Modelo predictivo IA de rendimiento académico para estudiantes de colegios públicos de nivel secundaria en Piura

• Autores: Jaramillo Timana, Wilmer Alexis, Paucar Loayza, Nixon Alexis
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/166942
• Enlace del recurso: https://hdl.handle.net/20.500.12692/166942
• Nivel de acceso: acceso abierto
• Materia: Rendimiento escolar; Inteligencia artificial; Motivación; Predicción; https://purl.org/pe-repo/ocde/ford#2.02.04

El rendimiento académico en la educación secundaria pública peruana enfrenta desafíos significativos, con tasas de deserción que superan los 124,000 estudiantes anuales. Aunque estudios previos han explorado factores individuales que afectan el rendimiento académico, existe una brecha en la comprensión de cómo estos factores interactúan en contextos específicos. Esta investigación desarrolló un modelo predictivo basado en redes neuronales artificiales para estimar el desempeño estudiantil en colegios públicos de Piura, integrando factores socioeconómicos, académicos y psicosociales. Se implementó un diseño cuantitativo no experimental con una muestra de 209 estudiantes de secundaria. El modelo, configurado con tres capas ocultas (50- 30-20 neuronas), alcanzó un R² de 0.82 en pruebas y 0.79 en validación cruzada de 5 pliegues, superando significativamente a métodos tradicionales. Los principales predictores identificados fueron la motivación académica (r=0.52, p<0.05) y el nivel educativo parental (r=0.45, p<0.05). Los resultados demuestran la efectividad del modelo para identificar estudiantes en riesgo académico, permitiendo implementar intervenciones tempranas personalizadas en el contexto de la educación secundaria pública peruana.