Modelo basado en Deep Learning para predecir el ingreso de estudiantes a la UNA Puno

• Autor: Mestas Yucra, Edwin Edgar
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad Nacional del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unap.edu.pe:20.500.14082/22353
• Enlace del recurso: https://repositorio.unap.edu.pe/handle/20.500.14082/22353
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje profundo; Aprendizaje no supervisado; Agrupamiento; Predicción; Rendimiento académico; https://purl.org/pe-repo/ocde/ford#1.02.01

La Unidad de Gestión Educativa Local de Melgar necesita evaluar el nivel de preparación académica de los estudiantes de las instituciones educativas locales para lograr su ingreso a la Universidad Nacional del Altiplano de Puno, Perú (UNA-PUNO). El aprendizaje profundo (DL) es una rama del aprendizaje automático que realiza predicciones mediante el aprendizaje no supervisado y la agrupación jerárquica. El objetivo principal de este trabajo fue establecer un modelo basado en DL que permita predecir el ingreso de los estudiantes del IES Nuestra Señora de Alta Gracia a la UNA Puno, considerando su rendimiento académico. Se realizó una investigación aplicada con enfoque cuantitativo para la construcción de patrones. Se realizó extracción de datos de registros de evaluaciones de 257 estudiantes. El análisis de agrupamiento con la métrica de distancia de Russellrao identificó un grupo significativo de estudiantes de alto rendimiento académico; sin embargo, se observó una notable discrepancia entre la predicción inicial de ingreso del 58,36% y los resultados reales del 3,5%. El proceso de admisión competitivo y los continuos cambios en la selección de estudiantes podrían ser factores de influencia. En consecuencia, es necesario mejorar las estrategias de predicción de la admisión universitaria.