Modelo de pron?stico de rendimiento acad?mico de alumnos en los cursos del programa de estudios b?sicos de la Universidad Ricardo Palma usando algoritmos de Machine Learning

Abstract

En la sociedad actual, el acceso a la educaci?n es un derecho que genera la expectativa de que los estudiantes con un alto rendimiento acad?mico tendr?n mejores oportunidades laborales que aquellos con un rendimiento acad?mico normal o inferior. La identificaci?n de oportunidades de mejora educativa es crucial para el desarrollo de la sociedad. El objetivo de esta investigaci?n es efectuar predicciones, mediante el uso de algoritmos de Machine Learning, con la finalidad de identificar con anticipaci?n a los estudiantes que tienen alta probabilidad de obtener un bajo rendimiento acad?mico en cualquiera de los 13 cursos del Programa de Estudios B?sicos de la Universidad Ricardo Palma en Per?, y como consecuencia, poder implementar estrategias que los ayude a tener mejores resultados en dichos cursos. Se presenta la implementaci?n, an?lisis y comparaci?n de tres algoritmos de Machine Learning: Redes Neuronales Artificiales (RNA), Gradient Boosting Machine (GBM) y XGBoosting; con los cuales se pretende determinar el rendimiento acad?mico a trav?s del pron?stico de la cantidad de estudiantes aprobados y desaprobados para cada curso.