Machine learning para precedir el rendimiento académico en la IE Nª116 Abraham Valdelomar San Juan de Lurigancho 2022

Abstract

En esta investigación se elaboró un modelo predictivo de Machine Learning, para predecir el rendimiento académico de los alumnos del 4to. Y 5to. Año de secundaria de la IE N°116 “Abraham Valdelomar – San Juan de Lurigancho, para lograr el objetivo se utilizó la metodología KDD, así mismo herramientas como SPSS statistic Ver. 26 y SPSS Modeler Ver.18. El objetivo de la investigación es determinar en qué porcentaje Machine Learning permite predecir el rendimiento académico con precisión, sensibilidad y especificidad, con el fin de poder identificar a los alumnos con probabilidad de éxito o fracaso. Para la investigación se utilizó una población de 101 alumnos, y se utilizó la totalidad de la población como muestra. El estudio es de tipo aplicada, con un diseño de investigación experimental de tipo pre-experimental de un solo grupo, lo que se obtendrá luego de aplicar el modelo predictivo de Machine Learning se podrá observar con los resultados y validar la medición. Se obtuvo como resultado para los indicadores de precisión, sensibilidad y especificad para el algoritmo Árbol de Decisión los siguientes valores porcentuales: (Precision-84.73, Sensibilidad-61.54, Especificidad-90.47), Maquina de vectores SVM (Precision-100.00, Sensibilidad-100.00, Especificidad-100.00) y Red-Bayesiana (Presicion-99.60, Sensibilidad-99.00, Especificidad-99.75), con base a estos resultados se concluye que el algoritmo que pudo predecir el rendimiento académico de los estudiantes de la IE N°116 “Abraham Valdelomar” con mejores resultados fue Maquina de vectores (SVM) con un valor de 100%.