
Las herramientas de aprendizaje automático están siendo muy utilizadas por sus buenas aproximaciones al predecir el rendimiento académico de los estudiantes.
Se analiza información de la última década con el objetivo de identificar los factores que influyen sobre el rendimiento académico en el nivel superior, a partir de modelos realizados por medio de técnicas de aprendizaje automático. Se plantea una clasificación en factores académicos, sociodemográficos, de aprendizaje en línea, de gestión académica, psicosocial y de entorno académico. También se identifican los algoritmos más usados en su predicción. Adicionalmente, la detección de las variables que más influyen en el fenómeno permitirá implementar algoritmos de Machine Learning pertenecientes a otras ramas de este campo.
Así pues, al ahondar un poco más sobre la aplicación de herramientas de Machine Learning en educación superior, este trabajo servirá a docentes e investigadores que deseen investigar estos temas.
Contenido
Capítulo 1. Contextualización del tema de investigación y su desarrollo
Capítulo 2. Rendimiento académico
Capítulo 3. Machine Learning
Capítulo 4. Aprendizaje no supervisado: factores y variables que influyen en el rendimiento académico
Capítulo 5. Aprendizaje no supervisado: investigación referencial
Capítulo 6. Aprendizaje no supervisado: algoritmos implementados
Capítulo 7. Aprendizaje supervisado: Factores y variables que influyen en el rendimiento académico
Capítulo 8. Aprendizaje supervisado: Investigación referencial
Capítulo 9. Aprendizaje supervisado: Algoritmos implementados
Capítulo 10. Redes Neuronales: factores y variables que influyen en el rendimiento académico
Capítulo 11. Redes neuronales: Investigación referencial
Capítulo 12. Redes neuronales: algoritmos implementados
Capítulo 13. Análisis de software usados/relacionados con Machine Learning aplicado al rendimiento académico en educación superior