Modelo de analítica predictiva para el éxito estudiantil en cursos de precálculo.
Este trabajo se basa en la creación de un modelo de clasificación basado en técnicas de Machine Learing, en donde se busca generar grupos homogéneos de clasificación de estudiantes en base a su información sociodemográfica, y a los resultados obtenidos en el examen del estado. El propósito es brinda...
- Autores:
-
Vela Aguilera, Santiago Andrés
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/74664
- Acceso en línea:
- https://hdl.handle.net/1992/74664
- Palabra clave:
- Machine Learning
Clasificador
Grupos homogéneos
Ingeniería
- Rights
- openAccess
- License
- Attribution-NonCommercial-ShareAlike 4.0 International
| Summary: | Este trabajo se basa en la creación de un modelo de clasificación basado en técnicas de Machine Learing, en donde se busca generar grupos homogéneos de clasificación de estudiantes en base a su información sociodemográfica, y a los resultados obtenidos en el examen del estado. El propósito es brindar un acompañamiento a los estudiantes de primer semestre que miran la materia precálculo por primera vez, este acompañamiento está enfocado en mejorar las habilidades y aptitudes matemáticas de los estudiantes, permitiendo así impulsar el éxito académico de los mismos. El proyecto busca abordar la problemática que hubo en la Universidad de los Andes, entre los años 2018 a 2023, en donde aproximadamente el 37.7% de los estudiantes que se enfrentaron a la materia de precálculo por primera vez no lograron superarla o retirarla. Dicho esto el modelo clasificara en 4 grupos a los estudiantes según sus habilidades matemáticas. |
|---|