​​​​Solución tecnológica basada en un modelo predictivo para evaluar la probabilidad de éxito en torneos internos de estudiantes de una academia de ajedrez peruana​​

• Autores: Ortiz Asencio, Valeria Karina, Puppi Lazo, Stephanie Beatriz
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/687901
• Enlace del recurso: http://hdl.handle.net/10757/687901
• Nivel de acceso: acceso abierto
• Materia: Machine Learning; Random Forest; Modelo predictivo; Ajedrez; Rendimiento en ajedrez; predictive model; chess; chess performanc; https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04

Entre los factores que influyen en la adquisición de capacidades y conocimientos relacionados al ajedrez se encuentran los psicológicos, cognitivos y sociales. Es fundamental tomar en cuenta estos factores para la realización de predicciones del rendimiento de estudiantes de ajedrez, las cuales permiten a los docentes generar nuevos planes de aprendizaje para la disminución del índice del fracaso académico en este ámbito. En el presente documento se detalla la elaboración de un modelo predictivo basado en el algoritmo de Machine Learning, Random Forest, para evaluar la probabilidad de éxito de los estudiantes de una academia peruana de ajedrez en torneos internos. Esta evaluación tiene como objetivo implementar mejoras en el proceso de evaluación del rendimiento de los estudiantes. Para la construcción del modelo, seleccionamos las características demográficas y académicas más relevantes tales como la locación geográfica, edad, asistencia a clases en plataformas virtuales y estadísticas obtenidas de la plataforma Lichess.org. Estas variables, consideradas predictoras, permitieron obtener un indicador de éxito medido con la probabilidad porcentual de victoria en torneos académicos internos que cada alumno posee. El algoritmo fue seleccionado debido a la obtención de mejores resultados en las pruebas de rendimiento. La solución está enfocada en una academia peruana de ajedrez con 120 alumnos aproximadamente. La validez del proyecto realizado se obtuvo a partir de los resultados se obtuvieron a partir de la matriz de confusión y la comparación de estos con otros algoritmos de Machine Learning.