Modelo Predictivo Machine Learning de calidad de aplicaciones y seguridad web de universidades del Perú, año 2020

• Autor: Jimenez Flores, Juan Carlos
• Formato: tesis de maestría
• Fecha de Publicación: 2022
• Institución: Universidad José Carlos Mariátegui
• Repositorio: UJCM-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ujcm.edu.pe:20.500.12819/1790
• Enlace del recurso: https://hdl.handle.net/20.500.12819/1790
• Nivel de acceso: acceso abierto
• Materia: Machine learning; calidad de software web; seguridad web; modelo predictivo; http://purl.org/pe-repo/ocde/ford#2.02.04

El objetivo ⠀principal fue determinar la diferencia de medias de dos tratamientos del modelo predictivo machine learning entrenado entre la calidad de aplicaciones y seguridad web de las universidades del Perú, año 2020. El método de investigación fue aplicada científica, nivel predictivo y diseño experimental puro. Población, 142 universidades peruanas, con una muestra de 104 y un error aleatorio de 5%. Instrumento, algoritmos de machine learning, Web.dev y webhint. Resultado, el mejor algoritmo eficiente fue Linear Regression para el modelo predictivo machine learning, con coeficiente de determinación 1,00 e índice Kappa en la categoría muy buena para la predicción de seguridad web. El modelo predictivo fue Y ̂=9,526-0,0016X_1-0,0039X_2+0,0033X_3+0,0060X_4- 0,9328X_5 para la calidad de aplicaciones y seguridad web. Es verdadera la hipótesis nula porque existe suficiente evidencia estadística de que las medias no difieren, porque es igual a cero, en el nivel de significancia de 0,05 y existe una relación de 99,99% de que el algoritmo predictivo Linear Regression de machine learning es más eficiente y los para los parámetros aprendizaje peso (W), es verdadero la hipótesis alterna porque valor-p es menor a alfa, que significa que la media de los pesos de aprendizaje o regresores, es diferente de cero, por lo que el modelo tiene una relación de 98,00% de coeficiente de determinación. Conclusión, la⠀⠀relación entre⠀⠀las⠀variables de⠀investigación fue de 99,99% para modelo predictivo y la diferencia de medias con tratamiento X y Y fue de 0,0002219.