Modelo de recomendación de acciones para la prevención de la inasistencia escolar basado en un sistema predictivo de aprendizaje automático

El ausentismo escolar ha calado en los planteles educativos, especialmente en el rendimiento académico y el desarrollo de los estudiantes. Este fenómeno se manifiesta cuando los estudiantes presentan faltas reiteradas en el aula. El presente estudio devela un modelo de aprendizaje automático que abo...

Full description

Autores:
Arteaga Ramos, Andrés Felipe
Tapias López, Nayib de Jesús
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad de Córdoba
Repositorio:
Repositorio Institucional Unicórdoba
Idioma:
spa
OAI Identifier:
oai:repositorio.unicordoba.edu.co:ucordoba/8114
Acceso en línea:
https://repositorio.unicordoba.edu.co/handle/ucordoba/8114
https://repositorio.unicordoba.edu.co
Palabra clave:
Inasistencia escolar
Recomendaciones preventivas
Aprendizaje automático
Investigación en ciencia del diseño
School absence
Preventive recommendations
Machine learning
Design science research
Rights
openAccess
License
Copyright Universidad de Córdoba, 2024
Description
Summary:El ausentismo escolar ha calado en los planteles educativos, especialmente en el rendimiento académico y el desarrollo de los estudiantes. Este fenómeno se manifiesta cuando los estudiantes presentan faltas reiteradas en el aula. El presente estudio devela un modelo de aprendizaje automático que aborda la inasistencia escolar al anticipar factores clave y proporcionar recomendaciones preventivas, utilizando la metodología de investigación en ciencia del diseño, se recopilaron y procesaron datos para identificar patrones asociados con la inasistencia. El modelo de predicción, evaluado con diversos algoritmos, demostró una eficacia destacada, especialmente con el bosque aleatorio, alcanzando porcentajes entre el 91,67% y el 99,99%. Además, se integró un sistema de prescripción al modelo de predicción para ofrecer recomendaciones y prevenir la inasistencia en estudiantes en riesgo.