Examinando por Autor "Pantoja Wilches, Jabit Julio"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Modelo de machine learning para predecir el rendimiento académico en la asignatura producción de artefactos tecnológicos del programa de licenciatura en informática de la Universidad de Córdoba
    (Universidad de Córdoba, 2024-01-25) Echenique Hernández, Jesús David; Pantoja Wilches, Jabit Julio; Madera Doval, Dalia Patricia; Caro Piñeres, Manuel Fernando; Giraldo, Juan Carlos; Palomino, Miguel Ángel
    La implementación de modelos de aprendizaje automático ha emergido como una solución efectiva para prever el rendimiento académico en distintos niveles educativos, potenciando la calidad de los procesos de enseñanza y aprendizaje. Sin embargo, el escaso uso de análisis predictivo por parte de los docentes en la materia "Producción de Artefactos" ha generado resultados académicos inesperados. El propósito de esta investigación es desarrollar una estrategia de análisis predictivo basada en aprendizaje automático para predecir el desempeño de los estudiantes en dicha asignatura. La metodología empleada se fundamenta en los "Marcos de Investigación de Ciencia del Diseño", abarcando cinco fases. Una etapa crucial implica la recopilación de datos a través de una encuesta, explorando aspectos relacionados con los métodos de aprendizaje y los factores que influyen en estos procesos. Para la formulación de la estrategia de análisis predictivo, se consideran diversos modelos de aprendizaje automático, como la regresión lineal, los árboles de decisión y las redes neuronales. La estrategia diseñada utiliza un enfoque de árbol de decisión, demostrando un rendimiento superior en comparación con modelos de predicción alternativos, aplicando los hallazgos de la investigación. Este proyecto resalta la relevancia del análisis basado en aprendizaje automático y respalda la implementación de enfoques como los árboles de decisiones.