Repositorio de Tesis USAT



Please use this identifier to cite or link to this item: http://hdl.handle.net/20.500.12423/3635
Title: Revisión sistemática sobre la predicción del rendimiento académico en estudiantes: técnicas y algoritmos
Authors: Garcia Peredo, Luis Jesus
Adviser: Aquino Trujillo, Jury Yesenia
metadata.renati.advisor.orcid: https://orcid.org/0000-0003-1662-6406
Keywords: Prospectiva
Rendimiento académico
Estudiantes universitarios
Algoritmos
Publisher: Universidad Católica Santo Toribio de Mogrovejo
Country of publication: PE
Issue Date: 2020
Citation: L. J. Garcia Peredo, “Revisión sistemática sobre la predicción del rendimiento académico en estudiantes: técnicas y algoritmos,” Bachiller, Facultad de Ingeniería, Universidad Católica Santo Toribio de Mogrovejo, Chiclayo, Perú, 2020. [En línea]. Disponible en:
URI: http://hdl.handle.net/20.500.12423/3635
Abstract: El objetivo de la siguiente investigación es realizar un análisis en base a la revisión de literatura sobre la predicción del rendimiento académico del estudiante mediante uso de técnicas y/o algoritmos. Se estableció una revisión sistemática con publicaciones de los últimos cinco años, las cuales están alojadas en 3 bases de datos digitales seleccionadas: ProQuest, ScienceDirect y IOPscience, en todas se aplicaron filtros de búsqueda en base a criterios de inclusión/exclusión y calidad, finalmente se obtuvieron 13 artículos con los que se responden a las preguntas planteadas. Durante el desarrollo de esta investigación se obtuvo un listado de los continentes y países que realizan más investigaciones sobre la temática abarcada, gráficos que reflejan la utilización de técnicas/algoritmos para predecir el rendimiento académico e información gráfica y tabular sobre las características/factores que se toman en cuenta para lograr la predicción del rendimiento académico. Al obtener los resultados se pudo descubrir que el continente más investigador con respecto a esta temática es Asia, siendo los países que más aportan India e Indonesia, además se halló que las técnicas/algoritmos más usados para este tipo de predicción son Naive Bayes, Decision Tree, Support Vector Machine y Neural Networks, por último, se definieron 5 factores que se utilizan mayormente para obtener predicciones sobre el rendimiento académico. Este artículo sirve para llenar un poco el vacío de información que hay en el Perú con respecto al tema y también como guía para investigaciones futuras que abarquen temáticas similares.
metadata.renati.type: http://purl.org/pe-repo/renati/type#trabajoDeInvestigacion
metadata.renati.level: http://purl.org/pe-repo/renati/nivel#bachiller
Appears in Collections:Escuela de Ingeniería de Sistemas y Computación

Files in This Item:
File Description SizeFormat 
TIB_GarciaPeredoLuisJesus.pdf428.21 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons