Browsing by Autor "Diego Parraga Menchaca"

Now showing 1 - 2 of 2

Los docentes digitales en Educación Superior
(2024) Diego Parraga Menchaca
Las instituciones de educación superior, docentes y estudiantes ante la pandemia COVID-19, tuvieron que realizar cambios para poder dar continuidad a las actividades académicas, ocasionando bastantes impactos a todos los actores en el proceso enseñanza-aprendizaje. Con las medidas de bioseguridad y distanciamiento social, obligaron a migrar de clases presenciales a clases virtuales, provocando procesos de adaptabilidad, reinvención y flexibilidad en plataformas tecnológicas, donde los docentes y estudiantes cumplen las actividades académicas necesarias para continuar con la formación de nuevos profesionales.
Modelos Predictivos de Rendimiento Académico Universitario Mediante Aprendizaje Automático
(2024) Diego Parraga Menchaca
Este artículo científico aborda la temática de la predicción del rendimiento académico universitario mediante el uso de técnicas de aprendizaje automático. Comienza con una revisión exhaustiva de la literatura, que abarca desde modelos estadísticos tradicionales hasta enfoques más recientes basados en aprendizaje automático. Se destacan estudios relevantes que han explorado diversos factores predictivos y algoritmos utilizados en este campo de investigación. La metodología detallada describe los datos utilizados, el preprocesamiento aplicado y los algoritmos de aprendizaje automático seleccionados, incluyendo regresión logística, árboles de decisión, bosques aleatorios, máquinas de soporte vectorial (SVM), redes neuronales y modelos de ensamblaje. Se enfatiza la importancia de la validación cruzada y la evaluación rigurosa del desempeño de los modelos. Los resultados obtenidos muestran que los modelos de ensamblaje y las redes neuronales lograron los mejores resultados en términos de precisión y capacidad de generalización. Se identificaron características clave, como el GPA, las calificaciones previas y la asistencia a clases, como predictores importantes del rendimiento académico. Las conclusiones resaltan la utilidad práctica de los modelos predictivos desarrollados, así como las limitaciones y áreas de mejora identificadas en este estudio. Se discuten posibles direcciones futuras, como la exploración de modelos específicos para diferentes disciplinas académicas y la mejora de la explicabilidad de los modelos de aprendizaje automático.