Nivel de dificultad de las asignaturas del plan de estudio del programa de Ingeniería Industrial

La asesoría académica en instituciones de educación superior desempeña un rol importante para la correcta planeación curricular de los estudiantes. Sin embargo, la creciente necesidad de personalizar la atención, reducir los tiempos de respuesta y el número de personas involucradas en el proceso conlleva al análisis de estrategias que permitan optimizar las sesiones de asesoría y mejorar los futuros resultados de los estudiantes. Por esto, se busca facilitar el proceso desempeñado por el coordinador del programa y responder a las necesidades particulares de los educandos. El índice de dificultad académica y la importancia de la asignatura, permitirá determinar qué combinación de clases debería tomar el estudiante para tener una carga semestral balanceada y alta probabilidad de éxito. Este estudio se centra en la determinación del índice de dificultad académica por medio del uso de Redes Neuronales de Resiliente Propagación Hacia Atrás con Retroceso de Peso en el programa RStudio. Se tomó una muestra de 807 egresados del programa de Ingeniería Industrial en la Universidad del Norte, Barranquilla y se analizó su rendimiento académico durante el pregrado. Los resultados mostraron que el modelo planteado tuvo éxito en la clasificación de estudiantes que tendrán la probabilidad de considerar una asignatura de alta dificultad, sin embargo, el modelo tiene poca capacidad para clasificar a los estudiantes que no tendrán mayor dificultad en una asignatura.

• Autores: Gutiérrez Púa, Lizeth Del Carmen; Figueroa Carbonó, Kiara Estefany; Camacho Consuegra, Luis Carlos
• Fecha de publicación: 2020
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/8895
• Acceso en línea: http://hdl.handle.net/10584/8895
• Palabra clave: Asesoría académica, índice de dificultad académica, redes neuronales, minería de datos.; Academic counseling, academic difficulty index, neural networks, data mining.
• License: Universidad del Norte