Modelo de predicción académico y rendimiento académico de los estudiantes del primer año de secundaria en la Institución Educativa Inca Garcilaso de la Vega, Cusco 2021

Descripción del Articulo

El objetivo del estudio es determinar la relación entre el modelo de predicción académico y el rendimiento académico de los estudiantes del primer año de secundaria de la IE IGV. La problemática trata sobre la deficiencia académica y cuál es la relación que se da entre el modelo de predicción y el r...

Descripción completa

Detalles Bibliográficos
Autor: Bautista Huancahuari, Toribio Alberto
Formato: tesis de maestría
Fecha de Publicación:2024
Institución:Universidad Nacional de Huancavelica
Repositorio:UNH-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.unh.edu.pe:20.500.14597/8719
Enlace del recurso:https://hdl.handle.net/20.500.14597/8719
Nivel de acceso:acceso abierto
Materia:Modelos predictivos
Rendimiento académico
Metodología CRISP-DM
https://purl.org/pe-repo/ocde/ford#1.02.01
id RUNH_9848fc18c9cf1e57be6ee871577c9ea5
oai_identifier_str oai:repositorio.unh.edu.pe:20.500.14597/8719
network_acronym_str RUNH
network_name_str UNH-Institucional
repository_id_str .
dc.title.none.fl_str_mv Modelo de predicción académico y rendimiento académico de los estudiantes del primer año de secundaria en la Institución Educativa Inca Garcilaso de la Vega, Cusco 2021
title Modelo de predicción académico y rendimiento académico de los estudiantes del primer año de secundaria en la Institución Educativa Inca Garcilaso de la Vega, Cusco 2021
spellingShingle Modelo de predicción académico y rendimiento académico de los estudiantes del primer año de secundaria en la Institución Educativa Inca Garcilaso de la Vega, Cusco 2021
Bautista Huancahuari, Toribio Alberto
Modelos predictivos
Rendimiento académico
Metodología CRISP-DM
https://purl.org/pe-repo/ocde/ford#1.02.01
title_short Modelo de predicción académico y rendimiento académico de los estudiantes del primer año de secundaria en la Institución Educativa Inca Garcilaso de la Vega, Cusco 2021
title_full Modelo de predicción académico y rendimiento académico de los estudiantes del primer año de secundaria en la Institución Educativa Inca Garcilaso de la Vega, Cusco 2021
title_fullStr Modelo de predicción académico y rendimiento académico de los estudiantes del primer año de secundaria en la Institución Educativa Inca Garcilaso de la Vega, Cusco 2021
title_full_unstemmed Modelo de predicción académico y rendimiento académico de los estudiantes del primer año de secundaria en la Institución Educativa Inca Garcilaso de la Vega, Cusco 2021
title_sort Modelo de predicción académico y rendimiento académico de los estudiantes del primer año de secundaria en la Institución Educativa Inca Garcilaso de la Vega, Cusco 2021
author Bautista Huancahuari, Toribio Alberto
author_facet Bautista Huancahuari, Toribio Alberto
author_role author
dc.contributor.advisor.fl_str_mv Cristobal Lara, Roly Alcides
dc.contributor.author.fl_str_mv Bautista Huancahuari, Toribio Alberto
dc.subject.none.fl_str_mv Modelos predictivos
Rendimiento académico
Metodología CRISP-DM
topic Modelos predictivos
Rendimiento académico
Metodología CRISP-DM
https://purl.org/pe-repo/ocde/ford#1.02.01
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.02.01
description El objetivo del estudio es determinar la relación entre el modelo de predicción académico y el rendimiento académico de los estudiantes del primer año de secundaria de la IE IGV. La problemática trata sobre la deficiencia académica y cuál es la relación que se da entre el modelo de predicción y el rendimiento académico, donde se plantea solucionar el problema de como los modelos predictivos se puede relacionar con su desenvolvimiento académico a partir de sus datos de ingreso de cada estudiante como factor social, económico y académico. Se tomó una muestra de 196 estudiantes exclusivamente del primer año, comprendido entre el 2015 al 2019. Se llevo a cabo una investigación no experimental, correlacional, la metodología usada para la generación de modelos predictivos es CRISP-DM, que es muy usada para estos tipos de propósito y RStudio como software para la implementación y cotejo de los datos estadísticos, la técnica e instrumentos de recolección de datos fue análisis de datos históricos y entrevista. Para alcanzar el propósito se aplicaron cinco modelos predictivos, el que obtuvo la mejor medida de predicción y relación significativa con el rendimiento académico fue redes neuronales 92.31%, y el segundo mejor fue máquina vector de soporte 89.74%. Los elementos que contribuyeron de manera significativa en el rendimiento académico son: notas finales, discapacidad, cantidad de hermanos, vive con sus padres, trabaja el alumno, tipo de escuela, distancia al colegio y preparación académica.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2025-02-03T22:03:16Z
dc.date.available.none.fl_str_mv 2025-02-03T22:03:16Z
dc.date.issued.fl_str_mv 2024-03-13
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.14597/8719
url https://hdl.handle.net/20.500.14597/8719
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/
dc.format.none.fl_str_mv pdf
dc.publisher.none.fl_str_mv Universidad Nacional de Huancavelica
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional de Huancavelica
dc.source.none.fl_str_mv reponame:UNH-Institucional
instname:Universidad Nacional de Huancavelica
instacron:UNH
instname_str Universidad Nacional de Huancavelica
instacron_str UNH
institution UNH
reponame_str UNH-Institucional
collection UNH-Institucional
bitstream.url.fl_str_mv https://repositorio.unh.edu.pe/bitstreams/af124c5c-48e8-47e3-a46b-ad8f768698c8/download
https://repositorio.unh.edu.pe/bitstreams/8a6f1827-5d70-493c-973d-df90c0637b3c/download
bitstream.checksum.fl_str_mv 0afc3b2b6d911a5786e20062163edab1
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Universidad Nacional de Huancavelica
repository.mail.fl_str_mv repositorio@unh.edu.pe
_version_ 1833379785444687872
spelling Cristobal Lara, Roly AlcidesBautista Huancahuari, Toribio Alberto2025-02-03T22:03:16Z2025-02-03T22:03:16Z2024-03-13El objetivo del estudio es determinar la relación entre el modelo de predicción académico y el rendimiento académico de los estudiantes del primer año de secundaria de la IE IGV. La problemática trata sobre la deficiencia académica y cuál es la relación que se da entre el modelo de predicción y el rendimiento académico, donde se plantea solucionar el problema de como los modelos predictivos se puede relacionar con su desenvolvimiento académico a partir de sus datos de ingreso de cada estudiante como factor social, económico y académico. Se tomó una muestra de 196 estudiantes exclusivamente del primer año, comprendido entre el 2015 al 2019. Se llevo a cabo una investigación no experimental, correlacional, la metodología usada para la generación de modelos predictivos es CRISP-DM, que es muy usada para estos tipos de propósito y RStudio como software para la implementación y cotejo de los datos estadísticos, la técnica e instrumentos de recolección de datos fue análisis de datos históricos y entrevista. Para alcanzar el propósito se aplicaron cinco modelos predictivos, el que obtuvo la mejor medida de predicción y relación significativa con el rendimiento académico fue redes neuronales 92.31%, y el segundo mejor fue máquina vector de soporte 89.74%. Los elementos que contribuyeron de manera significativa en el rendimiento académico son: notas finales, discapacidad, cantidad de hermanos, vive con sus padres, trabaja el alumno, tipo de escuela, distancia al colegio y preparación académica.pdfhttps://hdl.handle.net/20.500.14597/8719spaUniversidad Nacional de HuancavelicaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Modelos predictivosRendimiento académicoMetodología CRISP-DMhttps://purl.org/pe-repo/ocde/ford#1.02.01Modelo de predicción académico y rendimiento académico de los estudiantes del primer año de secundaria en la Institución Educativa Inca Garcilaso de la Vega, Cusco 2021info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionreponame:UNH-Institucionalinstname:Universidad Nacional de Huancavelicainstacron:UNHSUNEDU20116477https://orcid.org/0000-0002-2281-467642780121612187Marquez Camarena, Javier FranciscoSinche Crispin, Fernando ViterboRojas Bujaico, Rafael Wilfredohttps://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisMaestría en Ciencias de Ingeniería; Mención en Tecnologías de Información y ComunicaciónUniversidad Nacional de Huancavelica. Facultad de Ingeniería Electrónica - SistemasMaestro en Ciencias de Ingeniería; Mención en Tecnologías de Información y ComunicaciónORIGINALBAUTISTA HUANCAHUARI.pdfBAUTISTA HUANCAHUARI.pdfapplication/pdf6551004https://repositorio.unh.edu.pe/bitstreams/af124c5c-48e8-47e3-a46b-ad8f768698c8/download0afc3b2b6d911a5786e20062163edab1MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unh.edu.pe/bitstreams/8a6f1827-5d70-493c-973d-df90c0637b3c/download8a4605be74aa9ea9d79846c1fba20a33MD5220.500.14597/8719oai:repositorio.unh.edu.pe:20.500.14597/87192025-02-03 17:03:16.69https://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttps://repositorio.unh.edu.peUniversidad Nacional de Huancavelicarepositorio@unh.edu.peTk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=
score 13.7211075
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).