Publicado 11-12-2023
Licencia
Artículo original

Modelo basado en machine learning para predecir la aprobación de un curso de ingeniería

DOI: https://doi.org/10.22490/25394088.7510
Fernando Luis Carrascal Porras Universidad Nacional Abierta y a Distancia
Wilson de Jesús Arrubla Hoyos Universidad Nacional Abierta y a Distancia
Luis Alfonso Florez Prias Universidad Nacional Abierta y a Distancia
Daniel Francisco Chica Medrano Universidad Nacional Abierta y a Distancia

En el contexto de la educación virtual y a distancia, el curso "Introducción a la Ingeniería de Telecomunicaciones" de la Universidad Nacional Abierta y a Distancia (UNAD) ha enfrentado el desafío de la deserción estudiantil en primera matrícula. Para abordar esta problemática, se realizó una investigación centrada en desarrollar un modelo de Minería de Datos basado en la metodología CRISP-DM. El estudio utilizó un dataset con 808 registros de estudiantes recopilados en distintos periodos académicos del año 2021. Se aplicaron diversas técnicas de Machine Learning, como Random Forest, Tree Decision, Knn, SVM y Neural Network, evaluando su desempeño mediante validación cruzada k-10. Los resultados revelaron que el modelo Random Forest obtuvo el mejor rendimiento, logrando predecir con un 80% de precisión la aprobación del curso. Este modelo es relevante para identificar los estudiantes con riesgo de deserción temprana del curso, permitiendo la implementación de estrategias proactivas para hacer frente a la deserción y mejorar los indicadores del curso. Aunque algunos resultados fueron ligeramente inferiores a investigaciones anteriores, el modelo sigue siendo una herramienta valiosa para apoyar las estrategias de retención de los estudiantes en el curso "Introducción a la Ingeniería de Telecomunicaciones" de la UNAD.

Palabras clave: Clasificación predictiva, Deserción estudiantil, Random Forest, Retención y permanencia
Licencia

Derechos de autor 2023 Publicaciones e Investigación

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Cuando PUBLICACIONES E INVESTIGACIÓN recibe la postulación de un original por parte de su autor, ya sea a través de correo electrónico o postal, considera que puede publicarse en formatos físicos y/o electrónicos y facilitar su inclusión en bases de datos, hemerotecas y demás sistemas y procesos de indexación. PUBLICACIONES E INVESTIGACIÓN autoriza la reproducción y citación del material de la revista, siempre y cuando se indique de manera explícita el nombre de la revista, los autores, el título del artículo, volumen, número y páginas. Las ideas y conceptos expresados en los artículos son responsabilidad de los autores y en ningún caso reflejan las políticas institucionales de la UNAD

Cómo citar
Carrascal Porras, F. L. ., Arrubla Hoyos, W. de J. ., Florez Prias, L. A. ., & Chica Medrano, D. F. . (2023). Modelo basado en machine learning para predecir la aprobación de un curso de ingeniería. Publicaciones E Investigación, 17(4). https://doi.org/10.22490/25394088.7510
Almétricas
Métricas
Archivos descargados
640
Dec 13 '23Dec 16 '23Dec 19 '23Dec 22 '23Dec 25 '23Dec 28 '23Dec 31 '23Jan 01 '24Jan 04 '24Jan 07 '244.0
|

DECLARACIÓN DE PRIVACIDAD: Según la Ley de Protección de Datos Personales (Ley 1581 de 2012), los nombres y direcciones de correo electrónico manejados por Publicaciones e Investigación se usarán exclusivamente para los fines declarados por esta revista y no estarán disponibles para ningún otro propósito u otra persona. Los manuscritos enviados a la publicación solo son conocidos por el equipo editorial y por los pares evaluadores externos.

Diseño e implementado por