Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning

El éxito académico ha sido objeto de estudio durante varios años. Los estudiantes universitarios son vulnerables a presentar problemas que afectan su formación académica, llegando en algunos casos hasta la deserción. La presente investigación analizó el éxito académico de los ingresantes a la UNCP t...

Descripción completa

Detalles Bibliográficos
Autor: Arana Caparachin, Maglioni
Tipo de recurso: tesis doctoral
Fecha de publicación:2021
País:Perú
Institución:Universidad Nacional del Centro del Perú
Repositorio:UNCP - Institucional
Idioma:español
OAI Identifier:oai:repositorio.uncp.edu.pe:20.500.12894/10359
Acceso en línea:http://hdl.handle.net/20.500.12894/10359
Access Level:acceso abierto
Palabra clave:Éxito académico
proceso de admisión
modelo predictivo
machine learning
microsoft azure.
https://purl.org/pe-repo/ocde/ford#2.02.04
id PE_13fbca0630be685f600afeffcd56e00a
oai_identifier_str oai:repositorio.uncp.edu.pe:20.500.12894/10359
network_acronym_str PE
network_name_str Perú
spelling Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning Arana Caparachin, Maglioni Éxito académico proceso de admisión modelo predictivo machine learning microsoft azure. https://purl.org/pe-repo/ocde/ford#2.02.04 El éxito académico ha sido objeto de estudio durante varios años. Los estudiantes universitarios son vulnerables a presentar problemas que afectan su formación académica, llegando en algunos casos hasta la deserción. La presente investigación analizó el éxito académico de los ingresantes a la UNCP tomando aspectos de la trayectoria escolar, nivel sociodemográfico, las competencias académicas y logros extracurriculares. La metodología seleccionada fue el método deductivo-inductivo, tipo aplicada, nivel explicativo-predictivo, diseño no experimental longitudinal de estudio cohorte; la población elegida fueron los 11466 ingresantes en los periodos académicos 2020-I, 2020-II, 2021-I y 2021-II. La predicción fue realizada mediante tres algoritmos de machine learning: regresión lineal, árbol de decisiones y clasificación; donde el resultado fue 95.44% de predicción con el modelo de clasificación. Los indicadores tomados en cuenta para el modelo incluyeron la nota de ingreso, todas las modalidades de ingreso, la preparación académica, edad del ingresante, participaciones deportivas y artísticas al ingresar a la universidad, los créditos aprobados y el promedio obtenido al finalizar el primer semestre académico. Usando herramientas de machine learning fue posible predecir el éxito académico de los ingresantes de la UNCP, permitiendo detectar a los estudiantes que podrían enfrentar problemas en sus estudios universitarios. Universidad Nacional del Centro del Perú PE APA http://hdl.handle.net/20.500.12894/10359
title Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
spellingShingle Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
Arana Caparachin, Maglioni
Éxito académico
proceso de admisión
modelo predictivo
machine learning
microsoft azure.
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
title_full Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
title_fullStr Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
title_full_unstemmed Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
title_sort Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
author Arana Caparachin, Maglioni
author_facet Arana Caparachin, Maglioni
author_role author
topic Éxito académico
proceso de admisión
modelo predictivo
machine learning
microsoft azure.
https://purl.org/pe-repo/ocde/ford#2.02.04
topic_facet Éxito académico
proceso de admisión
modelo predictivo
machine learning
microsoft azure.
https://purl.org/pe-repo/ocde/ford#2.02.04
description El éxito académico ha sido objeto de estudio durante varios años. Los estudiantes universitarios son vulnerables a presentar problemas que afectan su formación académica, llegando en algunos casos hasta la deserción. La presente investigación analizó el éxito académico de los ingresantes a la UNCP tomando aspectos de la trayectoria escolar, nivel sociodemográfico, las competencias académicas y logros extracurriculares. La metodología seleccionada fue el método deductivo-inductivo, tipo aplicada, nivel explicativo-predictivo, diseño no experimental longitudinal de estudio cohorte; la población elegida fueron los 11466 ingresantes en los periodos académicos 2020-I, 2020-II, 2021-I y 2021-II. La predicción fue realizada mediante tres algoritmos de machine learning: regresión lineal, árbol de decisiones y clasificación; donde el resultado fue 95.44% de predicción con el modelo de clasificación. Los indicadores tomados en cuenta para el modelo incluyeron la nota de ingreso, todas las modalidades de ingreso, la preparación académica, edad del ingresante, participaciones deportivas y artísticas al ingresar a la universidad, los créditos aprobados y el promedio obtenido al finalizar el primer semestre académico. Usando herramientas de machine learning fue posible predecir el éxito académico de los ingresantes de la UNCP, permitiendo detectar a los estudiantes que podrían enfrentar problemas en sus estudios universitarios.
publishDate 2021
format doctoralThesis
url http://hdl.handle.net/20.500.12894/10359
language spa
eu_rights_str_mv openAccess
publisher Universidad Nacional del Centro del Perú
PE
institution UNCP
collection UNCP - Institucional
reponame_str UNCP - Institucional
instname_str Universidad Nacional del Centro del Perú
bitstream_url_str_mv http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/8/T010_20038141_D.pdf
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/3/Autorizaci%c3%b3n.pdf
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/4/Reporte%20de%20similitud.pdf
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/5/T010_20038141_D.pdf.jpg
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/6/Autorizaci%c3%b3n.pdf.jpg
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/7/Reporte%20de%20similitud.pdf.jpg
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/2/license.txt
_version_ 1878410501366480896
publishDateSort 2021
author_browse Arana Caparachin, Maglioni
publisherStr PE
Universidad Nacional del Centro del Perú
score 6,9460754

Similares en LA Referencia