Machine Learning para mejorar el proceso de predicción en el rendimiento escolar en estudiantes del nivel secundaria en el año 2024

• Autor: Infante Zavaleta, Juan Carlos
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/173220
• Enlace del recurso: https://hdl.handle.net/20.500.12692/173220
• Nivel de acceso: acceso abierto
• Materia: Rendimiento escolar; Deserción escolar; Aprendizaje; https://purl.org/pe-repo/ocde/ford#2.02.04

El objetivo de la investigación fue mejorar la predicción del rendimiento escolar en estudiantes de secundaria en Trujillo, Perú, alineándose con el Objetivo de Desarrollo Sostenible: Trabajo decente y desarrollo sostenible. La implementación de tecnologías como Machine Learning en este proceso ofrece una solución innovadora que refuerza la infraestructura educativa. El estudio, de tipo aplicado y diseño experimental puro, tuvo como población a 60 estudiantes, divididos en dos grupos: uno de control (GC), sin acceso a la aplicación, y otro experimental (GE), que sí la utilizó. Las técnicas de recolección de datos incluyeron observación directa y el uso de una ficha de observación. Se emplearon Python 3 con Flask como framework, phpMyAdmin para la gestión de bases de datos, y Crisp-DM para el desarrollo de la metodología. En el análisis descriptivo se utilizó Microsoft Excel 2019, y en el análisis inferencial, Jamovi 2.3.28. Los resultados mostraron una disminución de 127 segundos en el tiempo de recopilación de datos, una reducción de 1246 segundos en la predicción de estudiantes en riesgo de deserción, y un aumento del 3% en la detección de estos casos. Se concluyó que Machine Learning mejoró significativamente la predicción del rendimiento escolar.