Saved in:
| Main Author: | |
|---|---|
| Format: | Artículo científico |
| Language: | es |
| Published: |
Universidad Nacional Autónoma de México
2021
|
| Subjects: | |
| Online Access: | https://www.redalyc.org/articulo.oa?id=40471804002 https://www.redalyc.org/journal/404/40471804002/ https://www.redalyc.org/journal/404/40471804002/html/ https://www.redalyc.org/journal/404/40471804002/40471804002.epub https://www.redalyc.org/journal/404/40471804002/movil |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Table of Contents:
- Evaluación psicológica de profesores y alumnos mexicanos durante la pandemia de COVID-19 mediante técnicas de Machine learning J. Alejandro Navarro-Acosta Valeria Soto-Mendoza Felix Raymundo Saucedo-Zendejo José María Guajardo-Espinoza María Teresa Rivera-Morales Ingeniería validez predicción Psicometría clasificación machine learning En la presente obra se describe la realización de un ejercicio de validación de resultados de una prueba psicológica aplicada a maes- tros y alumnos en estado de aislamiento provocado por la pandemia debida al COVID-19 en el estado de Coahuila, México. El objetivo de este trabajo es aplicar técnicas de machine learning para validar un instrumento que mide las emociones y los sentimien- tos negativos, así como el sesgo cognitivo o desviación de pensamiento sobre la educación y la pandemia en situación de aislamien- to. Para el cumplimiento del objetivo se aplicó un instrumento en formato electrónico que se diseminó en el estado de Coahuila, fue respondido por los usuarios y se generó una base de datos, la cual después de su preprocesamiento fue analizada mediante la combinación de Random forest (RF) y Support Vector Machines (SVM); donde se obtuvo como resultado la pertinencia o no de algu- nos de los reactivos en las pruebas, lo que dio una validez interna al instrumento. Los resultados experimentales muestran que la metodología propuesta es capaz de seleccionar las variables predictoras más relevantes. De esta manera, se obtienen resultados sa- tisfactorios en la clasificación y predicción de diagnósticos psicológicos globales y segmentados por características de los respondien- tes. Por otro lado, aunque las técnicas implementadas son robustas y confiables, estas presentan limitaciones en cuanto a la observación de los otros tipos de validez: la de constructo y la externa, entre otras; lo cual pudiera limitar su utilización. Si bien, en el campo de la psicometría existen diversas estrategias clásicas, la metodología propuesta basada en la combinación de técnicas de machine learning para el análisis y validación de este tipo de pruebas, favorece el crecimiento de opciones para mejorar los diagnós- ticos y en consecuencia el tratamiento de padecimientos psicológicos. 2021 artículo científico 1405-7743 https://www.redalyc.org/articulo.oa?id=40471804002 https://www.redalyc.org/journal/404/40471804002/ https://www.redalyc.org/journal/404/40471804002/html/ https://www.redalyc.org/journal/404/40471804002/40471804002.epub https://www.redalyc.org/journal/404/40471804002/movil 10.14482/INDES.30.1.303.661 es http://www.redalyc.org/revista.oa?id=404 Ingeniería. Investigación y Tecnología application/pdf Universidad Nacional Autónoma de México Ingeniería. Investigación y Tecnología (México) Num.4 Vol.XXII