Predicción del nivel de estrés académico en estudiantes de la Universidad Nacional José María Arguedas aplicando un modelo de inteligencia artificial

• Autor: Flores Moscoso, Geraldine Nila
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional José María Arguedas
• Repositorio: UNAJMA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unajma.edu.pe:20.500.14168/849
• Enlace del recurso: https://hdl.handle.net/20.500.14168/849
• Nivel de acceso: acceso abierto
• Materia: Predicción,; nivel de estrés académico,; estudiantes,; modelo de inteligencia artificial.; http://purl.org/pe-repo/ocde/ford#2.02.04

La presente investigación se enfoca en la predicción del nivel de estrés académico en estudiantes de la Universidad Nacional José María Arguedas mediante la aplicación de un modelo de inteligencia artificial. El objetivo principal es desarrollar un modelo capaz de predecir el nivel de estrés académico en los estudiantes, utilizando técnicas de inteligencia artificial. Para lograr este objetivo, se recopilaron datos de una muestra representativa de estudiantes de la UNAJMA, incluyendo variables relacionadas con el estrés académico, como la carga de trabajo, la presión académica, la calidad del sueño y la aplicación del inventario SISCO. Estos datos se utilizaron para entrenar y validar un modelo de inteligencia artificial, específicamente un modelo de aprendizaje automático. El modelo de inteligencia artificial fue diseñado siguiendo las etapas de la metodología CRISP-DM (Cross Industry Standard Process for Data Mining), para analizar los datos recopilados y generar predicciones lo más exactas posible sobre el nivel de estrés académico de los estudiantes. Además, se llevaron a cabo pruebas y validaciones exhaustivas para evaluar la exactitud del modelo. Los resultados obtenidos mostraron que el modelo de inteligencia artificial fue capaz de predecir el nivel de estrés académico en los estudiantes de la UNAJMA con una exactitud significativa. Estos hallazgos tienen importantes implicaciones para el desarrollo de estrategias de intervención temprana y programas de apoyo dirigidos a reducir el estrés académico en los estudiantes universitarios, brindando además una base sólida para futuras investigaciones.