Predicción de repitencias en estudiantes a nivel escolar usando Machine Learning: una revisión sistemática
El objetivo principal de la investigación es determinar el estado del arte de la investigación acerca de la Predicción de repitencias en estudiantes a nivel escolar usando Machine Learning. Los resultados obtenidos se han centrado en estudios relacionados a los algoritmos y herramientas de Machine L...
Guardado en:
| Publicado en: | Apuntes Universitarios |
|---|---|
| Autores principales: | , , , , , |
| Formato: | Artículo de revista |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2023
|
| Materias: | |
| Acceso en línea: | Ver en el sistema de origen |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881695047475265536 |
|---|---|
| author | Gamboa-Cruzado, Javier Alvarez-Cuellar, Cinthya Y. Martinez-Medina, Shirley Turpo Chaparro, Josue Edison Sifuentes Damián, Aníbal Rodríguez Kong, María |
| author_browse | Alvarez-Cuellar, Cinthya Y. Gamboa-Cruzado, Javier Martinez-Medina, Shirley Rodríguez Kong, María Sifuentes Damián, Aníbal Turpo Chaparro, Josue Edison |
| author_facet | Gamboa-Cruzado, Javier Alvarez-Cuellar, Cinthya Y. Martinez-Medina, Shirley Turpo Chaparro, Josue Edison Sifuentes Damián, Aníbal Rodríguez Kong, María |
| author_sort | Gamboa-Cruzado, Javier |
| collection | Revistas |
| container_title | Apuntes Universitarios |
| description | El objetivo principal de la investigación es determinar el estado del arte de la investigación acerca de la Predicción de repitencias en estudiantes a nivel escolar usando Machine Learning. Los resultados obtenidos se han centrado en estudios relacionados a los algoritmos y herramientas de Machine Learning más eficientes para la predicción de repitencia estudiantil. Esto se llevó a cabo mediante una revisión sistemática de la literatura (RSL) en base a Machine Learning, para la predicción de estudiantes con repitencia escolar entre los años 2017-2021. La estrategia de búsqueda identificó 47,490 artículos de bibliotecas digitales como ACM Digital Library, ERIC, Google Scholar, IEEE Xplore, Microsoft Academic, Science Direct y Taylor & Francis Online; de las cuales 90 fueron identificados y seleccionados como adecuados para la revisión. En cuanto a las conclusiones, estas presentan respuestas sobre las categorías de variables más aplicadas en la predicción de repitencia escolar en estudiantes, las métricas utilizadas para evaluar los resultados de la predicción de repitencia escolar, autores con mayor productividad en la predicción de repitencia escolar, y los artículos más citados cuyas discusiones y conclusiones se caracterizan por su objetividad y polaridad en las investigaciones sobre la predicción de estudiantes con repitencia escolar usando Machine Learning. |
| format | Online |
| id | oai:ojs2.apuntesuniversitarios.upeu.edu.pe:article/1438 |
| institution | UPeU |
| issn | 2304-0335 2225-7136 |
| language | Spanish |
| publishDate | 2023 |
| publishDateRange | 2023 |
| publishDateSort | 2023 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | ojs |
| revista_str_mv | Apuntes Universitarios |
| spelling | oai:ojs2.apuntesuniversitarios.upeu.edu.pe:article/14382023-03-14T16:22:51Z Predicción de repitencias en estudiantes a nivel escolar usando Machine Learning: una revisión sistemática Gamboa-Cruzado, Javier Alvarez-Cuellar, Cinthya Y. Martinez-Medina, Shirley Turpo Chaparro, Josue Edison Sifuentes Damián, Aníbal Rodríguez Kong, María Prediction methods School repetition Machine learning School dropout Education Métodos de predicción Repitencia escolar Machine learning Deserción escolar Educación El objetivo principal de la investigación es determinar el estado del arte de la investigación acerca de la Predicción de repitencias en estudiantes a nivel escolar usando Machine Learning. Los resultados obtenidos se han centrado en estudios relacionados a los algoritmos y herramientas de Machine Learning más eficientes para la predicción de repitencia estudiantil. Esto se llevó a cabo mediante una revisión sistemática de la literatura (RSL) en base a Machine Learning, para la predicción de estudiantes con repitencia escolar entre los años 2017-2021. La estrategia de búsqueda identificó 47,490 artículos de bibliotecas digitales como ACM Digital Library, ERIC, Google Scholar, IEEE Xplore, Microsoft Academic, Science Direct y Taylor & Francis Online; de las cuales 90 fueron identificados y seleccionados como adecuados para la revisión. En cuanto a las conclusiones, estas presentan respuestas sobre las categorías de variables más aplicadas en la predicción de repitencia escolar en estudiantes, las métricas utilizadas para evaluar los resultados de la predicción de repitencia escolar, autores con mayor productividad en la predicción de repitencia escolar, y los artículos más citados cuyas discusiones y conclusiones se caracterizan por su objetividad y polaridad en las investigaciones sobre la predicción de estudiantes con repitencia escolar usando Machine Learning. Universidad Peruana Unión 2023-03-03 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion application/pdf https://apuntesuniversitarios.upeu.edu.pe/index.php/revapuntes/article/view/1438 10.17162/au.v13i2.1438 Apuntes Universitarios; Vol. 13 Núm. 2 (2023): Revista de Investigación Apuntes Universitarios; 111 - 141 2304-0335 2225-7136 10.17162/au.v13i2 spa https://apuntesuniversitarios.upeu.edu.pe/index.php/revapuntes/article/view/1438/987 Derechos de autor 2023 Javier Gamboa-Cruzado, Cinthya Y. Alvarez-Cuellar, Shirley Martinez-Medina, Josue Edison Turpo Chaparro, Aníbal Sifuentes Damián, María Rodríguez Kong https://creativecommons.org/licenses/by/4.0 |
| spellingShingle | Prediction methods School repetition Machine learning School dropout Education Métodos de predicción Repitencia escolar Machine learning Deserción escolar Educación Gamboa-Cruzado, Javier Alvarez-Cuellar, Cinthya Y. Martinez-Medina, Shirley Turpo Chaparro, Josue Edison Sifuentes Damián, Aníbal Rodríguez Kong, María Predicción de repitencias en estudiantes a nivel escolar usando Machine Learning: una revisión sistemática |
| title | Predicción de repitencias en estudiantes a nivel escolar usando Machine Learning: una revisión sistemática |
| title_full | Predicción de repitencias en estudiantes a nivel escolar usando Machine Learning: una revisión sistemática |
| title_fullStr | Predicción de repitencias en estudiantes a nivel escolar usando Machine Learning: una revisión sistemática |
| title_full_unstemmed | Predicción de repitencias en estudiantes a nivel escolar usando Machine Learning: una revisión sistemática |
| title_short | Predicción de repitencias en estudiantes a nivel escolar usando Machine Learning: una revisión sistemática |
| title_sort | prediccion de repitencias en estudiantes a nivel escolar usando machine learning una revision sistematica |
| topic | Prediction methods School repetition Machine learning School dropout Education Métodos de predicción Repitencia escolar Machine learning Deserción escolar Educación |
| topic_facet | Prediction methods School repetition Machine learning School dropout Education Métodos de predicción Repitencia escolar Machine learning Deserción escolar Educación |
| url | https://apuntesuniversitarios.upeu.edu.pe/index.php/revapuntes/article/view/1438 |
| work_keys_str_mv | AT gamboacruzadojavier prediccionderepitenciasenestudiantesanivelescolarusandomachinelearningunarevisionsistematica AT alvarezcuellarcinthyay prediccionderepitenciasenestudiantesanivelescolarusandomachinelearningunarevisionsistematica AT martinezmedinashirley prediccionderepitenciasenestudiantesanivelescolarusandomachinelearningunarevisionsistematica AT turpochaparrojosueedison prediccionderepitenciasenestudiantesanivelescolarusandomachinelearningunarevisionsistematica AT sifuentesdamiananibal prediccionderepitenciasenestudiantesanivelescolarusandomachinelearningunarevisionsistematica AT rodriguezkongmaria prediccionderepitenciasenestudiantesanivelescolarusandomachinelearningunarevisionsistematica |