Modelo basado en Machine Learning para el Neurorendimiento Académico de estudiantes en la Universidad José Carlos Mariátegui filial Tacna 2018 – I

Abstract

El título de esta tesis es “Modelo basado en Machine Learning para el Neurorendimiento Académico de estudiantes en la Universidad José Carlos Mariátegui-Filial Tacna, 2018-I”. En la actualidad es imperativo abordar la calidad de la enseñanza tomando en consideración el Neurorendimiento Académico de los alumnos, el cual está asociado a la eficacia de la educación universitaria, convirtiéndose en una constante preocupación. Las organizaciones de educación superior requieren de información confiable para planificar acciones eficaces y pertinentes que permitan a cada una de ellas ofrecer una mejor orientación para el Neuroaprendizaje, poseer información que les permita una participación pertinente desde el punto de vista psicopedagógico para asegurar el avance satisfactorio de los educandos en los planes de estudio y por último que sus egresados tengan una formación académica integral y de alta calidad educativa, el objetivo de esta investigación fue determinar el mejor modelo predictivo relacional de coeficiente de determinación basado en métricas de Machine Learning, teniendo en cuenta las variables que más influyen en el Neurorendimiento del estudiante.Para ello se consideró a una población de 650 educandos distribuidos en siete escuelas profesionales, se utilizó el diseño relacional, siendo la investigación de nivel descriptivo, transeccional no experimental en la primera fase y cuasi experimental en la segunda etapa, siendo los instrumentos: padrón autorizado de medición de Neuroprendizaje con la finalidad de reconocer el grado de Neurorendimiento Académico, ficha educativa por cada estudiante, encuesta sobre las Longitudes de Onda y edades. Se determinó que el mejor modelo predictivo relacional de coeficiente de determinación basado en métricas de Machine Learning fue Decisión de Regresión Forestal.