Modelo de Aprendizaje Automático Supervisado para Identificar Patrones de Bajo Rendimiento Académico en los Ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca

El presente estudio se llevó a cabo en el Instituto de Educación Superior Pedagógico Público Juliaca (IESPPJ), ubicado en el distrito de San Miguel de la Provincia de San Román, durante el año 2020, tuvo como objetivo general implementar un modelo de aprendizaje automático supervisado para identifi...

Descripción completa

Guardado en:
Autor principal: Rojas Pari, Rudy Jhean
Otros Autores: Gomez Apaza, Roel Dante
Formato: Tesis de pregrado
Lenguaje:español
Publicado: Universidad Peruana Unión 2021
Materias:
Aprendizaje automático supervisado
Bajo rendimiento académico
CRISP-DM
Data Mining
Random Forest Classifier
Acceso en línea:Enlace permanente (DOI o Handle)
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
_version_ 1881510665790685184
author Rojas Pari, Rudy Jhean
author2 Gomez Apaza, Roel Dante
author_browse Gomez Apaza, Roel Dante
Rojas Pari, Rudy Jhean
author_facet Gomez Apaza, Roel Dante
Rojas Pari, Rudy Jhean
author_sort Rojas Pari, Rudy Jhean
collection Repositorio institucional
description El presente estudio se llevó a cabo en el Instituto de Educación Superior Pedagógico Público Juliaca (IESPPJ), ubicado en el distrito de San Miguel de la Provincia de San Román, durante el año 2020, tuvo como objetivo general implementar un modelo de aprendizaje automático supervisado para identificar patrones de bajo rendimiento académico en los ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca, para su desarrollo de empleó la metodología de minería de datos denominado: CRISP-DM (Cross Industry Standard Process for Data Mining), el algoritmo Random Forest Classifier, dicho algoritmo fue entrenado con datos socioeconómicos, datos de admisión y datos académicos logrando un accuracy del 86%, permitiendo identificar las variables que más influyen en el rendimiento académico tales como: El promedio final del examen de admisión, edad, número de horas diarias que actualmente dedica al estudio, distrito en donde está ubicado el centro de estudios secundarios de procedencia, programa de estudios al que está postulando, número de dormitorios de su vivienda, cantidad de años en la que cursó la educación secundaria, idioma nativo que habla, ¿Cada cuánto tiempo recibes ayuda económica?, sexo, ¿La persona que mantiene su hogar es?, tipo de preparación que recibiste para postular al IESP, número de veces que postulaste a otros Institutos / Universidades, tipo de material de la vivienda, las variables identificadas influyen en el orden mencionado. Como trabajos futuros en el área de educación se propone profundizar el estudio utilizando nuevas fuentes de información, tales como información psicológica y/o historial médico de los estudiantes, para mejorar la toma de decisión.
escuela_str_mv Escuela Profesional de Ingeniería de Sistemas
format info:eu-repo/semantics/bachelorThesis
id oai:repositorio.upeu.edu.pe:20.500.12840/4505
institution UPeU
language Spanish
linea_str_mv Ingeniería de Software
ocde_area_str_mv Ingeniería y tecnología
ocde_disciplina_str_mv Ingeniería eléctrica, electrónica e informática
ocde_str_mv 2.02.04
programa_nombre_str_mv Ingeniería de Sistemas
programa_pxx_str_mv P27
programa_uri_str_mv http://upeu.edu.pe/sys/programas/programa/ingenieria-de-sistemas
publishDate 2021
publishDateRange 2021
publishDateSort 2021
publisher Universidad Peruana Unión
publisherStr Universidad Peruana Unión
record_format dspace
sede_str_mv Juliaca
spelling Modelo de Aprendizaje Automático Supervisado para Identificar Patrones de Bajo Rendimiento Académico en los Ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca Rojas Pari, Rudy Jhean Gomez Apaza, Roel Dante Aprendizaje automático supervisado Bajo rendimiento académico CRISP-DM Data Mining Random Forest Classifier El presente estudio se llevó a cabo en el Instituto de Educación Superior Pedagógico Público Juliaca (IESPPJ), ubicado en el distrito de San Miguel de la Provincia de San Román, durante el año 2020, tuvo como objetivo general implementar un modelo de aprendizaje automático supervisado para identificar patrones de bajo rendimiento académico en los ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca, para su desarrollo de empleó la metodología de minería de datos denominado: CRISP-DM (Cross Industry Standard Process for Data Mining), el algoritmo Random Forest Classifier, dicho algoritmo fue entrenado con datos socioeconómicos, datos de admisión y datos académicos logrando un accuracy del 86%, permitiendo identificar las variables que más influyen en el rendimiento académico tales como: El promedio final del examen de admisión, edad, número de horas diarias que actualmente dedica al estudio, distrito en donde está ubicado el centro de estudios secundarios de procedencia, programa de estudios al que está postulando, número de dormitorios de su vivienda, cantidad de años en la que cursó la educación secundaria, idioma nativo que habla, ¿Cada cuánto tiempo recibes ayuda económica?, sexo, ¿La persona que mantiene su hogar es?, tipo de preparación que recibiste para postular al IESP, número de veces que postulaste a otros Institutos / Universidades, tipo de material de la vivienda, las variables identificadas influyen en el orden mencionado. Como trabajos futuros en el área de educación se propone profundizar el estudio utilizando nuevas fuentes de información, tales como información psicológica y/o historial médico de los estudiantes, para mejorar la toma de decisión. 2021-03-04 2021-06-07T04:17:38Z 2021-06-07T04:17:38Z info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/4505 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/3.0/es/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/4505 2026-11-10T17:45:09Z
spellingShingle Aprendizaje automático supervisado
Bajo rendimiento académico
CRISP-DM
Data Mining
Random Forest Classifier
Rojas Pari, Rudy Jhean
Modelo de Aprendizaje Automático Supervisado para Identificar Patrones de Bajo Rendimiento Académico en los Ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca
title Modelo de Aprendizaje Automático Supervisado para Identificar Patrones de Bajo Rendimiento Académico en los Ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca
title_full Modelo de Aprendizaje Automático Supervisado para Identificar Patrones de Bajo Rendimiento Académico en los Ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca
title_fullStr Modelo de Aprendizaje Automático Supervisado para Identificar Patrones de Bajo Rendimiento Académico en los Ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca
title_full_unstemmed Modelo de Aprendizaje Automático Supervisado para Identificar Patrones de Bajo Rendimiento Académico en los Ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca
title_short Modelo de Aprendizaje Automático Supervisado para Identificar Patrones de Bajo Rendimiento Académico en los Ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca
title_sort modelo de aprendizaje automatico supervisado para identificar patrones de bajo rendimiento academico en los ingresantes al instituto de educacion superior pedagogico publico juliaca
topic Aprendizaje automático supervisado
Bajo rendimiento académico
CRISP-DM
Data Mining
Random Forest Classifier
topic_facet Aprendizaje automático supervisado
Bajo rendimiento académico
CRISP-DM
Data Mining
Random Forest Classifier
url https://hdl.handle.net/20.500.12840/4505
work_keys_str_mv AT rojasparirudyjhean modelodeaprendizajeautomaticosupervisadoparaidentificarpatronesdebajorendimientoacademicoenlosingresantesalinstitutodeeducacionsuperiorpedagogicopublicojuliaca

Ejemplares similares