Modelo basado en redes neuronales para proyectar el rendimiento académico del curso matemática I de los estudiantes de la UNIFSLB-Bagua

Abstract

Está investigación ha tenido como objetivo diseñar e implementar un modelo de red neuronal artificial que permita proyectar los resultados académicos de los estudiantes del curso de Matemática I de la Universidad Nacional Intercultural Fabiola Salazar Leguía de Bagua, presenta un enfoque cuantitativo, de tipo predictiva y proyectiva, no experimental. Las variables de entrada de la red neuronal artificial son 42 ítems que responden a determinantes personales, sociales e institucionales que influyen en el rendimiento académico, el coeficiente de confiabilidad obtenido mediante la prueba Kuder-Richardson (KR20) fue de 0.82, la validación del instrumento se realizó con el criterio de juicio de expertos. Se utilizó la metodología CRISP-DM para la construcción del modelo neuronal el cual posee tres capas ocultas y una capada de salida, el coeficiente de correlación obtenido para el entrenamiento, la validación y la prueba de 0.91532, 0.90989 y 0.93612 respectivamente, consecuentemente la red neuronal logró una efectividad en la predicción exacta del promedio redondeado al entero más cercano del 65.24%, mientras que la efectividad en la predicción considerando el entero más cercano con una diferencia de 1 punto en el promedio es del 89.92%, lo cual garantiza una proyección confiable de los resultados académicos de los estudiantes.