Machine learning para predecir el rendimiento académico de los estudiantes universitarios

• Autor: Garcia Dionisio, Jeancarlos Donato
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/83442
• Enlace del recurso: https://hdl.handle.net/20.500.12692/83442
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje automático; Estudiantes universitarios; Rendimiento académico; https://purl.org/pe-repo/ocde/ford#2.02.04

En el presente trabajo de investigación se elaboró un modelo Machine Learning para predecir el rendimiento académico de los estudiantes universitarios, se utilizó la metodología KDD, así mismo herramientas como SPSS statistic y SPSS Modeler para la creación del modelo predictivo. El objetivo de esta 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. En esta investigación se utilizó una población de 87 alumnos, así mismo se usó la totalidad de la población como muestra. Por otro lado, el estudio es de tipo aplicada, con un diseño de investigación experimental de tipo pre-experimental de un solo grupo, ya que luego de aplicar Machine Learning se podrá observar los resultados y realizar la medición. Como resultado en relación a la precisión, sensibilidad y especificad para los algoritmos de árbol de decisión, Maquina de vectores y K-NN, se valida que Machine Learning para predecir el rendimiento académico de los estudiantes universitarios, así mismo el algoritmo con mejores resultados para esta casuística fue Maquina de vectores (SVM) con un valor de 100%.