Data Science para la Predicción del Rendimiento Académico

Autores/as

DOI:

https://doi.org/10.23857/dc.v8i1.2481

Palabras clave:

data science, tecnología educativa, rendimiento académico.

Resumen

En el íºltimo año las instituciones educativas se han visto afectadas por la emergencia sanitaria, la educación se tornó netamente virtual, lo cual en muchos casos no ha sido favorecedor para todos los estudiantes. Esta investigación se realizó con el objetivo de proporcionar una aplicación de data science que permita realizar una predicción del rendimiento académico de los estudiantes de nivel bósica, con el fin de evaluar la efectividad de los métodos de enseñanza virtual. El diseño metodológico se ha desarrollado en la herramienta PMI que consiste en una serie de fases secuenciales en donde permitiró la obtención de un entregable. Por esta razón, el proyecto evalíºa los factores que inciden en el rendimiento académico haciendo uso de técnicas actuales como son la data science y herramientas de machine learning.

Biografía del autor/a

Zoila Jessenia Fabara-Sarmiento, Universidad de Guayaquil, Guayaquil,

Master Universitario en Tecnología Educativa y Competencias Digitales, Ingeniera en Diseño Gráfico, Licenciada en Ciencias de la Educación Mención Sistemas Multimedia, Diseñador Gráfico, Docente, Universidad de Guayaquil, Guayaquil, Ecuador.

Janeth Pilar Diaz-Vera, Universidad de Guayaquil, Guayaquil,

Magister en Educación Informática, Licenciada en Ciencias de la Educación Especialización Informática, Tecnóloga Pedagógica en Informática, Docente, Universidad de Guayaquil, Guayaquil, Ecuador.

Alicia Karina Ruiz-Ramirez, Universidad de Guayaquil, Guayaquil,

Magister en Educación Informática, Ingeniera en Sistemas Computacionales, Licenciada en Ciencias de la Educación Especialización Educadores de Párvulos, Docente, Universidad de Guayaquil, Guayaquil, Ecuador.

Citas

Alpaydin, E. (2020). Introduction to Machine Learning (4th ed.). MIT Press. https://books.google.com.ec/books?hl=es&lr=&id=tZnSDwAAQBAJ&oi=fnd&pg=PR7&ots=F3TUc-6oxc&sig=JzmrZtSgJTGO5A0ogcfX4x-Co2A&redir_esc=y#v=onepage&q&f=false

Código Orgánico Integral Penal. (2014). CODIGO ORGANICO INTEGRAL PENAL.

Constitución de la Repíºblica del Ecuador. (2008). Constitución del Ecuador.

Garcí­a, L. A. (2016). Gestión de proyectos segíºn el PMI. Ingenierí­a Tí©cnica de Informática de Gestión.

Gutií©rrez, J. J. (2018). ¿Quí© es un framework web?

Heredia-Mayorga, H. (2020). Big data en la educación. Horizontes. Revista de Investigación En Ciencias de La Educación, 4(16), 523–535. https://doi.org/10.33996/REVISTAHORIZONTES.V4I16.134

Holguí­n, C., Dí­az-Ricardo, Y., & Antonio Becerra-Garcí­a, R. (2014). Ciencias Holguí­n, Revista trimestral, Año XX, abril-junio 2014 El lenguaje de programación Python/The programming language Python Ivet Challenger-Pí©rez. http://www.linuxjournal.com/article/2959

Mora, J. P. (2016). Que es la Ciencia de Datos, el aprendizaje automático (ML), el Big Data y cuales son sus usos?

Mueller, J. P., & Massaron, L. (2016). Machine Learning for dummies (I. John Wiley & Sons (ed.)).

Naqa, I. El, & Murphy, M. J. (2015). What Is Machine Learning? Machine Learning in Radiation Oncology, 3–11. https://doi.org/10.1007/978-3-319-18305-3_1

Oracle Enterprise. (2015, April). Improving Higher Education Performance with Big Data. https://silo.tips/download/improving-higher-education-performance-with-big-data

Project Management Institute. (2013). Fundamentos para la Dirección de Proyectos (Guí­a del PMBOK) (Quinta Edi).

Reglamento para la Adquisición de Software por parte de las entidades contratantes del Sector Píºblico. (2017). Reglamento para la Adquisición de Software por parte de las entidades contratantes del Sector Píºblico.

Sosa, M., & Herrera, S. I. (2015). La informática como disciplina cientí­fica. Ensayo de mapeo disciplinar. https://www.researchgate.net/publication/264868897

Universitat Polití©cnica de Catalunya. (2021, March 21). ¿Quí© es un Data Scientist? | inLab FIB. https://inlab.fib.upc.edu/es/blog/que-es-un-data-scientist

Utilización de Software Libre en la Administración Píºblica. (2011). Utilización de Software Libre en la Administración Píºblica.

Publicado

2022-01-06

Cómo citar

Fabara-Sarmiento, Z. J., Diaz-Vera, J. P., & Ruiz-Ramirez, A. K. (2022). Data Science para la Predicción del Rendimiento Académico. Dominio De Las Ciencias, 8(1), 99–112. https://doi.org/10.23857/dc.v8i1.2481

Número

Sección

Artí­culos Cientí­ficos

Artículos similares

1 2 > >> 

También puede {advancedSearchLink} para este artículo.