Determinación de la relación entre el rendimiento académico escolar y el rendimiento académico universitario mediante el uso de algoritmos de machine learning en ingresantes de la Facultad de Ingeniería de la Universidad Nacional Jorge Basadre Grohmann, año 2023

Simple item page
dc.contributor.advisorSantana Carbajal, Oliver Israel
dc.contributor.authorSegovia Hinojosa, James Enrique
dc.date.accessioned2025-04-09T20:05:49Z
dc.date.available2025-04-09T20:05:49Z
dc.date.issued2024
dc.description.abstractEste trabajo de investigación busca determinar la relación entre el rendimiento académico escolar y el universitario de los ingresantes a la Facultad de Ingeniería de la Universidad Nacional Jorge Basadre Grohmann en 2023, utilizando algoritmos de machine learning. Se emplearon modelos de regresión lineal, árboles de decisión y redes neuronales para desarrollar herramientas predictivas que identifiquen patrones significativos en los datos académicos, con el fin de mejorar los procesos de admisión y apoyo académico. El estudio aborda la alta tasa de deserción y bajo rendimiento en los primeros años universitarios, subrayando la necesidad de predecir con mayor precisión qué estudiantes tienen mayor probabilidad de éxito. Se analizaron registros académicos de 403 estudiantes, preprocesados para garantizar su calidad, y se implementaron algoritmos de machine learning con herramientas como Scikit-learn y TensorFlow. La calidad de los modelos se evaluó mediante métricas como R², MSE, RMSE y MAE. Los resultados indican que las redes neuronales tienen una mejor capacidad para identificar relaciones complejas entre las variables, aunque presentan problemas de sobreajuste. Por su parte, los árboles de decisión y la regresión lineal ofrecen resultados más interpretables, pero con menor precisión. El estudio concluye que el rendimiento escolar es un buen predictor del desempeño universitario, aunque su capacidad explicativa es limitada. Los algoritmos de machine learning permiten explorar nuevas perspectivas en el análisis educativo, sugiriendo la necesidad de incluir factores adicionales para mejorar las predicciones y estrategias de apoyo académico.
dc.description.uriTesis
dc.formatapplication/pdf
dc.identifier.urihttps://repositorio.unjbg.edu.pe/handle/20.500.12510/4921
dc.language.isospa
dc.publisherUniversidad Nacional Jorge Basadre Grohmann
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.sourceUniversidad Nacional Jorge Basadre Grohmann
dc.sourceRepositorio Institucional - UNJBG
dc.subjectMachine learning
dc.subjectAlgoritmos
dc.subjectRendimiento académico escolar
dc.subjectRendimiento académico universitario
dc.titleDeterminación de la relación entre el rendimiento académico escolar y el rendimiento académico universitario mediante el uso de algoritmos de machine learning en ingresantes de la Facultad de Ingeniería de la Universidad Nacional Jorge Basadre Grohmann, año 2023
dc.typeinfo:eu-repo/semantics/bachelorThesis
thesis.degree.disciplineInformática y Sistemas
thesis.degree.grantorUniversidad Nacional Jorge Basadre Grohmann. Escuela Profesional de Ingeniería en Informática y Sistemas
thesis.degree.levelTítulo profesional
thesis.degree.nameIngeniero en Informática y Sistemas

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
2024_segovia_hinojosa_je_informatica.pdf
Size:
6.46 MB
Format:
Adobe Portable Document Format
Download

Collections

Tesis de Informática y Sistemas