Predicción del rendimiento académico utilizando la técnica de árboles de decisión en los programas de maestría de educación en la escuela de posgrado de la Universidad Nacional José Faustino Sánchez Carrión

Abstract

La presente tesis analiza el problema de determinar si existe una relación entre las variables de estudio rendimiento académico y técnicas de árbol de decisión a través del modelado de un sistema para predecir el rendimiento académico de la población estudiantil que eligieron las maestrías de educación que ofrece la Esc. de Posgrado en la UNJFSC a con la utilización de una técnica de minería de datos de árboles de decisión. La variable rendimiento académico fue definida operacionalmente como el grado en que las situaciones personal definen y afectan el promedio ponderado del maestrista, definiendo sus dimensiones como la nota del promedio ponderado, y las dimensiones de identificación, académicas, actitudinales, confianza e institucionales. La variable técnicas de árbol de decisión fue definida como la aplicación de la técnica de minería de datos a través del algoritmo J48, para predecir el rendimiento académico de los estudiantes de la EAP de Posgrado, tal aplicación da como resultado un modelo de simulación o predicción. Se planteó como hipótesis general la afirmación que es posible la aplicación de la metodología denominada “árboles de decisión” para crear un sistema que permita la predicción de comportamiento del rendimiento académico de la población estudiantil de los programas de maestría del sector educación de la Escuela de Posgrado de la UNJFSC”, ello significó la construcción de un modelo de simulación utilizando el software Weka y la captura de datos en relación a los atributos de las circunstancias personales de los estudiantes; para ello se utilizó un cuestionario de 26 ítems el cual fue aplicado a la muestra de 237 estudiantes. Además, se obtuvieron los promedios ponderados de los estudiantes de la muestra a través de los registros de notas analizados, pertenecientes a los alumnos de la muestra en la Escuela de Posgrado de la UNJFSC. Realizado el modelo de simulación, se lograron identificar los principales factores que afectan el rendimiento académico según el análisis estadístico realizado por el software Weka, los cuales fueron graficados en un árbol de decisiones. Dicho modelo de simulación obtuvo una exactitud del 62,45% de acierto en predecir el rendimiento académico categorizado de la base de entrenamiento y una concordancia, medida a través del índice Kappa de Cohen de un valor de 0,4199, al cual le corresponde una valoración de “concordancia moderada”. Como principal conclusión se halló la demostración de la hipótesis general de la investigación al haberse encontrado una concordancia moderada entre el modelo de simulación y el rendimiento académico real alcanzado por los estudiantes de la muestra a través del índice Kappa con un valor de 0,4199 para el modelo inicial y de 0,666 (concordancia considerable) para el modelo de simulación reajustado, el cual considera los cinco primeros niveles de jerarquía del árbol de decisión generado por el software Weka