Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen:
https://repositorio.uta.edu.ec/jspui/handle/123456789/38615
Titel: | Aplicación de algoritmos de Machine Learning para predecir la deserción estudiantil en alumnos de primer y segundo semestre en universidades públicas del Ecuador. |
Autoren: | Benalcázar Palacios, Marco Enrique Rodríguez Vásconez, Cristóbal Alejandro |
Stichwörter: | BALANCEO DE DATOS CLASIFICACIÓN BINARIA DESERCIÓN ESTUDIANTIL MACHINE LEARNING ONE HOT ENCODING REDES NEURONALES ARTIFICIALES VALIDACIÓN CRUZADA |
Erscheinungsdatum: | 2023 |
Herausgeber: | Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Maestría en Matemática Aplicada |
Zusammenfassung: | Se estima que en Ecuador la tasa de deserción en los dos primeros semestres de universidad es del 20%. Existen factores socioeconómicos que influyen en el abandono académico de un estudiante. La carencia de programas que atiendan la insatisfacción estudiantil provoca que no se detecten problemas a tiempo y no se puedan aplicar acciones correctivas oportunamente. En este proyecto se aplican técnicas de Machine Learning para predecir la deserción estudiantil a partir de factores seleccionados: socioeconómicos, psicológicos, demográficos y académicos. Partimos de la recolección y tratamiento de datos y se usaron Redes Neuronales Artificiales para crear un modelo que clasifica a un estudiante entre desertor o a salvo de deserción. Se evalúan las métricas Acurracy, sensibilidad y especificidad para determinar qué tan eficiente es el modelo. El modelo final es capaz de clasificar estudiantes a salvo de deserción de forma correcta el 87% de las veces y logra clasificar a desertores de forma correcta el 60% de las veces. |
URI: | https://repositorio.uta.edu.ec/jspui/handle/123456789/38615 |
Enthalten in den Sammlungen: | Maestría en Matemática Aplicada |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
t2303mma.pdf | Texto completo | 1,48 MB | Adobe PDF | Öffnen/Anzeigen |
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt, soweit nicht anderweitig angezeigt.