Algoritmos de Aprendizaje Automático en la Predicción del Rendimiento Académico en la Educación Superior

Resumen

En la educación un problema controversial es el desempeño académico de los estudiantes lo cual está asociado con múltiples factores internos y externos que afectan a los universitarios los mismos que conllevan al éxito o fracaso del estudiante, por lo tanto, el objetivo de la presente investigación fue elaborar una revisión sistemática de los algoritmos de Aprendizaje Automático para predecir el rendimiento académico de los estudiantes universitarios. La metodología implementada tuvo un enfoque cualitativo y cuantitativo, se utilizó un diseño no experimental y la población de estudio corresponde a los artículos relacionados al rendimiento académico encontrados en las bases de datos como: Scopus, Dialnet, SciELO y ERIC. Se utilizó el diagrama de flujo PRISMA en donde se encontraron un total de 6437 publicaciones correspondiente a los últimos 10 años, posteriormente a partir de criterios de inclusión y exclusión se redujeron a 52 artículos para ser analizados. Mediante esta metodología se logró determinar que durante el 2022 hubo mayor parte de publicaciones sobre el tema las mismas que fueron desarrolladas en el continente americano. También, se comparó las métricas de evaluación como la precisión, exactitud, sensibilidad, especificidad, el puntaje F1 y la curva ROC de los algoritmos de Aprendizaje Automático obteniendo que el mejor algoritmo supervisado para predecir el rendimiento académico fue Árbol de Decisión con un valor superior al 90% en casi todos los indicadores. En este contexto se concluyó que las variables que más influyen en el rendimiento académico fueron las variables relacionadas al factor socioeconómico, familiar, demográfico, personal, institucional, académico pre-universidad y académico universitario los mismos que podrían ser recolectados para realizar un análisis del rendimiento académico en la ESPOCH.