My SciELO
Services on Demand
Article
Indicators
Cited by SciELO
Related links
Similars in SciELO
Share
Conrado
On-line version ISSN 1990-8644
Abstract
BAUTISTA CANON, Elmer; QUIRAMA SALAMANCA, Jenny E. and BAUTISTA CANON, Edilfonso. Modelo predictivo del progreso en el aprendizaje de los estudiantes de uniminuto aplicando técnicas de machine learning. Conrado [online]. 2021, vol.17, n.83, pp. 305-310. Epub Dec 10, 2021. ISSN 1990-8644.
Esta investigación tiene como propósito validar la hipótesis donde se propone explicar la relación del progreso del aprendizaje de los estudiantes de UNIMINUTO en las pruebas de salida, con respecto a las variables de las pruebas de entrada a la educación superior, a partir del desarrollo de un modelo predictivo de aprendizaje supervisado. Para el desarrollo del proyecto se estableció una metodología con 4 fases, análisis descriptivo de los datos para 10505 instancias con 69 variables, análisis predictivo, análisis prescriptivo y aplicaciones del modelo. Como resultado se desarrollaron tres modelos predictivos con los algoritmos de regresión logística, máquinas de vector soporte y redes neuronales, los cuales mostraron una eficiencia cercana al 75% y la evaluación de las métricas de precisión, recall y f1, con porcentajes de eficiencia similares. En conclusión, se logró desarrollar 3 modelos predictivos del progreso del aprendizaje de los estudiantes de UNIMINUTO, a partir de la información suministrada por el ICFES, que relaciona las variables de entrada con las variables de salida de la educación superior en Colombia.
Keywords : Aprendizaje supervisado; modelo predictivo; regresión logística; máquinas de vector soporte; redes neuronales; valor agregado educación.