Modelos predictivos para la detección del bajo rendimiento escolar: una revisión sistemática
Descripción del Articulo
El presente estudio realizó una revisión sistemática de literatura con el objetivo de sintetizar la evidencia reciente sobre el uso de modelos predictivos para la detección del bajo rendimiento escolar. Se empleó el modelo PRISMA 2020 para la identificación, selección y análisis de los estudios, rea...
| Autores: | , |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2026 |
| Institución: | Universidad Señor de Sipan |
| Repositorio: | USS-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.uss.edu.pe:20.500.12802/17086 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12802/17086 |
| Nivel de acceso: | acceso abierto |
| Materia: | Modelos predictivos Rendimiento académico Aprendizaje automático Educación básica Revisión sistemática https://purl.org/pe-repo/ocde/ford#2.02.04 |
| Sumario: | El presente estudio realizó una revisión sistemática de literatura con el objetivo de sintetizar la evidencia reciente sobre el uso de modelos predictivos para la detección del bajo rendimiento escolar. Se empleó el modelo PRISMA 2020 para la identificación, selección y análisis de los estudios, realizando búsquedas en Scopus y Web of Science entre 2014-2024. Del total de 1 233 registros recuperados, 163 cumplieron los criterios de inclusión y fueron examinados en profundidad. Los resultados evidencian un crecimiento significativo de investigaciones en los últimos años, destacando el uso frecuente de algoritmos como Random Forest, Support Vector Machines, Naive Bayes y métodos ensemble, los cuales reportan precisiones superiores al 85 % en la mayoría de los estudios. Las variables académicas fueron las más utilizadas como predictores, mientras que las socioemocionales continúan siendo escasamente exploradas. Asimismo, se identificaron limitaciones relacionadas con bases de datos pequeñas, falta de interpretabilidad de los modelos y concentración de estudios en educación superior. Se concluye que los modelos predictivos representan una herramienta valiosa para anticipar el riesgo académico; sin embargo, se requiere mayor investigación en educación básica, incorporación de variables socioemocionales y desarrollo de algoritmos más interpretables para su aplicación efectiva en contextos escolares. |
|---|
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).