Predicción del rendimiento académico empleando algoritmos de aprendizaje supervisado en estudiantes del primer semestre de la carrera profesional de Ingeniería de Sistemas e Informática de la UNAMAD, 2020

• Autor: Vargas Quispe, Alex Ali
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Nacional Amazónica de Madre de Dios
• Repositorio: UNAMAD-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unamad.edu.pe:20.500.14070/929
• Enlace del recurso: http://hdl.handle.net/20.500.14070/929
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje supervisado; Predicción; Rendimiento académico; https://purl.org/pe-repo/ocde/ford#1.02.01

La presente investigación tiene como objetivo predecir el rendimiento académico de los estudiantes del primer semestre de la carrera profesional de Ingeniería de Sistemas e Informática mediante el uso de algoritmos supervisados. La investigación se desarrolló bajo un enfoque cuantitativo, con un diseño no experimental de tipo correlacional transversal. La muestra estuvo constituida por 861 registros reales de los estudiantes ingresantes a la carrera profesional de Ingeniería de Sistemas e Informática de la Universidad Nacional Amazónica de Madre de Dios recopilados durante los semestres académicos 2010-1 al 2020-2. Se emplearon tres modelos de aprendizaje automático: árbol de decisiones, K-NN y Naive Bayes para establecer la relación o asociación de condiciones relacionadas con el rendimiento académico lo que servirá como información complementaria sobre el proceso de aprendizaje de los estudiantes. Los resultados permitieron identificar que K-NN logró el mayor accuracy con 81.97%. Se concluye que las dimensiones sociales, económicas y académicas son los que más influyen en el rendimiento académico.