Rendimiento académico de estudiantes en Educación Superior: predicciones de factores influyentes a partir de árboles de decisión
Fuente:
Redalyc
Saved in:
| Main Author: | |
|---|---|
| Format: | Artículo científico |
| Language: | es |
| Published: |
Universidad Privada Dr. Rafael Belloso Chacín
2021
|
| Subjects: | |
| Online Access: | |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1876476721152131072 |
|---|---|
| author | Brenda Díaz-Landa |
| author_facet | Brenda Díaz-Landa |
| contents | Rendimiento académico de estudiantes en Educación Superior: predicciones de factores influyentes a partir de árboles de decisión Brenda Díaz-Landa Rosana Meleán-Romero William Marín-Rodriguez Multidisciplinarias (Ciencias Sociales) predicción software WEKA minería de datos árbol de decisión Rendimiento académico El artículo tuvo como objetivo predecir el rendimiento académico de estudiantes de maestrías en educación, teniendo como autores principales a Camborda Zamudio (2014), Candia Oviedo (2019), Castrillón et al. (2020), Hussain et al. (2018), Yarlequé Wong (2019). Se empleó la técnica de árbol de decisión y minería de datos y herramientas que provee la inteligencia artificial para construir un modelo con el algoritmo J48 del software WEKA, teniendo en cuenta factores educacionales, familiares, socioeconómicos, de hábitos y costumbres. La muestra estuvo constituida por 237 estudiantes de una universidad pública en Perú, obteniendo mediante el coeficiente Kappa de Cohen un nivel de acierto del 66%. Los resultados dan cuenta de una metodología capaz de entrenar un sistema para clasificar a un estudiante, a partir de una de las categorías del rendimiento académico. Esta clasificación puede identificar a priori a los estudiantes con posibles problemas de rendimiento académico. Como resultado de ello, las medidas de acompañamiento y mitigación se pueden implementar de inmediato. 2021 artículo científico 1317-0570 https://www.redalyc.org/articulo.oa?id=99368569008 https://www.redalyc.org/journal/993/99368569008/ https://www.redalyc.org/journal/993/99368569008/html/ https://www.redalyc.org/journal/993/99368569008/99368569008.epub https://www.redalyc.org/journal/993/99368569008/movil https://doi.org/10.36390/telos233.08 es http://www.redalyc.org/revista.oa?id=993 Telos application/pdf Universidad Privada Dr. Rafael Belloso Chacín Telos (República Bolivariana de Venezuela) Num.3 Vol.23 |
| format | Artículo científico |
| id | redalyc_99368569008 |
| institution | Redalyc |
| language | es |
| publishDate | 2021 |
| publisher | Universidad Privada Dr. Rafael Belloso Chacín |
| spellingShingle | Rendimiento académico de estudiantes en Educación Superior: predicciones de factores influyentes a partir de árboles de decisión Brenda Díaz-Landa Multidisciplinarias (Ciencias Sociales) predicción software WEKA minería de datos árbol de decisión Rendimiento académico Rendimiento académico de estudiantes en Educación Superior: predicciones de factores influyentes a partir de árboles de decisión Brenda Díaz-Landa Rosana Meleán-Romero William Marín-Rodriguez Multidisciplinarias (Ciencias Sociales) predicción software WEKA minería de datos árbol de decisión Rendimiento académico El artículo tuvo como objetivo predecir el rendimiento académico de estudiantes de maestrías en educación, teniendo como autores principales a Camborda Zamudio (2014), Candia Oviedo (2019), Castrillón et al. (2020), Hussain et al. (2018), Yarlequé Wong (2019). Se empleó la técnica de árbol de decisión y minería de datos y herramientas que provee la inteligencia artificial para construir un modelo con el algoritmo J48 del software WEKA, teniendo en cuenta factores educacionales, familiares, socioeconómicos, de hábitos y costumbres. La muestra estuvo constituida por 237 estudiantes de una universidad pública en Perú, obteniendo mediante el coeficiente Kappa de Cohen un nivel de acierto del 66%. Los resultados dan cuenta de una metodología capaz de entrenar un sistema para clasificar a un estudiante, a partir de una de las categorías del rendimiento académico. Esta clasificación puede identificar a priori a los estudiantes con posibles problemas de rendimiento académico. Como resultado de ello, las medidas de acompañamiento y mitigación se pueden implementar de inmediato. 2021 artículo científico 1317-0570 https://www.redalyc.org/articulo.oa?id=99368569008 https://www.redalyc.org/journal/993/99368569008/ https://www.redalyc.org/journal/993/99368569008/html/ https://www.redalyc.org/journal/993/99368569008/99368569008.epub https://www.redalyc.org/journal/993/99368569008/movil https://doi.org/10.36390/telos233.08 es http://www.redalyc.org/revista.oa?id=993 Telos application/pdf Universidad Privada Dr. Rafael Belloso Chacín Telos (República Bolivariana de Venezuela) Num.3 Vol.23 |
| title | Rendimiento académico de estudiantes en Educación Superior: predicciones de factores influyentes a partir de árboles de decisión |
| topic | Multidisciplinarias (Ciencias Sociales) predicción software WEKA minería de datos árbol de decisión Rendimiento académico |
| url | https://www.redalyc.org/articulo.oa?id=99368569008 https://www.redalyc.org/journal/993/99368569008/ https://www.redalyc.org/journal/993/99368569008/html/ https://www.redalyc.org/journal/993/99368569008/99368569008.epub https://www.redalyc.org/journal/993/99368569008/movil https://doi.org/10.36390/telos233.08 |