MODELO PREDICTIVO DE RENDIMIENTO ACADÉMICO BASADO EN TÉCNICAS MULTIVARIANTES
DOI:
https://doi.org/10.55204/pcc.v5i1.e96Palabras clave:
Rendimiento académico, técnicas multivariantes, regresión lineal multiple.Resumen
El rendimiento académico está asociado a diversos factores de tipo sociales, pedagógicos, económicos, institucionales. El objetivo de esta investigación es diseñar un modelo predictivo de rendimiento académico de los estudiantes, para la asignatura de matemáticas. Para evaluar el impacto de este trabajo se aplicaron técnicas multivariantes como la regresión lineal múltiple. Se concluye que las variables, Componente Aprendizaje Autónomo, Aprendizaje Practico Experimental, Aprendizaje en Contacto con el Docente, y la edad, inciden significativamente en el rendimiento académico. Es necesario incluir más variables para tener un modelo robusto que permita, mejorar el desempeño y permanencia de los estudiantes en una institución de educación superior.
Descargas
Citas
Amín, A., & Amezcua, L. (2021). Construcción de un modelo predictivo para determinar el rendimiento académico de los estudiantes del colegio de estudios científicos y tecnológicos del estado de Michoacán. Ciencia Latina Revista Científica Multidisciplinar, 5(5), 7709–7749. https://doi.org/10.37811/cl_rcm.v5i5.872
Cabrera, F., Verdugo, M. E., Cabrera, H., Escudero, M., & Franco, M. (n.d.). Rendimiento académico universitario, según el modelo de bachillerato por especialidades y el Bachillerato General Unificado del Ecuador, Estudio de caso de la Universidad de Cuenc 2012-2018.
Campo, N. M. S. del, & Matamoros, L. Z. (2020). Técnicas estadísticas multivariadas para el estudio de la causalidad en Medicina. Revista de Ciencias Médicas de Pinar Del Río, 24. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1561-31942020000200287
Castelazo, I. Y. L., Mercado, A. G., Juárez, N. Y. L., Pérez, N. G. G., & Juárez, M. I. S. (2022). Modelo Predictivo del Rendimiento Académico de Estudiantes de Ingeniería Química en el Área de Matemáticas. Journal of Engineering Research, 2(1), 2–10. https://doi.org/10.22533/at.ed.317212210018
Clifford, B., & Taylor, R. (2014). Bioestadística. In PEARSON (Ed.), Bioestadística (Primera Ed). https://doi.org/10.22201/fesz.9786070261015p.2014
Collazos, A. C., Quintero Medina, M. V., & Trujillo Caicedo, K. N. (2021). Determinantes del Rendimiento Academico de la prueba Saber 11 Durante el periodo 2014-2019 en Colombia. Panorama, 15(29), 103–126. https://doi.org/10.15765/pnrm.v15i29.1723
Dorta Guerra, R., Marrero, I., Abdul-Jalbar, B., Trujillo González, R., & Torres Darias, N. (2019). Un modelo predictivo del rendimiento académico a partir de las calificaciones de Bachillerato y PAU. De Los Procesos de Cambio Al Cambio Con Sentido, 119–136. https://doi.org/10.25145/b.innovaull.2019.009
Fernández, Y. O. (2021). Variables académicas que influyen en el rendimiento académico de los estudiantes universitarios. Investigación Educativa, 15, 165–179. http://revistasinvestigacion.unmsm.edu.pe/index.php/educa/article/viewFile/6473/5692
Granados, R. M. (2016). Modelos de regresión lineal múltiple. https://www.ugr.es/~montero/matematicas/regresion_lineal.pdf
Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (2019). Análisis multivariante. In Prentice Hall (Quinta Edi, Vol. 53, Issue 9). https://doi.org/10.1017/CBO9781107415324.004
Herreras, E. (2019). Estudio Predictivo del Rendimiento Matemático en PISA 2012: Enfoque de Aprendizaje Frente a la Atribución del Fracaso. Revista Iberoamericana de Diagnóstico y Evaluación – e Avaliação Psicológica, 52(3), 156–171. https://doi.org/10.21865/ridep52.3.12
Lamas, H. A. (2014). Sobre el rendimiento escolar School. Propósitos y Representaciones, 3(1), 141–160. https://doi.org/10.4135/9781483328416.n9
Naal, J. E., Pacheco, A. del Á., & López, C. D. J. (2022). Relacion entre el rendimiento académico y los resultados del rendimiento académico de alumnos de gastronomía. Ciencia Latina Revista Científica Multidisciplinar, 6(4), 83–98. https://doi.org/10.37811/cl_rcm.v6i4.2517
Ortega, E., Solís, J. F., & Martínez, D. (2022). Deserción de los alumnos de Ingeniería en Computación: Un Modelo Predictivo. Journal of Engineering Research, 2(5), 2–8. https://doi.org/10.22533/at.ed.317252208046
Rico Páez, A., Gaytán Ramírez, N. D., & Sánchez Guzmán, D. (2019). Construcción e implementación de un modelo para predecir el rendimiento académico de estudiantes universitarios mediante el algoritmo Naïve Bayes. Diálogos Sobre Educación, 19, 1–18. https://doi.org/10.32870/dse.v0i19.509
Tortolero Portugal, R., Figueroa González, E. G., & Villareal Solís, F. M. (2020). Modelo de Regresión Lineal Múltiple de la Gestión del Conocimiento, con la Cultura Organizacional, el Liderazgo y las Tecnologías de la Información y la Comunicación, en Trabajadores de una Empresa de la Cd. de Durango, Durango, México. Hitos de Ciencias Económico Administrativas, 26(76), 266–284. https://doi.org/10.19136/hitos.a26n76.4089
Vázquez, S. R., Enrique, J., & Vázquez, R. (2022). Factores psicológicos predominantes y rendimiento académico de alumnos de estadística, universidad nacional de Piura, 2019. Revista Cuántica, 1, 14–25. https://doi.org/10.56747/rcq.v1i1.21
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Blanca Rocio Cuji Chacha, Wilma Lorena Gavilánes López
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores conservan los derechos morales y patrimoniales de sus obras. Puesto que Prometeo Conocimiento Científico es una publicación de acceso abierto, los lectores pueden reproducir total o parcialmente su contenido siempre y cuando proporcionen adecuadamente el crédito a los autores correspondientes y a la revista misma.
Nuestra revista se rige por las politicas internacionales SHERPA/RoMEO: Revista verde: Permiten el autoarchivo tanto del pre-print (borrador de un trabajo) como del post-print (la versión corregida y revisada por pares) y hasta de la versión final (maquetada tal como saldrá publicada en la revista).
Véase también "Derechos de autor y licencias".
