Design and implementation of an artificial neural network to predict academic performance in Civil Engineering students from UNIFSLB

• Autores: Incio Flores, Fernando Alain, Capuñay Sanchez, Dulce Lucero, Estela Urbina, Ronald Omar, Delgado Soto, Jorge Antonio, Vergara Medrano, Segundo Edilberto
• Formato: artículo
• Fecha de Publicación: 2021
• Institución: Universidad Privada de Tacna
• Repositorio: Revista UPT - Veritas et Scientia
• Lenguaje: español
• OAI Identifier: oai:ojs2.172.30.101.191:article/464
• Enlace del recurso: http://revistas.upt.edu.pe/ojs/index.php/vestsc/article/view/464
• Nivel de acceso: acceso abierto

Predicting the academic results of students allows the teacher to seek techniques and strategies at the indicated time during the teaching and learning process in order to improve the achievement of skills in their students. In this research, an artificial neural network (ANN) was implemented to predict the academic results of the physics course of the students of the II cycle of the Civil Engineering career of the National Intercultural University Fabiola Salazar Leguía de Bagua-Peru based on data historical. The RNA was designed and implemented in the MATLAB Software, its architecture is made up of an input layer, a hidden layer and an output layer, for the RNA training two algorithms that the MATLAB Toolbox has: the Scaled Conjugate Gradient achieving a prediction percentage of 70% and the Levenberg-Marquardt achieving a prediction percentage of 86%.
Predecir los resultados académicos de los estudiantes permite al docente buscar técnicas y estrategias en el tiempo indicado durante el proceso de enseñanza y aprendizaje con el fin de mejorar el logro de competencias en sus estudiantes. En esta investigación se implementó una red neuronal artificial (RNA) para predecir los resultados académicos del curso de física de los estudiantes del II ciclo de la carrera profesional de Ingeniería Civil de la universidad Nacional Intercultural Fabiola Salazar Leguía de Bagua-Perú en función de datos históricos. La RNA se diseñó e implemento en el Software MATLAB, su arquitectura está formada por una capa de entrada, una capa oculta y una capa de salida, para el entrenamiento de la RNA se utilizó dos algoritmos que posee la Toolbox de MATLAB: el Scaled Conjugate Gradient logrando un porcentaje de predicción del 70% y el Levenberg-Marquardt logrando un porcentaje de predicción 86%.