Modelo predictivo del rendimiento académico de estudiantes universitarios asociado con la influencia de los videojuegos usando Machine Learning

• Autores: Castañeda Chávez, Diego Alberto, Perez Chang, Valeria Isabel
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional del Santa
• Repositorio: UNS - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uns.edu.pe:20.500.14278/4835
• Enlace del recurso: https://hdl.handle.net/20.500.14278/4835
• Nivel de acceso: acceso embargado
• Materia: Rendimiento académico; Videojuegos; Machine learning; Estudiantes universitarios; Modelo predictivo; https://purl.org/pe-repo/ocde/ford#2.02.04

El presente trabajo de investigación tiene como objetivo determinar en qué medida el rendimiento académico de los estudiantes universitarios puede ser predicho a partir del consumo de videojuegos utilizando técnicas de Machine Learning. La idea surgió a partir de las vivencias anecdóticas y conversaciones con estudiantes de la Escuela de Ingeniería de Sistemas de la Universidad Nacional del Santa y se sustentó con los diversos antecedentes e información encontrada en relación con el tema de investigación, la muestra es de tipo no probabilístico e intencional, se escogieron a los estudiantes matriculados en el ciclo académico 2023-I de la Escuela Profesional de Ingeniería de Sistemas e Informática, lo cual según lo recopilado dan un total aproximado de 300 estudiantes. Utilizando modelos predictivos basados en seis dimensiones clave ("Capacidad Económica", "Tiempo de Consumo de Videojuegos", "Bienestar Físico-Mental", "Impacto sobre Actividades Cotidianas", "Relaciones Sociales" y "Desarrollo Cognitivo"), se obtuvieron resultados significativos. Los modelos óptimos, Random Forest y Naive Bayes, demostraron ser particularmente efectivos. El modelo de Random Forest alcanzó un porcentaje de predicción del 87.5%, mientras que el modelo de Naive Bayes alcanzó un 93%. Estos resultados confirman la hipótesis del estudio, mostrando que el rendimiento académico puede ser predicho con una precisión superior al 80%. Estos hallazgos subrayan que los estudiantes con un mayor consumo de videojuegos tienden a presentar una mayor variabilidad y, en general, un rendimiento académico inferior. Por lo tanto, es crucial implementar intervenciones y programas de orientación que ayuden a los estudiantes a equilibrar adecuadamente el tiempo dedicado a los videojuegos y al estudio, promoviendo un uso saludable para optimizar su rendimiento académico.