Predicción del rendimiento académico estudiantil con redes neuronales artificiales

Abstract

Este trabajo presenta una red neuronal artificial (RNA) para predecir el rendimiento académico estudiantil. Las RNAs emulan el funcionamiento fisiológico del cerebro humano, tienen la capacidad de procesar y abstraer información y son empleadas en investigaciones relacionadas con modelado predictivo debido a su capacidad para identificar relaciones no lineales entre variables. Se emplea una base de datos con información académica, demográfica, social e institucional de 395 estudiantes colombianos de media vocacional de la Institución Educativa Villa del Socorro, Medellín (Colombia). La base de datos es construida mediante la aplicación de encuestas e informes institucionales antes del inicio de la pandemia COVID-19. Los resultados muestran que la RNA desarrollada aquí clasifica adecuadamente el 73% de la muestra y que tiene un mejor desempeño en métricas (accuracy, recall, precision y F1-Score) que otras técnicas de aprendizaje supervisado. Se concluye que la predicción temprana del rendimiento académico permite formular estrategias didácticas y pedagógicas que hacen más eficiente el proceso de enseñanza y aprendizaje.

Predicting Academic Performance Path Using Classification Algorithms

“…Gil-Vera et al [13] present a model based on a Neural Network, which has allowed predicting the academic performance of students, using academic, demographic, social and institutional data of 395 students with 39 variables or characteristics. The model classifies with an accuracy of 73%, the strength is based on analyzing 39 variables, which gives the opportunity to explore who are the most determinant variables in academic performance.…”

Aplicación de la Inteligencia Artificial en la Educación para el Desarrollo Sostenible: Un Análisis Sistemático

“…Durante los últimos años, se han realizado diversas investigaciones sobre la aplicación de la IA en la educación para el desarrollo sostenible (Gil-Vera & Quintero-López, 2021). Por ejemplo, se han desarrollado sistemas de tutoría inteligente que pueden adaptarse a las necesidades y habilidades de los estudiantes (Sánchez-Azqueta et al, 2019), además, se han utilizado técnicas de aprendizaje automático con el fin de analizar grandes volúmenes de datos educativos y mejorar la toma de decisiones en la gestión educativa (Jiménez, 2021).…”