Machine learning para precedir el rendimiento académico en la IE Nª116 Abraham Valdelomar San Juan de Lurigancho 2022

• Autores: Acosta Portocarrero, Antony Christian, Ruiz Vargas, Paul
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/107457
• Enlace del recurso: https://hdl.handle.net/20.500.12692/107457
• Nivel de acceso: acceso abierto
• Materia: Rendimiento académico; Sistemas informáticos; Tecnología de la información y comunicación; https://purl.org/pe-repo/ocde/ford#2.02.04

En esta investigación se elaboró un modelo predictivo de Machine Learning, para predecir el rendimiento académico de los alumnos del 4to. Y 5to. Año de secundaria de la IE N°116 “Abraham Valdelomar – San Juan de Lurigancho, para lograr el objetivo se utilizó la metodología KDD, así mismo herramientas como SPSS statistic Ver. 26 y SPSS Modeler Ver.18. El objetivo de la investigación es determinar en qué porcentaje Machine Learning permite predecir el rendimiento académico con precisión, sensibilidad y especificidad, con el fin de poder identificar a los alumnos con probabilidad de éxito o fracaso. Para la investigación se utilizó una población de 101 alumnos, y se utilizó la totalidad de la población como muestra. El estudio es de tipo aplicada, con un diseño de investigación experimental de tipo pre-experimental de un solo grupo, lo que se obtendrá luego de aplicar el modelo predictivo de Machine Learning se podrá observar con los resultados y validar la medición. Se obtuvo como resultado para los indicadores de precisión, sensibilidad y especificad para el algoritmo Árbol de Decisión los siguientes valores porcentuales: (Precision-84.73, Sensibilidad-61.54, Especificidad-90.47), Maquina de vectores SVM (Precision-100.00, Sensibilidad-100.00, Especificidad-100.00) y Red-Bayesiana (Presicion-99.60, Sensibilidad-99.00, Especificidad-99.75), con base a estos resultados se concluye que el algoritmo que pudo predecir el rendimiento académico de los estudiantes de la IE N°116 “Abraham Valdelomar” con mejores resultados fue Maquina de vectores (SVM) con un valor de 100%.