Buscar en Google Scholar
Título: Árboles de decisión para la predicción temprana de estrés académico en estudiantes de la Facultad de Ciencias, 2023
Asesor(es): Torres Calderón, Alex Fidel
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.01.03
Fecha de publicación: 17-may-2024
Institución: Universidad Nacional José Faustino Sánchez Carrión
Resumen: La presente investigación tiene como objetivo desarrollar un modelo predictivo basado en arboles de decisión para identificar a estudiantes con riesgo a sufrir estrés académico en la facultad de ciencia de la UNJFSC en el semestre académico 2023-II. El diseño de la investigación fue no experimental, de enfoque cuantitativo, el nivel de la investigación es explicativa y de tipo aplicada. Se empleó dos instrumentos para la recopilación de datos, uno para medir los niveles de estrés percibido Perceived Stress Scale (PSS) que cuenta con 14 preguntas y validado y el segundo para recolectar información sobre los distintos factores establecidos cuenta con 23 preguntas en la investigación. Se encuestó a 298 por la muestra. Se implementó un algoritmo supervisado, empleando hiperparámetros, estos incluyen xval (5), minsplit (7), minbucket (5), maxdepth (4) y cp (0.01). El modelo alcanzó una precisión de 82,93% con un nivel de concordancia de 74,51% en la predicción del estrés en los estudiantes de la facultad de ciencias. En conclusión, se logró demostrar que si es posible implementar un modelo predictivo basado en arboles de decisión para identificar a estudiantes con riesgo a sufrir estrés académico.
Disciplina académico-profesional: Estadística e Informática
Institución que otorga el grado o título: Universidad Nacional José Faustino Sánchez Carrión. Facultad de Ciencias
Grado o título: Licenciado(a) en Estadística e Informática
Jurado: Aguilar Luna Victoria, Miguel Ángel; Romero Zuloeta, Rocío del Carmen; Valencia Bardales, Julio Cesar
Fecha de registro: 19-jun-2024



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons