Aprendizaje automático para la predicción de estilos de aprendizaje de alumnos de primaria en una institución educativa de Comas 2025

• Autores: Cosio Quispe, Pablo Angel, Pinedo Felix, Hashly Margiorytt
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/175552
• Enlace del recurso: https://hdl.handle.net/20.500.12692/175552
• Nivel de acceso: acceso embargado
• Materia: Algoritmo; aprendizaje; educación; https://purl.org/pe-repo/ocde/ford#2.02.04

La presente investigación aporta al Objetivo de Desarrollo Sostenible (ODS) 8: Trabajo decente y crecimiento económico, al promover herramientas que fortalezcan las competencias educativas desde edades tempranas. Tiene como objetivo general determinar la influencia del aprendizaje automático en la predicción de Estilos de Aprendizaje de alumnos de primaria en una Institución Educativa de Comas 2025. El estudio fue de tipo aplicado, con enfoque cuantitativo y diseño pre-experimental, teniendo como población a estudiantes del nivel primario, con un muestreo no probabilístico. Se utilizó el cuestionario de 15 preguntas tipo Likert y preguntas VARK como instrumento de recolección de datos, y se aplicó la metodología KDD para el procesamiento. Se implementaron algoritmos (SVM, KNN y DT) para predecir el estilo de aprendizaje predominante. Los resultados mostraron que el algoritmo SVM en la predicción alcanzó los valores más altos en precisión (92.5%), sensibilidad (91.5%) y exactitud (92.5%), superando a los otros algoritmos evaluados. Estas métricas evidenciaron que el uso de aprendizaje automático influyó positivamente en la predicción confiable de los estilos de aprendizaje. Se concluye que la aplicación de algoritmos en entornos educativos permite fortalecer la enseñanza, al facilitar la adecuación de estrategias pedagógicas basadas en el perfil cognitivo de cada estudiante.