Estudio comparativo de redes neuronales artificiales aplicadas a la identificación de violencia escolar en las instituciones educativas.

• Autor: Colchado Soncco, Luis Ernesto
• Formato: tesis de grado
• Fecha de Publicación: 2018
• Institución: Universidad Andina del Cusco
• Repositorio: UAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uandina.edu.pe:20.500.12557/1530
• Enlace del recurso: https://hdl.handle.net/20.500.12557/1530
• Nivel de acceso: acceso abierto
• Materia: Violencia escolar; Instituciones educativas; Redes neurolaes; Modelos computacionales

Un problema social que afecta a los estudiantes de las instituciones educativas es la violencia escolar tanto en sus hogares por parte de sus padres o apoderados, como en las mismas instituciones por parte de docentes o compañeros. A pesar de que el gobierno de Perú inicio proyectos para hacer frente y de esa forma disminuir los casos de violencia escolar, aun estos están en aumento, pues no existe hasta el momento una forma eficiente de identificarlos. Por otra parte, las redes neuronales artificiales son modelos computacionales que emulan en una parte muy simple el funcionamiento de las neuronas biológicas, estos pueden aprender de problemas y situaciones ya resueltas, adquiriendo de esa forma la capacidad de realizar clasificación y predicción, entonces se podría pretender utilizar una red neuronal artificial con el fin de predecir los casos de violencia escolar en las instituciones educativas, pero existe una limitante, la cual es que estos modelos computacionales son muy diversos distinguiéndose en los tipos de redes, en los métodos de aprendizaje y además las diferentes funciones de activación para las neuronas artificiales. La presente investigación tuvo como objeto determinar a través de un estudio comparativo la red neuronal artificial que tenga un mayor nivel de eficiencia en la identificación de violencia escolar en las instituciones educativas, para cumplir con este propósito primero se recolectó información de los centros educativos que fue utilizada como datos de entrada en las redes neuronales artificiales. Las seis redes neuronales artificiales consideradas en esta investigación están divididas en tres tipos de redes y métodos de aprendizaje y estas son: la red PMS que es un tipo de red Perceptrón Multicapa, que utiliza el método de aprendizaje de Retropropagación y función de activación Sigmoidal. La red PMH comparte el mismo tipo de red y método de aprendizaje que PMS, pero con la unica diferencia que esta red utiliza función Tangente Hiperbólica en lugar de la función Sigmoidal. Las redes BRG y BRC son de tipo Redes Neuronales de Base Radial, ambas con el método de aprendizaje Hibrido, la unica diferencia es que la primera utiliza la función de activación Gaussiana y la segunda la función de activación Inversa Cuadrática. Las redes RRS y RRH son de tipo Redes Neuronales Recurrentes ambas utilizan el método de aprendizaje Recurrente en Tiempo Real, de igual forma que en los anteriores casos estas redes se distinguen en la función de activación que utilizan, RRS utiliza la función Sigmoidal y RRH la función Tangente Hiperbólica. Estas redes fueron desarrolladas con el lenguaje de programación C++, para luego realizar la experimentación de cada una de ellas, con la finalidad de determinar la que alcanzó un mayor nivel de eficiencia.