Predicción de rendimiento académico de alumnos usando machine learning

• Autores: Gutiérrez Villaverde, Herberth Eduardo, Linares Barbero, Manuela, Agüero Correa, Ángel Alejandro, Pérez Núñez, Jhelly Reynaluz
• Fecha de Publicación: 2022
• Institución: Universidad de Lima
• Repositorio: ULIMA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ulima.edu.pe:20.500.12724/16703
• Enlace del recurso: https://hdl.handle.net/20.500.12724/16703
• Nivel de acceso: acceso abierto
• Materia: Rendimiento académico; Aprendizaje automático; Academic achievement; Machine learning; https://purl.org/pe-repo/ocde/ford#5.02.00

En el presente trabajo se hace una evaluación de las técnicas de aprendizaje automáticos: Arboles de decisión, Bosques aleatorios, Redes Neuronales y Máquinas de soporte vectorial para predecir el rendimiento académico de alumnos. Encontramos que el algoritmo de bosques aleatorios presenta una mayor precisión en la predicción del rendimiento académico. Esta investigación es relevante en las instituciones educativas, especialmente para la definición de políticas de seguimiento y apoyo a los alumnos principalmente en riesgo académico. Adicionalmente se hace una estimación del potencial de la aplicación de estos algoritmos de aprendizaje automático en las diferentes carreras de la facultad de Ciencias Empresariales y Económicas de la Universidad de Lima.