@article{Rico Páez_Gaytán Ramírez_2022, title={Modelos predictivos del rendimiento académico a partir de características de estudiantes de ingeniería}, volume={13}, url={https://www.rediech.org/ojs/2017/index.php/ie_rie_rediech/article/view/1426}, DOI={10.33010/ie_rie_rediech.v13i0.1426}, abstractNote={<p>El objetivo de esta investigación es proponer una metodología para construir modelos predictivos del rendimiento académico mediante características de estudiantes de ingeniería de nuestro país y comparar los modelos utilizando diferentes métricas de evaluación. En este estudio participaron 228 estudiantes que forman parte de una universidad pública en México. Los datos fueron recabados al inicio del curso y, por medio de tres técnicas de aprendizaje automático, se construyeron los modelos predictivos. Se analizaron las características de cada modelo y se consiguió una exactitud de las predicciones de alrededor de 65%. El modelo con la técnica <em>Naïve Bayes</em> resultó el más adecuado para la mayoría de las métricas empleadas en el estudio, principalmente, para identificar estudiantes en peligro de reprobación. Además, se encontró que el promedio actual fue la característica más significativa para la predicción del rendimiento académico de los estudiantes participantes en el estudio. La metodología desarrollada puede ser replicada para otros cursos y las características de los estudiantes pueden recabarse al inicio del curso o antes, permitiendo la posibilidad de realizar estrategias de intervención para estudiantes en peligro de reprobación.</p>}, journal={IE Revista de Investigación Educativa de la REDIECH}, author={Rico Páez, Andrés and Gaytán Ramírez, Nora Diana}, year={2022}, month={abr.}, pages={e1426} }