Look-up in Google Scholar
Full metadata record
Torres Calderón, Alex Fidel (es_PE)
Lopez Quiroz, Luis Antony (es_PE)
Soto Salazar, Jackeline Gianella (es_PE)
2024-06-19T14:35:23Z
2024-06-19T14:35:23Z
2024-05-17
http://hdl.handle.net/20.500.14067/9439
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. (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional José Faustino Sánchez Carrión (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by-nc-nd/4.0/ (es_PE)
Modelo predictivo (es_PE)
Árboles de decisión (es_PE)
Estrés académico (es_PE)
Algoritmo supervisado (es_PE)
Precisión (es_PE)
Predicción (es_PE)
Árboles de decisión para la predicción temprana de estrés académico en estudiantes de la Facultad de Ciencias, 2023 (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Nacional José Faustino Sánchez Carrión. Facultad de Ciencias (es_PE)
Estadística e Informática (es_PE)
Licenciado(a) en Estadística e Informática (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#1.01.03 (es_PE)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
40182411
0000-0003-3077-1159 (es_PE)
73937482
72688910
111106 (es_PE)
Aguilar Luna Victoria, Miguel Ángel (es_PE)
Romero Zuloeta, Rocío del Carmen (es_PE)
Valencia Bardales, Julio Cesar (es_PE)
https://purl.org/pe-repo/renati/type#tesis (es_PE)
Pública
info:eu-repo/semantics/acceptedVersion (es_PE)



This item is licensed under a Creative Commons License Creative Commons