Predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante aprendizaje automático
Resumen: Esta propuesta plantea la selección de variables que influyen en la predicción del rendimiento en estudiantes de ingeniería industrial de la Universidad Distrital (Colombia) por diferentes metodologías: filtro, envoltura e integrados. Se implementaron algoritmos de clasificación a través de...
Guardado en:
| Autores principales: | , , |
|---|---|
| Lenguaje: | Spanish / Castilian |
| Publicado: |
Centro de Información Tecnológica
2020
|
| Materias: | |
| Acceso en línea: | http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-50062020000500233 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| id |
oai:scielo:S0718-50062020000500233 |
|---|---|
| record_format |
dspace |
| spelling |
oai:scielo:S0718-500620200005002332020-10-19Predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante aprendizaje automáticoContreras,Leonardo E.Fuentes,Héctor J.Rodríguez,José I. análisis de datos aprendizaje automático educación en ingeniería modelo rendimiento académico Resumen: Esta propuesta plantea la selección de variables que influyen en la predicción del rendimiento en estudiantes de ingeniería industrial de la Universidad Distrital (Colombia) por diferentes metodologías: filtro, envoltura e integrados. Se implementaron algoritmos de clasificación a través del lenguaje de programación Python como árbol de decisión, K vecinos más cercanos, perceptrón y otros, los cuales son comparados para conocer el mejor resultado de predicción. El género y el puntaje ICFES (examen de estado en Colombia) para condición matemática se encuentran en el rango superior de todos los métodos de selección de características, y el algoritmo perceptrón arroja mejor exactitud con respecto a los otros algoritmos usados. Se concluye que las variables que más influyen en el rendimiento académico de los estudiantes de ingeniería son: edad, género, puntaje ICFES para aptitud matemática, puntaje global ICFES, valor de matrícula y puntaje ICFES para condición matemática y cohorte.info:eu-repo/semantics/openAccessCentro de Información TecnológicaFormación universitaria v.13 n.5 20202020-10-01text/htmlhttp://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-50062020000500233es10.4067/S0718-50062020000500233 |
| institution |
Scielo Chile |
| collection |
Scielo Chile |
| language |
Spanish / Castilian |
| topic |
análisis de datos aprendizaje automático educación en ingeniería modelo rendimiento académico |
| spellingShingle |
análisis de datos aprendizaje automático educación en ingeniería modelo rendimiento académico Contreras,Leonardo E. Fuentes,Héctor J. Rodríguez,José I. Predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante aprendizaje automático |
| description |
Resumen: Esta propuesta plantea la selección de variables que influyen en la predicción del rendimiento en estudiantes de ingeniería industrial de la Universidad Distrital (Colombia) por diferentes metodologías: filtro, envoltura e integrados. Se implementaron algoritmos de clasificación a través del lenguaje de programación Python como árbol de decisión, K vecinos más cercanos, perceptrón y otros, los cuales son comparados para conocer el mejor resultado de predicción. El género y el puntaje ICFES (examen de estado en Colombia) para condición matemática se encuentran en el rango superior de todos los métodos de selección de características, y el algoritmo perceptrón arroja mejor exactitud con respecto a los otros algoritmos usados. Se concluye que las variables que más influyen en el rendimiento académico de los estudiantes de ingeniería son: edad, género, puntaje ICFES para aptitud matemática, puntaje global ICFES, valor de matrícula y puntaje ICFES para condición matemática y cohorte. |
| author |
Contreras,Leonardo E. Fuentes,Héctor J. Rodríguez,José I. |
| author_facet |
Contreras,Leonardo E. Fuentes,Héctor J. Rodríguez,José I. |
| author_sort |
Contreras,Leonardo E. |
| title |
Predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante aprendizaje automático |
| title_short |
Predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante aprendizaje automático |
| title_full |
Predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante aprendizaje automático |
| title_fullStr |
Predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante aprendizaje automático |
| title_full_unstemmed |
Predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante aprendizaje automático |
| title_sort |
predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante aprendizaje automático |
| publisher |
Centro de Información Tecnológica |
| publishDate |
2020 |
| url |
http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-50062020000500233 |
| work_keys_str_mv |
AT contrerasleonardoe predicciondelrendimientoacademicocomoindicadordeexitofracasodelosestudiantesdeingenieriamedianteaprendizajeautomatico AT fuenteshectorj predicciondelrendimientoacademicocomoindicadordeexitofracasodelosestudiantesdeingenieriamedianteaprendizajeautomatico AT rodriguezjosei predicciondelrendimientoacademicocomoindicadordeexitofracasodelosestudiantesdeingenieriamedianteaprendizajeautomatico |
| _version_ |
1714204777075703808 |