Construcción de modelos para determinar el rendimiento académico en estudiantes de educación superior mediante técnicas no clásicas de machine learning

El rendimiento académico es uno de los temas que se han venido analizando con gran interés en las instituciones educativas, pues se ha descubierto que el comportamiento que este tome, puede indicar las probabilidades de éxito o fracaso que un estudiante tenga dentro de su vida académica. Sin embargo, el desempeño académico depende de múltiples variables por lo que resulta cuestionable si es posible su predicción. Cuando este problema se aborda de manera cuantitativa, se busca la manera de adoptar nuevas herramientas que permitan procesar información de manera eficiente. Para ello, se han implementado modelos con redes neuronales para contextos específicos. Este trabajo de investigación se enfoca en estudiar nuevos modelos adaptados a las características de los estudiantes de la Universidad Distritral FCJ, con el fin de averiguar si este tipo de modelos son lo suficientemente efectivos para predecir el rendimiento académico y así convertirse en una herramienta útil para las directivas a la hora de tomar decisiones que aborden temas como la deserción estudiantil.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/30638
• Acceso en línea: http://hdl.handle.net/11349/30638
• Palabra clave: Redes neuronales; Rendimiento académico; Aprendizaje automático; Aprendizaje profundo; Ingeniería de Producción - Tesis y disertaciones académicas; Rendimiento académico - Predicciones; Algoritmos (Computadores); Aprendizaje automático (Inteligencia artificial); Estudiantes universitarios - Recopilación de datos; Neural networks; Academic performance; Machine learning; Deep learning
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional