Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning

El éxito académico ha sido objeto de estudio durante varios años. Los estudiantes universitarios son vulnerables a presentar problemas que afectan su formación académica, llegando en algunos casos hasta la deserción. La presente investigación analizó el éxito académico de los ingresantes a la UNCP t...

ver descrição completa

Detalhes bibliográficos
Autor: Arana Caparachin, Maglioni
Formato: tesis doctoral
Fecha de publicación:2021
País:Perú
Recursos:Universidad Nacional del Centro del Perú
Repositorio:UNCP - Institucional
Idioma:español
OAI Identifier:oai:repositorio.uncp.edu.pe:20.500.12894/10359
Acesso em linha:http://hdl.handle.net/20.500.12894/10359
Access Level:acceso abierto
Palavra-chave:Éxito académico
proceso de admisión
modelo predictivo
machine learning
microsoft azure.
https://purl.org/pe-repo/ocde/ford#2.02.04
id PE_13fbca0630be685f600afeffcd56e00a
oai_identifier_str oai:repositorio.uncp.edu.pe:20.500.12894/10359
network_acronym_str PE
network_name_str Perú
repository_id_str
dc.title.es_PE.fl_str_mv Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
title Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
spellingShingle Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
Arana Caparachin, Maglioni
Éxito académico
proceso de admisión
modelo predictivo
machine learning
microsoft azure.
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
title_full Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
title_fullStr Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
title_full_unstemmed Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
title_sort Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning
dc.creator.none.fl_str_mv Arana Caparachin, Maglioni
author Arana Caparachin, Maglioni
author_facet Arana Caparachin, Maglioni
author_role author
dc.contributor.advisor.fl_str_mv Gamarra Moreno, Abraham Esteban
dc.subject.es_PE.fl_str_mv Éxito académico
proceso de admisión
modelo predictivo
machine learning
microsoft azure.
topic Éxito académico
proceso de admisión
modelo predictivo
machine learning
microsoft azure.
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description El éxito académico ha sido objeto de estudio durante varios años. Los estudiantes universitarios son vulnerables a presentar problemas que afectan su formación académica, llegando en algunos casos hasta la deserción. La presente investigación analizó el éxito académico de los ingresantes a la UNCP tomando aspectos de la trayectoria escolar, nivel sociodemográfico, las competencias académicas y logros extracurriculares. La metodología seleccionada fue el método deductivo-inductivo, tipo aplicada, nivel explicativo-predictivo, diseño no experimental longitudinal de estudio cohorte; la población elegida fueron los 11466 ingresantes en los periodos académicos 2020-I, 2020-II, 2021-I y 2021-II. La predicción fue realizada mediante tres algoritmos de machine learning: regresión lineal, árbol de decisiones y clasificación; donde el resultado fue 95.44% de predicción con el modelo de clasificación. Los indicadores tomados en cuenta para el modelo incluyeron la nota de ingreso, todas las modalidades de ingreso, la preparación académica, edad del ingresante, participaciones deportivas y artísticas al ingresar a la universidad, los créditos aprobados y el promedio obtenido al finalizar el primer semestre académico. Usando herramientas de machine learning fue posible predecir el éxito académico de los ingresantes de la UNCP, permitiendo detectar a los estudiantes que podrían enfrentar problemas en sus estudios universitarios.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2024-02-09T13:42:32Z
dc.date.available.none.fl_str_mv 2024-02-09T13:42:32Z
dc.date.issued.fl_str_mv 2021
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.citation.es_PE.fl_str_mv APA
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12894/10359
identifier_str_mv APA
url http://hdl.handle.net/20.500.12894/10359
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional del Centro del Perú
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.none.fl_str_mv reponame:UNCP - Institucional
instname:Universidad Nacional del Centro del Perú
instacron:UNCP
instname_str Universidad Nacional del Centro del Perú
instacron_str UNCP
institution UNCP
reponame_str UNCP - Institucional
collection UNCP - Institucional
bitstream.url.fl_str_mv http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/8/T010_20038141_D.pdf
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/3/Autorizaci%c3%b3n.pdf
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/4/Reporte%20de%20similitud.pdf
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/5/T010_20038141_D.pdf.jpg
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/6/Autorizaci%c3%b3n.pdf.jpg
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/7/Reporte%20de%20similitud.pdf.jpg
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/2/license.txt
bitstream.checksum.fl_str_mv 1a79090da0ae5c7b15de95f165255605
332b4cc2375e415f926656f98cdf6725
de7d03080f45d5fc6dbc57a344701127
64a7e29b65bbec4f060704bd2c645659
d2bd900ac570ce264595e0c969070abf
4f3b08723a6e0531b505d9eda78b44d2
c52066b9c50a8f86be96c82978636682
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv DSpace
repository.mail.fl_str_mv repositorio@uncp.edu.pe
_version_ 1863010959536160768
spelling Gamarra Moreno, Abraham Esteban2024-02-09T13:42:32Z2024-02-09T13:42:32Z2021APAhttp://hdl.handle.net/20.500.12894/10359El éxito académico ha sido objeto de estudio durante varios años. Los estudiantes universitarios son vulnerables a presentar problemas que afectan su formación académica, llegando en algunos casos hasta la deserción. La presente investigación analizó el éxito académico de los ingresantes a la UNCP tomando aspectos de la trayectoria escolar, nivel sociodemográfico, las competencias académicas y logros extracurriculares. La metodología seleccionada fue el método deductivo-inductivo, tipo aplicada, nivel explicativo-predictivo, diseño no experimental longitudinal de estudio cohorte; la población elegida fueron los 11466 ingresantes en los periodos académicos 2020-I, 2020-II, 2021-I y 2021-II. La predicción fue realizada mediante tres algoritmos de machine learning: regresión lineal, árbol de decisiones y clasificación; donde el resultado fue 95.44% de predicción con el modelo de clasificación. Los indicadores tomados en cuenta para el modelo incluyeron la nota de ingreso, todas las modalidades de ingreso, la preparación académica, edad del ingresante, participaciones deportivas y artísticas al ingresar a la universidad, los créditos aprobados y el promedio obtenido al finalizar el primer semestre académico. Usando herramientas de machine learning fue posible predecir el éxito académico de los ingresantes de la UNCP, permitiendo detectar a los estudiantes que podrían enfrentar problemas en sus estudios universitarios.application/pdfspaUniversidad Nacional del Centro del PerúPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Éxito académicoproceso de admisiónmodelo predictivomachine learningmicrosoft azure.https://purl.org/pe-repo/ocde/ford#2.02.04Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learninginfo:eu-repo/semantics/doctoralThesisreponame:UNCP - Institucionalinstname:Universidad Nacional del Centro del Perúinstacron:UNCP SUNEDUArana Caparachin, MaglioniFacultad de Ingeniería de SistemasUniversidad Nacional del Centro del Perú. Facultad de Ingeniería de SistemasDoctor en Ingeniería de Sistemashttps://orcid.org/0000-0002-3953-801419919722612018Huamán Samaniego, HectorCerrón Perez, Jose LuisGamarra Moreno, Abraham Estebanhttp://purl.org/pe-repo/renati/type#tesishttp://purl.org/pe-repo/renati/level#doctor20038141ORIGINALT010_20038141_D.pdfT010_20038141_D.pdfapplication/pdf1993043http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/8/T010_20038141_D.pdf1a79090da0ae5c7b15de95f165255605MD58Autorización.pdfAutorización.pdfapplication/pdf274534http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/3/Autorizaci%c3%b3n.pdf332b4cc2375e415f926656f98cdf6725MD53Reporte de similitud.pdfReporte de similitud.pdfapplication/pdf5445518http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/4/Reporte%20de%20similitud.pdfde7d03080f45d5fc6dbc57a344701127MD54THUMBNAILT010_20038141_D.pdf.jpgT010_20038141_D.pdf.jpgIM Thumbnailimage/jpeg7960http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/5/T010_20038141_D.pdf.jpg64a7e29b65bbec4f060704bd2c645659MD55Autorización.pdf.jpgAutorización.pdf.jpgIM Thumbnailimage/jpeg9289http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/6/Autorizaci%c3%b3n.pdf.jpgd2bd900ac570ce264595e0c969070abfMD56Reporte de similitud.pdf.jpgReporte de similitud.pdf.jpgIM Thumbnailimage/jpeg4956http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/7/Reporte%20de%20similitud.pdf.jpg4f3b08723a6e0531b505d9eda78b44d2MD57LICENSElicense.txtlicense.txttext/plain; charset=utf-81327http://repositorio.uncp.edu.pe/bitstream/20.500.12894/10359/2/license.txtc52066b9c50a8f86be96c82978636682MD5220.500.12894/10359oai:repositorio.uncp.edu.pe:20.500.12894/103592024-10-17 16:51:32.368DSpacerepositorio@uncp.edu.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
score 15.300719

Registos relacionados