Diseño e implementación de un modelo de red neuronal artificial para la predicción del rendimiento académico utilizando información no personal

Descripción del Articulo

Posible publicación en revistas indexadas
Detalles Bibliográficos
Autor: Chavez Arias, Jorge Heyul
Formato: tesis de grado
Fecha de Publicación:2023
Institución:Universidad Peruana de Ciencias Aplicadas
Repositorio:UPC-Institucional
Lenguaje:español
OAI Identifier:oai:repositorioacademico.upc.edu.pe:10757/669541
Enlace del recurso:http://hdl.handle.net/10757/669541
Nivel de acceso:acceso embargado
Materia:Privacidad
Datos personales
Redes neuronales
Rendimiento académico
Privacy
Personal data
Neural networks
Academic performance
https://purl.org/pe-repo/ocde/ford#2.02.04
https://purl.org/pe-repo/ocde/ford#2.00.00
id UUPC_e4415cfd4aaa041b50c9db967e475202
oai_identifier_str oai:repositorioacademico.upc.edu.pe:10757/669541
network_acronym_str UUPC
network_name_str UPC-Institucional
repository_id_str 2670
dc.title.es_PE.fl_str_mv Diseño e implementación de un modelo de red neuronal artificial para la predicción del rendimiento académico utilizando información no personal
dc.title.alternative.none.fl_str_mv Design and implementation of an artificial neural network model for academic performance prediction using non-personal information
title Diseño e implementación de un modelo de red neuronal artificial para la predicción del rendimiento académico utilizando información no personal
spellingShingle Diseño e implementación de un modelo de red neuronal artificial para la predicción del rendimiento académico utilizando información no personal
Chavez Arias, Jorge Heyul
Privacidad
Datos personales
Redes neuronales
Rendimiento académico
Privacy
Personal data
Neural networks
Academic performance
https://purl.org/pe-repo/ocde/ford#2.02.04
https://purl.org/pe-repo/ocde/ford#2.00.00
title_short Diseño e implementación de un modelo de red neuronal artificial para la predicción del rendimiento académico utilizando información no personal
title_full Diseño e implementación de un modelo de red neuronal artificial para la predicción del rendimiento académico utilizando información no personal
title_fullStr Diseño e implementación de un modelo de red neuronal artificial para la predicción del rendimiento académico utilizando información no personal
title_full_unstemmed Diseño e implementación de un modelo de red neuronal artificial para la predicción del rendimiento académico utilizando información no personal
title_sort Diseño e implementación de un modelo de red neuronal artificial para la predicción del rendimiento académico utilizando información no personal
author Chavez Arias, Jorge Heyul
author_facet Chavez Arias, Jorge Heyul
author_role author
dc.contributor.advisor.fl_str_mv Sanchez Huapaya, Alonso Sebastian
Raymundo Ibañez, Carlos Arturo
dc.contributor.author.fl_str_mv Chavez Arias, Jorge Heyul
dc.subject.none.fl_str_mv Privacidad
Datos personales
Redes neuronales
Rendimiento académico
Privacy
Personal data
Neural networks
Academic performance
topic Privacidad
Datos personales
Redes neuronales
Rendimiento académico
Privacy
Personal data
Neural networks
Academic performance
https://purl.org/pe-repo/ocde/ford#2.02.04
https://purl.org/pe-repo/ocde/ford#2.00.00
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.00.00
description Posible publicación en revistas indexadas
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-11-30T15:52:00Z
dc.date.available.none.fl_str_mv 2023-11-30T15:52:00Z
dc.date.issued.fl_str_mv 2023-11-08
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.other.es_PE.fl_str_mv Tesis
dc.type.coar.es_PE.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
format bachelorThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10757/669541
dc.identifier.isni.es_PE.fl_str_mv 000000012196144X
url http://hdl.handle.net/10757/669541
identifier_str_mv 000000012196144X
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/embargoedAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.coar.es_PE.fl_str_mv http://purl.org/coar/access_right/c_f1cf
eu_rights_str_mv embargoedAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
http://purl.org/coar/access_right/c_f1cf
dc.format.en_US.fl_str_mv application/pdf
application/epub
application/msword
dc.publisher.es_PE.fl_str_mv Universidad Peruana de Ciencias Aplicadas (UPC)
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Universidad Peruana de Ciencias Aplicadas (UPC)
Repositorio Académico - UPC
dc.source.none.fl_str_mv reponame:UPC-Institucional
instname:Universidad Peruana de Ciencias Aplicadas
instacron:UPC
instname_str Universidad Peruana de Ciencias Aplicadas
instacron_str UPC
institution UPC
reponame_str UPC-Institucional
collection UPC-Institucional
bitstream.url.fl_str_mv https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/12/Chavez_AJ.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/9/Chavez_AJ_Resumen.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/11/Chavez_AJ.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/14/Chavez_AJ_Fichaautorizacion.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/16/Chavez_AJ_Reportesimilitud.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/18/Chavez_AJ_Actasimilitud.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/20/Chavez_AJ_Embargo.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/8/Chavez_AJ_Resumen.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/10/Chavez_AJ.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/13/Chavez_AJ_Fichaautorizacion.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/15/Chavez_AJ_Reportesimilitud.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/17/Chavez_AJ_Actasimilitud.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/19/Chavez_AJ_Embargo.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/1/Chavez_AJ_Resumen.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/2/Chavez_AJ.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/3/Chavez_AJ.docx
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/4/Chavez_AJ_Fichaautorizacion.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/5/Chavez_AJ_Reportesimilitud.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/6/Chavez_AJ_Actasimilitud.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/7/Chavez_AJ_Embargo.pdf
bitstream.checksum.fl_str_mv 99249ce97cb99b956cbd90f9c9300500
025064316531f9ede534e22dbaa53e5f
025064316531f9ede534e22dbaa53e5f
201a6db045b1116c06d79c99c6378868
0c146b06174ca75ebf3b630693105817
d71f4e846607c3287465f759f736d8d0
4dd28b3377377b43230cb5a9191c7a09
1a6d3318c5612b57048eac7501b7bc63
2e9ffdfae0e33def136ba0ed18c2499d
3d340810072254c8416cd8a08b3192ed
366e10d2eb749f0a40ee69e0aad8c58e
e3e00a64ecb9eebd915b7909bc6251b8
d41d8cd98f00b204e9800998ecf8427e
f32a401bf914a01fa2492d61906472d9
7bda4599147331b0ceda4c78724e54ed
36ebe205474488ae92111a99ebfd3618
2af0b85035a2634a75412af6e0f90bd9
113101aab4f74d54b0c820cfa7c35969
d13032e91d21fc571dd7b6b631c0e149
b6db1983f19722d08f39057820f32cd4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio académico upc
repository.mail.fl_str_mv upc@openrepository.com
_version_ 1846065953534640128
spelling c9e11432d85026d8208d86e376f8e8d6953a627a0e4ebd5866042d698475cc49Sanchez Huapaya, Alonso SebastianRaymundo Ibañez, Carlos Arturo52d9d69935ae6a5440f3ae2671fb557f500Chavez Arias, Jorge Heyul2023-11-30T15:52:00Z2023-11-30T15:52:00Z2023-11-08http://hdl.handle.net/10757/669541000000012196144XPosible publicación en revistas indexadasLa presente investigación se basa en la investigación realizada por los autores, denominada “Artificial neural network model to predict student performance using nonpersonal information” [1] que constó de lo siguiente: Análisis y propósito de la investigación: El bajo rendimiento académico es uno de los principales problemas que enfrenta la educación superior, y es difícil combatirlo ya que es influenciado por diferentes factores. En el Perú, la pandemia del COVID-19 forzó a los estudiantes migrar a entornos virtuales de aprendizaje. Esto introdujo la necesidad de que estudiantes y profesores se adaptaran a un entorno de aprendizaje virtual. Esta investigación propone desarrollar un sistema que pueda predecir el rendimiento académico en base a la interacción de los alumnos con la plataforma virtual de aprendizaje sin usar información personal. Diseño y Metodología: Para el diseño del sistema predictor es necesario obtener y procesar una base de datos que tengas toda esta información, luego de obtenida, se realiza una limpieza, selección previa de variables, transformación, extracción, combinación, manipulación, etc. para generar las variables deseadas para el análisis del modelado predictivo, a esto también se le conoce como Feature engineering. Luego de tener los datos listos se realiza la implementación y optimización de distintos modelos de Aprendizaje Automático y Redes Neuronales Profundas, para luego ser comparadas y seleccionar al que logre el mejor desempeño. Resultados: El algoritmo escogido es una Red Neuronal Artificial, al realizar la prueba de validación de un total de 291 estudiantes que aprobaban un curso, 274 se predijeron correctamente, y de un total de 210 estudiantes que desaprobaron, 196 se predijeron correctamente. Las métricas que obtuvo el modelo fueron las siguientes: 93.81% accuracy, 94.15% precision, 95.13% recall, y 94.64% F1-score. Principal conclusión: La predicción del rendimiento académico de los estudiantes permite a las instituciones identificar mejor a los estudiantes en riesgo y tomar medidas de apoyo, garantizando así que los estudiantes completen con éxito sus ciclos académicos, a su vez, ayudando a las instituciones a ganar más prestigio.The present research is based on the research conducted by the authors, entitled "Artificial neural network model to predict student performance using nonpersonal information" [1] which consisted of the following: Analysis and purpose of the research: Low academic performance is one of the main problems facing higher education, and it is difficult to combat it as it is influenced by different factors. In Peru, the COVID-19 pandemic forced students to migrate to virtual learning environments. This introduced the need for students and teachers to adapt to a virtual learning environment. This research proposes to develop a system that can predict academic performance based on student interaction with the virtual learning platform without using personal information. Design and Methodology: For the design of the predictive system it is necessary to obtain and process a database that has all this information, after obtaining it, a cleaning, previous selection of variables, transformation, extraction, combination, manipulation, etc. is performed to generate the desired variables for the analysis of the predictive modeling, this is also known as Feature engineering. After having the data ready, the implementation and optimization of different models of Machine Learning and Deep Neural Networks is performed, to then be compared and select the one that achieves the best performance. Results: The chosen algorithm is an Artificial Neural Network, when performing the validation test of a total of 291 students who passed a course, 274 were correctly predicted, and of a total of 210 students who failed, 196 were correctly predicted. The metrics obtained by the model were as follows: 93.81% accuracy, 94.15% precision, 95.13% recall, and 94.64% F1-score. Main conclusion: Predicting students' academic performance allows institutions to better identify at-risk students and take supportive measures, thus ensuring that students successfully complete their academic cycles, in turn, helping institutions gain more prestige.TesisODS 4: Educación de calidadODS 9: Industria, innovación e infraestructuraODS 10: Reducción de las desigualdadesapplication/pdfapplication/epubapplication/mswordspaUniversidad Peruana de Ciencias Aplicadas (UPC)PEinfo:eu-repo/semantics/embargoedAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_f1cfUniversidad Peruana de Ciencias Aplicadas (UPC)Repositorio Académico - UPCreponame:UPC-Institucionalinstname:Universidad Peruana de Ciencias Aplicadasinstacron:UPCPrivacidadDatos personalesRedes neuronalesRendimiento académicoPrivacyPersonal dataNeural networksAcademic performancehttps://purl.org/pe-repo/ocde/ford#2.02.04https://purl.org/pe-repo/ocde/ford#2.00.00Diseño e implementación de un modelo de red neuronal artificial para la predicción del rendimiento académico utilizando información no personalDesign and implementation of an artificial neural network model for academic performance prediction using non-personal informationinfo:eu-repo/semantics/bachelorThesisTesishttp://purl.org/coar/resource_type/c_7a1fSUNEDUUniversidad Peruana de Ciencias Aplicadas (UPC). Facultad de IngenieríaLicenciaturaIngeniería de Telecomunicaciones y RedesIngeniero de Telecomunicaciones y Redes2023-11-30T20:41:24Zhttps://purl.org/pe-repo/renati/type#tesishttps://orcid.org/0000-0002-4449-786Xhttps://orcid.org/0000-0001-9615-09917403378918010211https://purl.org/pe-repo/renati/level#tituloProfesional613036Gonzales Figueroa, Renatto GustavoDiaz Córdova, AldoGálvez Legua, Mauricio Pedro46501276CONVERTED2_3838747Chavez_AJ.pdfChavez_AJ.pdfapplication/pdf2917915https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/12/Chavez_AJ.pdf99249ce97cb99b956cbd90f9c9300500MD512falseTHUMBNAILChavez_AJ_Resumen.pdf.jpgChavez_AJ_Resumen.pdf.jpgGenerated Thumbnailimage/jpeg33573https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/9/Chavez_AJ_Resumen.pdf.jpg025064316531f9ede534e22dbaa53e5fMD59false2024-11-30Chavez_AJ.pdf.jpgChavez_AJ.pdf.jpgGenerated Thumbnailimage/jpeg33573https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/11/Chavez_AJ.pdf.jpg025064316531f9ede534e22dbaa53e5fMD511falseChavez_AJ_Fichaautorizacion.pdf.jpgChavez_AJ_Fichaautorizacion.pdf.jpgGenerated Thumbnailimage/jpeg25488https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/14/Chavez_AJ_Fichaautorizacion.pdf.jpg201a6db045b1116c06d79c99c6378868MD514falseChavez_AJ_Reportesimilitud.pdf.jpgChavez_AJ_Reportesimilitud.pdf.jpgGenerated Thumbnailimage/jpeg46083https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/16/Chavez_AJ_Reportesimilitud.pdf.jpg0c146b06174ca75ebf3b630693105817MD516falseChavez_AJ_Actasimilitud.pdf.jpgChavez_AJ_Actasimilitud.pdf.jpgGenerated Thumbnailimage/jpeg42346https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/18/Chavez_AJ_Actasimilitud.pdf.jpgd71f4e846607c3287465f759f736d8d0MD518falseChavez_AJ_Embargo.pdf.jpgChavez_AJ_Embargo.pdf.jpgGenerated Thumbnailimage/jpeg41681https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/20/Chavez_AJ_Embargo.pdf.jpg4dd28b3377377b43230cb5a9191c7a09MD520falseTEXTChavez_AJ_Resumen.pdf.txtChavez_AJ_Resumen.pdf.txtExtracted texttext/plain6027https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/8/Chavez_AJ_Resumen.pdf.txt1a6d3318c5612b57048eac7501b7bc63MD58false2024-11-30Chavez_AJ.pdf.txtChavez_AJ.pdf.txtExtracted texttext/plain84047https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/10/Chavez_AJ.pdf.txt2e9ffdfae0e33def136ba0ed18c2499dMD510falseChavez_AJ_Fichaautorizacion.pdf.txtChavez_AJ_Fichaautorizacion.pdf.txtExtracted texttext/plain2683https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/13/Chavez_AJ_Fichaautorizacion.pdf.txt3d340810072254c8416cd8a08b3192edMD513falseChavez_AJ_Reportesimilitud.pdf.txtChavez_AJ_Reportesimilitud.pdf.txtExtracted texttext/plain5002https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/15/Chavez_AJ_Reportesimilitud.pdf.txt366e10d2eb749f0a40ee69e0aad8c58eMD515falseChavez_AJ_Actasimilitud.pdf.txtChavez_AJ_Actasimilitud.pdf.txtExtracted texttext/plain1275https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/17/Chavez_AJ_Actasimilitud.pdf.txte3e00a64ecb9eebd915b7909bc6251b8MD517falseChavez_AJ_Embargo.pdf.txtChavez_AJ_Embargo.pdf.txtExtracted texttext/plain0https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/19/Chavez_AJ_Embargo.pdf.txtd41d8cd98f00b204e9800998ecf8427eMD519falseORIGINALChavez_AJ_Resumen.pdfChavez_AJ_Resumen.pdfapplication/pdf158820https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/1/Chavez_AJ_Resumen.pdff32a401bf914a01fa2492d61906472d9MD51true2024-11-30Chavez_AJ.pdfChavez_AJ.pdfapplication/pdf821601https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/2/Chavez_AJ.pdf7bda4599147331b0ceda4c78724e54edMD52falseChavez_AJ.docxChavez_AJ.docxapplication/vnd.openxmlformats-officedocument.wordprocessingml.document4418479https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/3/Chavez_AJ.docx36ebe205474488ae92111a99ebfd3618MD53falseChavez_AJ_Fichaautorizacion.pdfChavez_AJ_Fichaautorizacion.pdfapplication/pdf208963https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/4/Chavez_AJ_Fichaautorizacion.pdf2af0b85035a2634a75412af6e0f90bd9MD54falseChavez_AJ_Reportesimilitud.pdfChavez_AJ_Reportesimilitud.pdfapplication/pdf8374669https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/5/Chavez_AJ_Reportesimilitud.pdf113101aab4f74d54b0c820cfa7c35969MD55falseChavez_AJ_Actasimilitud.pdfChavez_AJ_Actasimilitud.pdfapplication/pdf120720https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/6/Chavez_AJ_Actasimilitud.pdfd13032e91d21fc571dd7b6b631c0e149MD56falseChavez_AJ_Embargo.pdfChavez_AJ_Embargo.pdfapplication/pdf195588https://repositorioacademico.upc.edu.pe/bitstream/10757/669541/7/Chavez_AJ_Embargo.pdfb6db1983f19722d08f39057820f32cd4MD57false10757/669541oai:repositorioacademico.upc.edu.pe:10757/6695412024-07-28 17:15:26.282Repositorio académico upcupc@openrepository.com
score 14.000597
Diseño e implementación de un modelo de red neuronal artificial para la predicción del rendimiento académico utilizando información no personal
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).

Ejemplares Similares