Estudio comparativo de redes neuronales artificiales aplicadas a la identificación de violencia escolar en las instituciones educativas.

Abstract

Un problema social que afecta a los estudiantes de las instituciones educativas es la violencia escolar tanto en sus hogares por parte de sus padres o apoderados, como en las mismas instituciones por parte de docentes o compañeros. A pesar de que el gobierno de Perú inicio proyectos para hacer frente y de esa forma disminuir los casos de violencia escolar, aun estos están en aumento, pues no existe hasta el momento una forma eficiente de identificarlos. Por otra parte, las redes neuronales artificiales son modelos computacionales que emulan en una parte muy simple el funcionamiento de las neuronas biológicas, estos pueden aprender de problemas y situaciones ya resueltas, adquiriendo de esa forma la capacidad de realizar clasificación y predicción, entonces se podría pretender utilizar una red neuronal artificial con el fin de predecir los casos de violencia escolar en las instituciones educativas, pero existe una limitante, la cual es que estos modelos computacionales son muy diversos distinguiéndose en los tipos de redes, en los métodos de aprendizaje y además las diferentes funciones de activación para las neuronas artificiales. La presente investigación tuvo como objeto determinar a través de un estudio comparativo la red neuronal artificial que tenga un mayor nivel de eficiencia en la identificación de violencia escolar en las instituciones educativas, para cumplir con este propósito primero se recolectó información de los centros educativos que fue utilizada como datos de entrada en las redes neuronales artificiales. Las seis redes neuronales artificiales consideradas en esta investigación están divididas en tres tipos de redes y métodos de aprendizaje y estas son: la red PMS que es un tipo de red Perceptrón Multicapa, que utiliza el método de aprendizaje de Retropropagación y función de activación Sigmoidal. La red PMH comparte el mismo tipo de red y método de aprendizaje que PMS, pero con la unica diferencia que esta red utiliza función Tangente Hiperbólica en lugar de la función Sigmoidal. Las redes BRG y BRC son de tipo Redes Neuronales de Base Radial, ambas con el método de aprendizaje Hibrido, la unica diferencia es que la primera utiliza la función de activación Gaussiana y la segunda la función de activación Inversa Cuadrática. Las redes RRS y RRH son de tipo Redes Neuronales Recurrentes ambas utilizan el método de aprendizaje Recurrente en Tiempo Real, de igual forma que en los anteriores casos estas redes se distinguen en la función de activación que utilizan, RRS utiliza la función Sigmoidal y RRH la función Tangente Hiperbólica. Estas redes fueron desarrolladas con el lenguaje de programación C++, para luego realizar la experimentación de cada una de ellas, con la finalidad de determinar la que alcanzó un mayor nivel de eficiencia.

A social problem that affects the students of educational institutions is school violence both in their homes by their parents or guardians, and in the same institutions by teachers or peers. Despite the fact that the government of Peru started projects to deal with and thus reduce the number of cases of school violence, these are still increasing, as there is no efficient way to identify them. On the other hand, artificial neural networks are computational models that emulate in a very simple part the functioning of biological neurons, they can learn from problems and situations already resolved, acquiring in this way the ability to perform classification and prediction, then it could be try to use an artificial neural network in order to predict the cases of school violence in educational institutions, but there is a limitation, which is that these computational models are very different, distinguishing between types of networks, methods of learning and also the different activation functions for artificial neurons. The objective of the present investigation was to determine, through a comparative study, the artificial neural network that has a higher level of efficiency in the identification of school violence in educational institutions. In order to fulfill this purpose, information was first collected from the educational centers that were used as input data in artificial neural networks. The six artificial neural networks considered in this research are divided into three types of networks and learning methods and these are: the PMS network which is a type of Multilayer Perceptron network, which uses the Backpropagation learning method and Sigmoid activation function. The PMH network shares the same type of network and learning method as PMS, but with the only difference that this network uses Hyperbolic Tangent function instead of the Sigmoid function. The BRG and BRC networks are of the Radial Base Neural Networks type, both with the Hybrid learning method, the only difference being that the former uses the Gaussian activation function and the latter the Quadratic Inverse activation function. The RRS and RRH networks are of the Recurrent Neural Networks type, both use the Recurrent Real-Time Learning method, in the same way that in the previous cases these networks are distinguished in the activation function they use, RRS uses the Sigmoid function and RRH the Hyperbolic Tangent function. These networks were developed with the C++ programming language, to then perform the experimentation of each of them, in order to determine which reached a higher level of efficiency.