Análisis de algoritmos de aprendizaje automático para evaluar el rendimiento académico de estudiantes en la asignatura de matemáticas

Resumen

El rendimiento académico de los estudiantes es crucial para el desarrollo educativo y social de un país, ya que impacta directamente en las oportunidades futuras de los jóvenes y en el progreso colectivo de la sociedad. En particular, las matemáticas desempeñan un papel fundamental en la educación básica, aunque muchos estudiantes enfrentan dificultades que afectan su desempeño académico y puede limitar su desarrollo a largo plazo. Este desafío se refleja en los resultados del Programa para la Evaluación Internacional de Alumnos (PISA), que evidencian las brechas en el aprendizaje de matemáticas a nivel global. La presente investigación busca identificar el algoritmo de aprendizaje automático más preciso para predecir el rendimiento académico de los estudiantes de secundaria en matemáticas. El enfoque adoptado es cuantitativo, con un diseño no experimental y de tipo aplicado. La muestra incluyó 400 estudiantes, cuyos datos fueron obtenidos de un repositorio público de la Universidad de California de Irvine. Los datos recolectados abarcaron factores demográficos, académicos, psicológicos y sociales, entre otros, sumando un total de 30 variables clave. Estos datos fueron utilizados para entrenar y evaluar diversos algoritmos de aprendizaje automático con el fin de identificar los factores más determinantes en el proceso de aprendizaje. El algoritmo más preciso fue la Red neuronal densa, alcanzando un 74% de precisión, demostrando su efectividad para predecir el rendimiento académico. Los resultados revelaron una relación positiva y significativa entre las variables analizadas y el rendimiento académico, sugiriendo que mejoras en estas variables podrían aumentar el promedio académico de los estudiantes.