Facultad de Ingeniería

URI permanente para esta comunidadhttps://repositorio.usat.edu.pe/handle/20.500.12423/7

Examinar

Examinando Facultad de Ingeniería por Materia "Academic performance"

Seleccione resultados tecleando las primeras letras
Mostrando 1 - 1 de 1
  • Miniatura
    Ítem
    Aplicación web basado en machine learning para predecir el rendimiento académico en matemática del tercer grado en un colegio militar
    (Universidad Católica Santo Toribio de Mogrovejo, 2025) Bazan Fernandez, Edwin Manuel; Castillo Zumaran, Jose Segundo
    En esta investigación se determinaron ciertas características claves que influyen en el rendimiento académico estudiantil, con la finalidad de predecir aquellos estudiantes que tengan alta probabilidad de desaprobar. Entre los principales problemas abordados se encuentran los factores que afectan el rendimiento académico, la deserción estudiantil y el alto porcentaje de desaprobados, la cual genera un incremento en los costos operativos, como la ampliación de horas laborales de los docentes y el uso intensivo de recursos e infraestructura. Para abordar esta problemática se propuso desarrollar una aplicación web basado en Machine Learning permitiendo predecir el rendimiento académico, teniendo en cuenta los siguientes objetivos específicos: determinar cuáles son las variables para predecir con mayor grado de precisión el rendimiento académico, determinar el algoritmo que nos proporcione la mayor precisión al predecir el rendimiento académico, crear un modelo de predicción en base a los datos recolectados y el algoritmo seleccionado, desarrollar la aplicación web como herramienta de interacción, validar la aplicación web construida en base a técnicas de pruebas de ingeniería de software. La metodología empleada es CRISP-DM, utilizada en proyectos de minería de datos y Machine Learning. Durante el desarrollo se evaluaron tres algoritmos de regresión, obteniendo los resultados: Algoritmo Regresión Lineal (ECM:14.15, RMSE:3.76, Índice de Concordancia:99.99988%), algoritmo Gaussian Naive Bayes ECM y el algoritmo regresor de Árbol de Decisión (ECM: 8.49, RMSE:91, Índice de Concordancia: 99.99992%), tras evaluar los resultados se seleccionó el algoritmo con mejor desempeño para implementar el modelo de predicción del rendimiento académico de los nuevos estudiantes.