 96 13 11460300 ROSAS GUZMÁN GILBERTO ESAU 80 14 11460305 SANTIAGO VERA CHRISTIAN GIOVANI 90 15 10460316 TLAIXCO TLATEMPA ANGELICA 100 16 11460311 VALLEJO GUERRERO BERNARDO TONATIUH 80 17 11460312 VENTURA JUAREZ ANA KAREN 100

APROBACIÓN % 1 100 REPROBACION % 0

Firma del Catedrático



Anexo D Acta de Calificaciones.

74

INSTITUTO TECNOLÓGICO DE COLIMA

ACTA DE CALIFICACIONES FOLIO: 131340-F

CARRERA 6 INGENIERIA EN SISTEMAS

COMPUTACIONALES

PERIODO: AGO-DIC13

MATERIA TWM-0703 TECNOLOGIA PHP FECHA: 2013-12-17

HORARIO L 07000800/LC-R M 07000800/LC-R M 07000900/LC-R

J 07000800/LC-R V 07000800/LC-R

ALUMNOS: 18

PROFESOR 61 M.C. J. REYES BENAVIDES DELGADO PAQUETE: 81

NO. CONTROL NOMBRE DEL ALUMNO REP CALIFICACION

ORD REG EXT

1 09460295 ALEJANDRES VIZCAINO JOSE ABRAHAM 99.0

2 09460303 BARBA ROSALDO SILVANO EMANUEL SI N.A. N.A. N.A.

3 09460315 CHAVEZ ORTIZ NATANAEL ELIOENAI 93.0

4 09460346 GONZALEZ ORDOÑEZ ENRIQUE 100.0

5 08460379 MALDONADO OVANDO MIGUEL ANGEL N.A. N.A. N.A.

6 08460382 MENDEZ CALVARIO ULISES SI N.A. N.A. N.A.

7 09460375 MEZA LEAL JORGE SI N.A. N.A. N.A.

8 09460377 MONTIEL RAMIREZ SAMUEL 97.0

9 07460304 MUNGUIA AVALOS HECTOR SAMUEL SI 100.0

10 08460388 NOVOA ESCAREÑO OSMAR EDUARDO 99.0

11 09460385 NUÑEZ HERNANDEZ JUAN CARLOS 100.0

12 08460391 OCON ZAMORA CRISTINA VIANEY SI N.A. N.A. N.A.

13 08460395 PEREZ CHAVEZ IVONNE N.A. N.A. N.A.

14 08460400 RAMIREZ ORTEGA OSCAR ALEJANDRO N.A. N.A. N.A.

15 08460408 SANCHEZ MENDOZA AUDEL SI 98.0

16 09460414 SANDOVAL FLORES ERICK ALEJANDRO 100.0

17 08460410 SEGOVIA REYES RAUL SI 98.0

18 09460418 SILVA GUERRERO JOSUE MARTIN 93.0

% APROBACION: 61.11

% REPROBACION: 38.89

ORD ordinario REG regularización EXT extraordinario REP repite curso

Este documento no es válido si tiene tachaduras o enmendaduras

LA CIUDAD DE VILLA DE ÁLVAREZ, ESTADO DE COLIMA A 17 DE DICIEMBRE DE 2013

FIRMA DEL CATEDRATICO


75

Anexo E Descripción de registros de las tablas del Cubo de

Datos.


76

Tabla 7 Descripción del registro de la tabla DEPARTAMENTOS.

Descripción del Registro Autor : Pedro Fletes Gudiño Fecha : 10/02/2014

Nombre de la tabla : DEPARTAMENTOS

Llave Primaria: Cve_depto

Descripción: Esta tabla es el catálogo de departamentos del Instituto.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

Cve_depto Int Es el identificador del departamento y es la llave primaria.

Nombre Nvarchar 50 Es el nombre del departamento.

Tabla 8 Descripción del registro de la tabla MATERIAS.


Nombre de la tabla : MATERIAS

Llave Primaria: Cve_materia

Descripción: Esta tabla es el catálogo de materias que se ofrecen en el Instituto.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

Cve_materia Nvarchar 8 Es el identificador de la materia y es la llave primaria.

Nombre nvarchar 50 Es el nombre de la materia.


77

Tabla 9 Descripción del registro de la tabla DOCENTES.


Nombre de la tabla : DOCENTES

Llave Primaria: Cve_docente

Descripción: Esta tabla es el catálogo del personal del Instituto.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

Cve_docente Int Es el identificador del docente y es la llave primaria.

Nombre nvarchar 55 Es el nombre del docente.

Tabla 10 Descripción del registro de la tabla TIEMPO.


Nombre de la tabla : TIEMPO

Llave Primaria: Cve_tiempo

Descripción: Esta tabla es el catálogo de los períodos de las materias.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

Cve_tiempo Int Es el identificador del período y es la llave primaria.

Periodo nvarchar 7 Es el periodo 1 Ene-Jun 2 Verano 3 Ago-Dic


78

Tabla 11 Descripción del registro de la tabla CARRERAS.


Nombre de la tabla : CARRERAS

Llave Primaria: Id_Carrera

Descripción: Esta tabla es el catálogo de carreras.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

Id_Carrera Int Es el identificador de la Carrera y es la llave primaria.

Nombre nvarchar 50 Es el nombre de la carrera

Tabla 12 Descripción del registro de la tabla GRUPOS.


Nombre de la tabla : GRUPOS

Llave Primaria: Grupo

Descripción: Tabla central de hechos del cubo de datos.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

Cve_dep Int Es la clave del departamento es una llave foránea.

Cve_carrera Int Es la clave de la carrera es una llave foránea.

Grupo Nvarchar 10 Es la clave del grupo, es la llave primaria junto con la fecha.

Cve_materia Nvarchar 8 Es la clave de la materia, es una llave foránea.

Cve_docente Int Es la clave del docente, es una llave foránea.

Cve_tiempo Int Es la clave del tiempo, es una llave foránea.

No_alumnos Int Es el número de alumnos en el grupo.

No_alumnos_Ap Int Es el número de alumnos aprobados en el grupo.

No_alumnos_Rep Int Es el número de alumnos reprobados en el grupo.

P_alumnos_Ap Int Es el porcentaje de alumnos aprobados en el grupo.


79

P_alumnos_Rep Int Es el porcentaje de alumnos reprobados en el grupo.

No_Alu_Locales Int Es el número de alumnos cuya residencia permanente es aquí en la ciudad.

P_Ap_Locales Int Es el porcentaje de alumnos aprobados locales.

P_Rep_Locales Int Es el porcentaje de alumnos reprobados locales.

No_Al_Foraneos Int Es el número de alumnos cuya residencia permanente es fuera de la ciudad.

P_Ap_Foraneos Int Es el porcentaje de alumnos aprobados foráneos.

P_Rep_Foraneos Int Es el porcentaje de alumnos reprobados foráneos.

No_Al_Becados Int Es el número de alumnos becados.

P_Ap_Becados Int Es el porcentaje de alumnos aprobados becados.

P_Rep_Becados Int Es el porcentaje de alumnos reprobados becados.

No_Al_No_Becados Int Es el número de alumnos no becados.

P_Ap_No_Becados Int Es el porcentaje de alumnos aprobados no becados.

P_Rep_No_Becados Int Es el porcentaje de alumnos reprobados no becados.

No_Al_Trabajan Int Es el número de alumnos que trabajan.

P_Ap_Trabajan Int Es el porcentaje de alumnos aprobados que trabajan.

P_Rep_Trabajan Int Es el porcentaje de alumnos reprobados que trabajan.

No_Al_No_Trabajan Int Es el número de alumnos que no trabajan.

P_Ap_No_Trabajan Int Es el porcentaje de alumnos aprobados que no trabajan.

P_Rep_No_Trabajan Int Es el porcentaje de alumnos reprobados que no trabajan.

No_Al_Con_Carrera Int Es el número de alumnos que tienen una carrera previa.

P_Ap_Con_Carrera Int Es el porcentaje de alumnos aprobados que tienen una carrera previa.

P_Rep_Con_Carrera Int Es el porcentaje de alumnos reprobados que tienen una carrera previa.

No_Al_Sin_Carrera Int Es el número de alumnos que no tienen una carrera previa.

P_Ap_Sin_Carrera Int Es el porcentaje de alumnos aprobados que no tienen una carrera previa.


80

P_Rep_Sin_Carrera Int Es el porcentaje de alumnos reprobados que no tienen una carrera previa.

No_Al_Solteros Int Es el número de alumnos solteros.

P_Ap_Solteros Int Es el porcentaje de alumnos aprobados solteros.

P_Rep_Solteros Int Es el porcentaje de alumnos reprobados solteros.

No_Al_Casados Int Es el número de alumnos casados.

P_Ap_Casados Int Es el porcentaje de alumnos aprobados casados.

P_Rep_Casados Int Es el porcentaje de alumnos reprobados casados.

No_Mujeres Int Es el número de mujeres.

P_Ap_Mujeres Int Es el porcentaje de aprobación de mujeres.

P_Rep_Mujeres Int Es el porcentaje de reprobación de mujeres.

No_Hombres Int Es el número de hombres.

P_Ap_Hombres Int Es el porcentaje de aprobación de hombres.

P_Rep_Hombres Int Es el porcentaje de reprobación de hombres.

Horario_Inicio Time Es la hora de inicio de la materia.

Horario_Fin Time Es la hora de finalización de la materia.

Fecha date Es la fecha de fin de curso de la materia


81

Anexo F Descripción de registros de las tablas del esquema

relacional de docencia.


82

Tabla 13 Descripción del registro de la tabla ALUMNOS.


Nombre de la tabla : ALUMNOS

Llave Primaria : No_Control

Descripción: Esta tabla contiene los datos de los alumnos.

Nombre de campo

Tipo de Campo

Long.

Dec

Observaciones

No_control Nvarchar 8 Es el número de control del alumno y es la llave primaria.

Nombre nvarchar 50 Es el nombre del alumno

Sexo Nvarchar 1 Es el sexo del alumno ‘M’ Masculino ‘F’ Femenino.

Local Nvarchar 1 Es un identificador para la residencia permanente del alumno ‘L’ Local ‘F’ Foráneo.

Becado Nvarchar 1 Es un identificador para ver si está becado ‘S’ Si ‘N’ No.

Trabaja Nvarchar 1 Es un identificador para ver si el alumno trabaja ‘S’ Si ‘N’ No.

Carrera Nvarchar 1 Es un identificador para ver si el alumno ya tiene una carrera anterior. ‘S’ Si ‘N’ No.

Edo_civil Nvarchar 1 Es un identificador para ver el estado civil del alumno ‘S’ Soltero ‘C’ Casado. ‘D’ Divorciado ‘V’ Viudo ‘U’ Unión libre


83

Tabla 14 Descripción del registro de la tabla DEPARTAMENTO.


Nombre de la tabla : DEPARTAMENTO

Llave Primaria: iddepartamento

Descripción: Esta tabla es el catálogo de departamentos del Instituto.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

Iddepartamento Int Es el identificador del departamento y es la llave primaria.

Nombre Nvarchar 50 Es el nombre del departamento.

Tabla 15 Descripción del registro de la tabla CARRERAS.


Nombre de la tabla : CARRERAS

Llave Primaria: idcarrera

Descripción: Esta tabla es el catálogo de carreras que se ofrecen en el Instituto.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

Id_carrera Int Es el identificador de la carrera y es la llave primaria.

Nombre Nvarchar 50 Es el nombre de la carrera.

Id_dpto Int Es la clave foránea del departamento al que pertenece la carrera.


84

Tabla 16 Descripción del registro de la tabla MATERIAS.


Nombre de la tabla : MATERIAS

Llave Primaria: idmateria

Descripción: Esta tabla es el catálogo de materias que se ofrecen en el Instituto.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

Idmateria Nvarchar 8 Es el identificador de la materia y es la llave primaria.

Nombre nvarchar 50 Es el nombre de la materia.

Tabla 17 Descripción del registro de la tabla PERSONAL.


Nombre de la tabla : PERSONAL

Llave Primaria: idpersonal

Descripción: Esta tabla es el catálogo del personal del Instituto.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

Idpersonal Int Es el identificador del docente y es la llave primaria.

Nom_doc nvarchar 55 Es el nombre del docente.


85

Tabla 18 Descripción del registro de la tabla GRUPOS.


Nombre de la tabla : GRUPOS

Llave Primaria: No_grupo, Periodo

Descripción: Esta tabla contiene los datos de los grupos abiertos en el semestre.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

No_grupo Nvarchar 10 Es el identificador del grupo y junto con la fecha son la llave primaria del registro.

Periodo Int Es el período del grupo en que se impartió la materia.

Id_carrera Int Es la clave de la carrera, es una llave foránea.

Id_materia Nvarchar 8 Es la clave de la materia, es una llave foránea.

Hora_inicio Time 7 Es la hora de inicio de la materia.

Hora_fin Time 7 Es la hora de finalización de la materia.

Id_docente Int Es la clave del docente, es una llave foránea.

Folio Nvarchar 10 Es el folio del acta de calificaciones.

Fecha Date Es la fecha de terminación del curso.

No_alumnos Int Es el número de alumnos del grupo.


86

Tabla 19 Descripción del registro de la tabla DET_GRUPOS.


Nombre de la tabla : DET_GRUPOS

Llave Primaria : No_grupo, Periodo, No_Control

Descripción: Esta tabla contiene las calificaciones de cada uno de los alumnos en el la materia específica.

Nombre de campo

Tipo de Campo

Long.

Decimales

Observaciones

No_grupo Nvarchar 10 Es el identificador del grupo.

Periodo Int Es el período en que se imparte la materia.

No_control Nvarchar 8 Es el número de control del alumno, es una llave foránea y junto con No_grupo y Periodo es la llave primaria.

Calificación Decimal 2 1 Es la calificación final del alumno en la materia.

Oportunidad Int Es la oportunidad de la calificación final 1 Ordinario, 2 Regularización, 3 Extraordinario.

3. desarrollo del cubo de datos aplicado a la

Documents