Uso de información académica histórica para predicción de rendimiento estudiantil
Trabajo de tesis en el que se evalúa el rendimiento de las técnicas de minería de datos: regresión logística, máquina de soporte vectorial, red neuronal profunda y regresión logística para la predicción de rendimiento estudiantil utilizando solo la información académica de los estudiantes. los model...
| Autores: | , |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2018 |
| País: | Ecuador |
| Institución: | Escuela Superior Politécnica del Litoral |
| Repositorio: | Repositorio Escuela Superior Politécnica del Litoral |
| Idioma: | español |
| OAI Identifier: | oai:www.dspace.espol.edu.ec:123456789/45444 |
| Acceso en línea: | http://www.dspace.espol.edu.ec/xmlui/handle/123456789/45444 |
| Access Level: | acceso abierto |
| Palabra clave: | PREDICCIONES REDES NEURONALES MINERIA DE DATOS EDUCATIVOS REGRESION LOGISTICA RENDIMIENTO ESTUDIANTIL |
| Sumario: | Trabajo de tesis en el que se evalúa el rendimiento de las técnicas de minería de datos: regresión logística, máquina de soporte vectorial, red neuronal profunda y regresión logística para la predicción de rendimiento estudiantil utilizando solo la información académica de los estudiantes. los modelos de predicción propuestos buscan predecir la aprobación de la materia y su nota promedio final. dos conjuntos de variables se utilizan en los modelos, el primero consiste en las notas promedio finales de las materias de semestres anteriores y el otro conjunto de variables combina aspectos relacionados al semestre, a la materia y al rendimiento académico del estudiante obtenido a través de sus calificaciones. |
|---|