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