000 | 02261cab a2200289 a 4500 | ||
---|---|---|---|
005 | 20231020063928.0 | ||
008 | 991125c2020 cl br p o 000 0 spa d | ||
035 | _aUPN01000235766 | ||
040 |
_aMX-MxUPN _bspa _eaacr2 |
||
049 | _aART-E | ||
100 | 1 |
_aCastrillón, Omar D. _6- odcastrillong@unal.edu.co |
|
100 | 1 | _aSarache, William | |
100 | 1 | _aRuiz Herrera, Santiago | |
245 | 0 | 0 |
_aPredicción del rendimiento académico por medio de técnicas de inteligencia artificial _h[recurso electrónico en línea] |
506 | 0 | _aAcceso abierto | |
520 | 3 | _aEl objetivo de este artículo es predecir el rendimiento académico de estudiantes de educación superior, a partir de diversos factores influyentes usando técnicas de inteligencia artificial (clasificadores). El estudio de tales factores, aunque ha sido ampliamente analizado desde enfoques cuantitativos y cualitativos, aun presenta oportunidades de investigación usando herramientas que provee la inteligencia artificial, particularmente en la predicción del rendimiento académico. Con los factores definidos (educacionales, familiares, socioeconómicos, de hábitos y costumbres, entre otros), se diseñó una metodología que permite entrenar un sistema capaz de clasificar a priori a un nuevo estudiante, en una de las cinco categorías predeterminadas de rendimiento académico. Esta clasificación permite a una institución educativa identificar con anticipación estudiantes con problemas potenciales de rendimiento académico. A partir de ello, se pueden desplegar acciones de acompañamiento y mitigación inmediatas. La metodología fue aplicada a una muestra de estudiantes de una universidad pública en Colombia, obteniendo un nivel de aciertos del 91.7%. | |
650 | 4 |
_aRendimiento académico _93961 |
|
650 | 2 |
_aInteligencia artificial _95343 |
|
650 | 2 |
_aPronósticos _92827 |
|
650 | 2 |
_aClasificación _95262 |
|
773 |
_gVol. 13, no. 1 (2020), p. 93-102 _tFormación universitaria _x0718-5006 |
||
856 | 4 | 0 | _uhttps://scielo.conicyt.cl/pdf/formuniv/v13n1/0718-5006-formuniv-13-01-93.pdf |
856 | 4 | 0 |
_uhttp://dx.doi.org/10.4067/S0718-50062020000100093 _zConsultar articulo completo |
905 | _aArticulo | ||
942 | _cART-E | ||
999 |
_c207861 _d207861 |