Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.uta.edu.ec/jspui/handle/123456789/38615
Título : | Aplicación de algoritmos de Machine Learning para predecir la deserción estudiantil en alumnos de primer y segundo semestre en universidades públicas del Ecuador. |
Autor : | Benalcázar Palacios, Marco Enrique Rodríguez Vásconez, Cristóbal Alejandro |
Palabras clave : | BALANCEO DE DATOS CLASIFICACIÓN BINARIA DESERCIÓN ESTUDIANTIL MACHINE LEARNING ONE HOT ENCODING REDES NEURONALES ARTIFICIALES VALIDACIÓN CRUZADA |
Fecha de publicación : | 2023 |
Editorial : | Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Maestría en Matemática Aplicada |
Resumen : | 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 |
Aparece en las colecciones: | Maestría en Matemática Aplicada |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
t2303mma.pdf | Texto completo | 1,48 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.