Predicción del rendimiento académico mediante selección de características de estudiantes universitarios

Resumen

El propósito de esta investigación fue elaborar modelos de predicción del rendimiento académico de estudiantes universitarios de México con técnicas de aprendizaje automático, considerando la selección de atributos más significativos. En este trabajo, se recabaron datos académicos y demográficos de 51 estudiantes universitarios para elaborar modelos que predigan su rendimiento académico al final del curso. Se utilizaron las técnicas de aprendizaje automático Naïve Bayes, k vecinos más cercanos y árbol de decisión C4.5. Se observó en los modelos una mayor exactitud cuando se realizó una selección de los atributos más significativos en comparación con cuando se utilizaron todos los atributos. Se obtuvo una exactitud del 78.43% cuando se emplearon cinco atributos más significativos y la técnica Naïve Bayes. La metodología mostrada puede ser aplicada a diferentes tipos de cursos o modalidades. Los resultados muestran que, con la selección de los atributos más significativos, se puede obtener una mejora en la exactitud de las predicciones, brindando mayor certeza a las instituciones educativas para la identificación de estudiantes en riesgo de reprobación.