Modelos de predicción temprana de logro académico estudiantil

Simple item page
dc.contributor.advisorNussbaum Voehl, Miguel
dc.contributor.authorNavarrete Carvacho, Hugo Andrés
dc.contributor.otherPontificia Universidad Católica de Chile. Escuela de Ingeniería
dc.date.accessioned2022-01-10T19:58:29Z
dc.date.available2022-01-10T19:58:29Z
dc.date.issued2021
dc.descriptionTesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2021
dc.description.abstractLa predicción de rendimiento académico es uno de los objetivos estudiados en el campo de la minería de datos educativa. Los modelos predictivos pueden ser usados como una alerta temprana para poder tomar medidas preventivas en estudiantes en situación de riesgo. Otra dimensión de este problema es el estudio de las variables que impactan más en la predicción. Este estudio propone un completo esquema con uso de algoritmos de aprendizaje de máquinas, técnicas de balance de datos y métodos de interpretación agnóstica a modelos para predecir el desempeño estudiantil y entregar nuevas variables que aporten a avanzar en el conocimiento científico sobre el aprendizaje. Para lograr esto se usó la prueba SIMCE, que entrega información censal sobre más de 230.000 estudiantes. Los resultados empíricos muestran una capacidad predictiva de un 78% para el modelo propuesto. Se descubrió que el algoritmo XGBoost en conjunto con la técnica de balance de datos Tomek Links fueron superiores a otras técnicas utilizadas como SVM, Naive Bayes, Regresión Logística, KNN, Redes neuronales y Random Forest para clasificar y Adasyn, Smote, Borderline Smote, RENN, SMOTENN y SMOTETOMEK para balancear. Con el uso de la técnica SHAP se encontraron las variables más impactantes en la predicción, las cuales confirman estudios previos y ofrecen nuevas relaciones a investigar.
dc.format.extent131 páginas
dc.fuente.origenAutoarchivo
dc.identifier.doi10.7764/tesisUC/ING/63169
dc.identifier.urihttps://doi.org/10.7764/tesisUC/ING/63169
dc.identifier.urihttps://repositorio.uc.cl/handle/11534/63169
dc.information.autorucEscuela de Ingeniería ; Nussbaum Voehl, Miguel ; 0000-0001-5617-5983 ; 99303
dc.information.autorucEscuela de Ingeniería ; Navarrete Carvacho, Hugo Andrés ; S/I ; 232251
dc.language.isoes
dc.nota.accesoContenido completo
dc.rightsacceso abierto
dc.subjectSIMCEes_ES
dc.subjectPredictive modellinges_ES
dc.subjectEducational data mininges_ES
dc.subjectAcademic performancees_ES
dc.subject.ddc370
dc.subject.deweyEducaciónes_ES
dc.subject.otherMinería de datoses_ES
dc.subject.otherRendimiento en la educaciónes_ES
dc.titleModelos de predicción temprana de logro académico estudiantiles_ES
dc.typetesis de maestría
sipa.codpersvinculados99303
sipa.codpersvinculados232251
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
TESIS_HNavarrete_Firma Final.pdf
Size:
2.49 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.98 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
3.01 Tesis magíster