Machine Learning aplicado al rendimiento académico en educación superior: factores, variables y herramientas

Contreras, Leonardo Emiro, Tarazona Bermúdez, Giovanny Mauricio, Alemán Cardona, Angie Paola

• Editorial: Editorial Universidad Distrital Francisco José de Caldas. Editorial UD
• Año: 2023
• ISBN:
  9789587875188
• Categoría: Pedagogía
• Categoría: Administración de la educación

Las herramientas de aprendizaje automático están siendo muy utilizadas por sus buenas aproximaciones al predecir el rendimiento académico de los estudiantes. Se analiza información de la última década con el objetivo de identificar los factores que influyen sobre el rendimiento académico en el nivel superior, a partir de modelos realizados por medio de técnicas de aprendizaje automático. Se plantea una clasificación en factores académicos, sociodemográficos, de aprendizaje en línea, de gestión académica, psicosocial y de entorno académico. También se identifican los algoritmos más usados en su predicción.Adicionalmente, la detección de las variables que más influyen en el fenómeno permitirá implementar algoritmos de Machine Learning pertenecientes a otras ramas de este campo. Así pues, al ahondar un poco más sobre la aplicación de herramientas de Machine Learning en educación superior, este trabajo servirá a docentes e investigadores que deseen investigar estos temas.

Índice

• Cubierta
• Portadilla
• Portada
• Créditos
• Contenido
• Índice de tablas
• Índice de figuras
• Capítulo 1. Contextualización del tema de investigación y su desarrollo
• Capítulo 2. Rendimiento académico
• Capítulo 3. Machine Learning
• Capítulo 4. Aprendizaje no supervisado: factores y variables que influyen en el rendimiento académico
• Capítulo 5. Aprendizaje no supervisado: investigación referencial
• Capítulo 6. Aprendizaje no supervisado: algoritmos implementados
• Capítulo 7. Aprendizaje supervisado: Factores y variables que influyen en el rendimiento académico
• Capítulo 8. Aprendizaje supervisado: Investigación referencial
• Capítulo 9. Aprendizaje supervisado: Algoritmos implementados
• Capítulo 10. Redes Neuronales: factores y variables que influyen en el rendimiento académico
• Capítulo 11. Redes neuronales: Investigación referencial
• Capítulo 12. Redes neuronales: algoritmos implementados
• Capítulo 13. Análisis de software usados/relacionados con Machine Learning aplicado al rendimiento académico en educación superior
• Referencias
• Notas al pie
• Autores
• Contracubierta