Predicción del rendimiento académico estudiantil con redes neuronales artificiales

Abstract

Este trabajo presenta una red neuronal artificial (RNA) para predecir el rendimiento académico estudiantil. Las RNAs emulan el funcionamiento fisiológico del cerebro humano, tienen la capacidad de procesar y abstraer información y son empleadas en investigaciones relacionadas con modelado predictivo debido a su capacidad para identificar relaciones no lineales entre variables. Se emplea una base de datos con información académica, demográfica, social e institucional de 395 estudiantes colombianos de media vocacional de la Institución Educativa Villa del Socorro, Medellín (Colombia). La base de datos es construida mediante la aplicación de encuestas e informes institucionales antes del inicio de la pandemia COVID-19. Los resultados muestran que la RNA desarrollada aquí clasifica adecuadamente el 73% de la muestra y que tiene un mejor desempeño en métricas (accuracy, recall, precision y F1-Score) que otras técnicas de aprendizaje supervisado. Se concluye que la predicción temprana del rendimiento académico permite formular estrategias didácticas y pedagógicas que hacen más eficiente el proceso de enseñanza y aprendizaje.