Exportación Completada — 

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
Descripción
Sumario: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.
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).