El rendimiento académico en la educación secundaria pública peruana enfrenta desafíos significativos, con tasas de deserción que superan los 124,000 estudiantes anuales. Aunque estudios previos han explorado factores individuales que afectan el rendimiento académico, existe una brecha en la comprensión de cómo estos factores interactúan en contextos específicos. Esta investigación desarrolló un modelo predictivo basado en redes neuronales artificiales para estimar el desempeño estudiantil en colegios públicos de Piura, integrando factores socioeconómicos, académicos y psicosociales. Se implementó un diseño cuantitativo no experimental con una muestra de 209 estudiantes de secundaria. El modelo, configurado con tres capas ocultas (50- 30-20 neuronas), alcanzó un R² de 0.82 en pruebas y 0.79 en validación cruzada de 5 pliegues, superando significativamente a métodos t...