Aplicación de algoritmos de machine learning asociado con la predicción de resultados académicos, en el programa de Ingeniería de Sistemas de las Unidades Tecnológicas de Santander.

Abstract

El presente estudio tiene como finalidad principal predecir el desempeño académico de los estudiantes de las Unidades Tecnológicas de Santander adscritos al programa de ingeniería de sistemas, a partir de una muestra realizada a 59 estudiantes situados en los periodos académicos 2020-2 hasta 2021-1 y un instrumento de recolección de datos tipo encuesta, donde los datos recolectados corresponden a variables de tipo social, económicas y académicas, considerando que es fundamental para la institución estos factores que acompañan a los estudiantes durante todo su proceso de aprendizaje y que conllevan a la suspensión o deserción académica, debido a esto se considera que es importante para la entidad tener conocimiento de forma anticipada del comportamiento y las decisiones que puedan tomar los estudiantes para desistir de la educación como parte su crecimiento profesional.

Para alcanzar el objetivo de pronosticar el desempeño académico se emplea aprendizaje automático o “Machine Learning”, pertenecientes al campo de inteligencia artificial, se procede a la implementación de una metodología dispuesta para generar los procesos de minería de datos y modelamiento predictivos en CRISP-DM, acompañada de una herramienta de software libre Weka que facilita la elaboración y despliegue de los algoritmos supervisados.

Los algoritmos que se emplearon en la presente tesis son los siguientes: Arboles de decisión J48, Random Forest, Vecinos más cercanos (KNN), los tres algoritmos obtuvieron una predicción e interpretación destacada, el primero logrando a predecir un 81.4 % de las instancias y los siguientes un porcentaje del 100 % de acuerdo a los factores sociales, económicos y académicos que condicionan el rendimiento académico, contemplando variables como código estudiantil, estado civil, genero, edad, dependencia económica, estado laboral, ingreso mensual, ubicación semestral, beneficio académico, métodos de estudio, créditos , matriculados, promedio ponderado anterior y actual, perdida de asignatura y suspensión del semestre.