Modelo de pronóstico de rendimiento académico de alumnos en los cursos del programa de estudios básicos de la Universidad Ricardo Palma usando algoritmos de Machine Learning

Abstract

En la sociedad actual, el acceso a la educación es un derecho que genera la expectativa de que los estudiantes con un alto rendimiento académico tendrán mejores oportunidades laborales que aquellos con un rendimiento académico normal o inferior. La identificación de oportunidades de mejora educativa es crucial para el desarrollo de la sociedad. El objetivo de esta investigación es efectuar predicciones, mediante el uso de algoritmos de Machine Learning, con la finalidad de identificar con anticipación a los estudiantes que tienen alta probabilidad de obtener un bajo rendimiento académico en cualquiera de los 13 cursos del Programa de Estudios Básicos de la Universidad Ricardo Palma en Perú, y como consecuencia, poder implementar estrategias que los ayude a tener mejores resultados en dichos cursos. Se presenta la implementación, análisis y comparación de tres algoritmos de Machine Learning: Redes Neuronales Artificiales (RNA), Gradient Boosting Machine (GBM) y XGBoosting; con los cuales se pretende determinar el rendimiento académico a través del pronóstico de la cantidad de estudiantes aprobados y desaprobados para cada curso.