Sistema de analizar los rendimientos entre 100 estudiantes de informática, entre los niveles de depresión, rendimiento académico y patrones de TDAH (Trastorno por Déficit de Atención e Hiperactividad), utilizando estratégias de machine learning

En el presente trabajo de investigación se elaboró un modelo Machine Learning para predecir el rendimiento académico de los estudiantes universitarios, se utilizó el programa de dataset El objetivo de esta investigación es determinar en qué porcentaje Machine Learning permite predecir el rendimiento académico con precisión, sensibilidad y especificidad, con el fin de poder identificar a los alumnos con probabilidad de éxito o fracaso. En esta investigación se utilizó una población de 100 estudiantes de informática, así mismo se usó la totalidad de la población como muestra. Por otro lado, el estudio es de tipo aplicada, con un diseño de investigación experimental de tipo pre-experimental de un solo grupo, ya que luego de aplicar Machine Learning se podrá observar los resultados y realizar la medición. Como resultado en relación a la precisión, sensibilidad y especificad para los algoritmos de árbol de decisión.

• Autores: Díaz Ojeda, Andrés Felipe
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Corporación Universitaria Remington
• Repositorio: Repositorio institucional Uniremington
• Idioma: spa
• OAI Identifier: oai:repositorio.uniremington.edu.co:123456789/5412
• Acceso en línea: https://repositorio.uniremington.edu.co/handle/123456789/5412
• Palabra clave: Dominancia; Clustering; Impacto de la depresión; Patrones; Aprendizaje automático (Inteligencia artificial); Análisis de datos; Estudiantes universitarios
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)