Predicción del rendimiento académico por medio de técnicas de inteligencia artificial de los estudiantes de bachillerato en las Unidades Educativas fiscales del distrito educativo 05D06 (Salcedo - Ecuador)

El objetivo de esta investigación fue determinar los modelos matemáticos que predicen el rendimiento académico de estudiantes de bachillerato en instituciones educativas fiscales del cantón Salcedo. Las variables a estudiar se determinaron acudiendo a libros y artículos científicos donde indican los factores que influyen, predicen o explican el rendimiento académico, obteniendo 21 variables. Accedimos a información de 7 instituciones educativas fiscales rurales, 279 estudiantes y a 3 instituciones educativas fiscales urbanas, 402 estudiantes, mediante encuestas y las macros de notas; los datos fueron organizados y depurados mediante Excel. Se analizaron los datos mediante el software R, haciendo uso de la regresión lineal múltiple con el criterio del R-cuadrado ajustado y error estándar para determinar si los modelos son buenos predictores del rendimiento académico; por otra parte para la regresión logística se utilizó la matriz de confusión con porcentajes de aciertos para determinar si el modelo es un buen predictor. En la regresión lineal múltiple de instituciones rurales se determinaron 6 variables predictoras con un R-cuadrado ajustado de 0.8057 y un error estándar igual a 0.2373, en las instituciones urbanas se obtuvieron 7 variables, con un error estándar de 0.3 y un R cuadrado ajustado de 0.7525; en la regresión logística ordinal para las instituciones rurales se determinó un modelo con 5 variables predictoras y un porcentaje de acierto de 63.09524%, para las instituciones urbanas son 6 variables predictoras y un porcentaje de acierto de 52.45902%. Concluimos que la regresión logística no resultó una buena herramienta para predecir el rendimiento académico de los estudiantes de bachillerato de las instituciones educativas fiscales del cantón Salcedo, la regresión lineal múltiple si es una buena herramienta para predecir el rendimiento académico, lo han demostrado otras investigaciones y se corrobora lo mencionado con los resultados de esta investigación.

• Автор: Jijón Bautista, Klever Antonio (author)
• Формат: masterThesis
• Мова: spa
• Опубліковано: 2023
• Предмети: MATEMÁTICAS; REGRESIÓN LINEAL MÚLTIPLE; REGRESIÓN LOGÍSTICA; R-CUADRADO AJUSTADO; ERROR ESTÁNDAR; MATRIZ DE CONFUSIÓN; RENDIMIENTO ACADÉMICO
• Онлайн доступ: https://dspace.espoch.edu.ec/handle/123456789/19293