Buscar en Google Scholar
Título: Algoritmos de aprendizaje automático supervisado en la predicción del rendimiento académico
Asesor(es): Valles Coral, Miguel Angel
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 9-nov-2022
Institución: Universidad Nacional de San Martín. Fondo Editorial
Resumen: El objetivo general fue analizar la eficiencia de los algoritmos de aprendizaje automático supervisado en la predicción del rendimiento académico en matemática de los estudiantes del quinto grado de secundaria de la I. E. “Santa Rosa”, y los objetivos específicos: predecir el rendimiento académico para el 2021 con el algoritmo de aprendizaje automático supervisado más eficiente; determinar la relación entre las calificaciones del 2010 al 2020 y la predicción del rendimiento académico para el 2021; y pronosticar el rendimiento académico en matemática desde 2021 al 2027. La investigación fue de tipo básica, nivel descriptivo, compuesto, predictivo, no experimental. La muestra censal fue de 2933 estudiantes. La hipótesis general planteó que existen algoritmos de aprendizaje automático supervisado que predicen el rendimiento académico en matemática de los estudiantes del quinto grado, con una eficiencia mayor o igual al 95%. La investigación concluyó con que hay algoritmos de aprendizaje automático supervisado que predicen el rendimiento académico con eficiencias mayores o iguales al 95%. Además, la predicción del rendimiento académico para el 2021 en matemática es confiable con el 100% de aciertos, usando el algoritmo de aprendizaje automático supervisado K vecinos más cercanos, como el más eficiente; no existe una relación significativa entre las calificaciones del 2010 al 2020 y la predicción del rendimiento académico para el 2021 con el algoritmo K vecinos más cercanos; y el pronóstico del rendimiento académico en matemática del 2021 al 2027 tiene una tendencia positiva e incremental.

The general objective was to analyze the efficiency of supervised machine learning algorithms in the prediction of academic performance in mathematics of students in the fifth grade of secondary school at I. E. "Santa Rosa". The specific objectives were: to predict academic performance by 2021 with the most efficient supervised machine learning algorithm; to determine the relationship between the 2010 to 2020 scores and the prediction of academic performance by 2021; and to forecast academic performance in mathematics from 2021 to 2027. The research was basic, descriptive, composite, predictive, non-experimental. The census sample was made up of 2933 students. The general hypothesis stated that there are supervised machine learning algorithms that predict the academic performance in mathematics of fifth grade students, with an efficiency greater than or equal to 95%. The research concluded that there are supervised machine learning algorithms that predict academic performance with efficiencies greater than or equal to 95%. In addition, academic performance prediction for 2021 in mathematics is reliable with 100% accuracy, using the K nearest neighbors supervised machine learning algorithm as the most efficient; no significant relationship exists between the 2010 to 2020 scores and the prediction of academic performance for 2021 with the K nearest neighbors algorithm; in addition, the forecast of academic performance in mathematics from 2021 to 2027 has a positive and incremental trend.
Enlace al repositorio: http://hdl.handle.net/11458/4667
Disciplina académico-profesional: Maestría en Ciencias
Institución que otorga el grado o título: Universidad Nacional de San Martín. Facultad de Ingeniería de Sistema e Informática
Grado o título: Maestro en Ciencias con mención en Tecnología de la Información
Jurado: Alva Arevalo, Alberto; Torres Gonzales, Americo; Riascos Armas, Juan Orlando
Fecha de registro: 6-ene-2023



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