ColombiaColombia
Detalle
ISBN 978-958-787-516-4

Machine Learning aplicado al rendimiento académico en educación superior: factores, variables y herramientas

Autores:Contreras Bravo, Leonardo Emiro
Tarazona Bermúdez, Giovanny Mauricio
Alemán Cardona, Angie Paola
Ruiz Vanegas, Jhonatan Estiven
Hernández Arcila, Brandon Herney
Garzón Trujillo, Daniela
Sánchez Gómez, Oscar Eduardo
Ángel Cifuentes, Marisol
Editorial:Universidad Distrital Francisco José de Caldas
Materia:629 - Otras ramas de la Ingeniería
Clasificación Thema::JNM - Educación superior y continua, educación terciaria
UMB - Algoritmos y estructuras de datos
Público objetivo:Profesional / académico
Colección:Espacios
Disponibilidad:Disponible
Estatus en catálogo:Próxima aparición
Publicado:2023-04-25
Número de edición:1
Número de páginas:320
Tamaño:17x24cm.
Precio:$50.000
Encuadernación:Tapa blanda o bolsillo
Soporte:Impreso
Idioma:Español / Castellano
Libros relacionados
El valor y el precio de la propiedad rural. Aproximación a la tasación de tierras, cultivos y predios de interés ambiental - Lozano Botache, Ricardo; Gómez Navarro, Angélica Fernanda
Introducción a la medición del trabajo: Un enfoque estadístico - Verbel Castellar, Aníbal José
Investigación de operaciones - Rivas Trujillo, Edwin; Acosta López, Alberto; Salcedo Parra, Octavio José
Perspectivas de la investigación: Tendencias y avances en ingeniería - Henao García, Santiago; Salazar Urrego, Isabella; Jiménez Ramos, Luisa María; Henao Villa, Silvia Marcela; Vergara Humánez, Neider Xavier; Montero Cardona, Katherine Alexandra; Delgado Gamboa, Johann Rene; Aguirre Cardona, Diego Andrés; Aguirre Cuervo, Jhon Edward; Giraldo Builes, Jim; Ruiz Moreno, Silvana; Monsalve Fonnegra, Gisela Patricia; Gonzalez Giraldo, Juliana; Gutierrez Monsalve, Jaime Andres; Rivera López, Santiago; González Sánchez, Cindy Yurany; Gómez Arias, Daniel Mateo; Montes Rubiano, Juan Diego; Silva Dominguez, María Víctoria; Forero Mesa, María Francisca; Usuga Rueda, Robinson Marín; Castrillón Osorio, Luis Reinel; Garzón Agudelo, Diego; Castaño Valencia, Keren Stephany; Ayala Marín, David Camilo; Arbeláez Quintero, Juan Andres; Cano Castañeda, Juan Gabriel; Alzate Durango, Kelly Julieth; Vélez Jaramillo, Sebastián; Pinilla Bedoya, Juan Fernando; Arango Toro, Julián; Aguirre Álvarez, Yenny Alejandra; Monsalve Jaramillo, Alonso; Núñez Jaramillo, Juan Camilo; Alcaraz Durango, José; Bajaña Díaz, Cristian; Yepes Díaz, Mateo; Hurtado Gonzalez, Cristian Camilo; Gaviria Rendón, Angel Daniel; Giraldo Viana, Jhonatan; Barrientos Hoyos, Jesús Antonio; Londoño Vahos, Manuela; Areiza Ramirez, Valeria; Abadía Palomeque, Yarling Yulieth; Hernández Alzate, Laura; Nieto Callejas, Maria Julia; Sabas Duque, Daniela; Cervera Hincapié, Nicolás; Arrubla Valencia, Leslie Milena; Acevedo Osorio, Gabriel Stevens; Ochoa Rojas, Andrés Arbey; Meneses Benavides, Gustavo; Márquez Fernández, Carlos A.; Arteaga Ruiz, John; Agudelo Yepes, Wilmar Alejandro; Ramírez Suárez, Duban Ferney; Córdoba Cano, Cristian; Quiroga Peláez, Luis Fernando; Tabares Gómez, Dayan Cristina; Peñaranda Diaz, Mateo; González Pérez, María Eugenia; Pinzón Hernández, Oscar; Amaya Arroyave, Jhon Fredy; Yepes Bolivar, Jhonatan; Múnera Gómez, Mauricio; Cortez O, Eder Arley; Villalba Giraldo, Andres Mauricio; Narváez Restrepo, Carlos Adrián; Santos Alvarez, Edwin Javier; Valencia Enríquez, Diego; Muñoz-Martínez, José Daniel; Jurado-Zambrano, Oscar Ricardo; Quiroga-Peláez, Luis Fernando; Villa Agudelo, Camilo; Florez Ospina, Julian Andrés; Vanegas, José Fernando; Flórez Layos, Alexander
Perspectivas de la investigación: Tendencias y avances en ingeniería - Henao García, Santiago; Salazar Urrego, Isabella; Jiménez Ramos, Luisa María; Henao Villa, Silvia Marcela; Vergara Humánez, Neider Xavier; Montero Cardona, Katherine Alexandra; Delgado Gamboa, Johann Rene; Aguirre Cardona, Diego Andrés; Aguirre Cuervo, Jhon Edward; Giraldo Builes, Jim; Ruiz Moreno, Silvana; Monsalve Fonnegra, Gisela Patricia; Gonzalez Giraldo, Juliana; Gutierrez Monsalve, Jaime Andres; Rivera López, Santiago; González Sánchez, Cindy Yurany; Gómez Arias, Daniel Mateo; Montes Rubiano, Juan Diego; Silva Dominguez, María Víctoria; Forero Mesa, María Francisca; Usuga Rueda, Robinson Marín; Castrillón Osorio, Luis Reinel; Garzón Agudelo, Diego; Castaño Valencia, Keren Stephany; Ayala Marín, David Camilo; Arbeláez Quintero, Juan Andres; Cano Castañeda, Juan Gabriel; Alzate Durango, Kelly Julieth; Vélez Jaramillo, Sebastián; Pinilla Bedoya, Juan Fernando; Arango Toro, Julián; Aguirre Álvarez, Yenny Alejandra; Monsalve Jaramillo, Alonso; Núñez Jaramillo, Juan Camilo; Alcaraz Durango, José; Bajaña Díaz, Cristian; Yepes Díaz, Mateo; Hurtado Gonzalez, Cristian Camilo; Gaviria Rendón, Angel Daniel; Giraldo Viana, Jhonatan; Barrientos Hoyos, Jesús Antonio; Londoño Vahos, Manuela; Areiza Ramirez, Valeria; Abadía Palomeque, Yarling Yulieth; Hernández Alzate, Laura; Nieto Callejas, Maria Julia; Sabas Duque, Daniela; Cervera Hincapié, Nicolás; Arrubla Valencia, Leslie Milena; Acevedo Osorio, Gabriel Stevens; Ochoa Rojas, Andrés Arbey; Meneses Benavides, Gustavo; Márquez Fernández, Carlos A.; Arteaga Ruiz, John; Agudelo Yepes, Wilmar Alejandro; Ramírez Suárez, Duban Ferney; Córdoba Cano, Cristian; Quiroga Peláez, Luis Fernando; Tabares Gómez, Dayan Cristina; Peñaranda Diaz, Mateo; González Pérez, María Eugenia; Pinzón Hernández, Oscar; Amaya Arroyave, Jhon Fredy; Yepes Bolivar, Jhonatan; Múnera Gómez, Mauricio; Cortez O, Eder Arley; Villalba Giraldo, Andres Mauricio; Narváez Restrepo, Carlos Adrián; Santos Alvarez, Edwin Javier; Valencia-Enríquez, Diego; Muñoz-Martínez, José Daniel; Jurado-Zambrano, Oscar Ricardo; Quiroga-Peláez, Luis Fernando; Villa Agudelo, Camilo; Florez Ospina, Julian Andrés; Vanegas, José Fernando; Flórez Layos, Alexander

Reseña

Las herramientas de aprendizaje automático están siendo muy utilizadas, puesto que brindan 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 a nivel superior a partir de modelos realizados con técnicas de aprendizaje automático. Se plantea una clasificación en términos de factores académicos, sociodemográficos, de aprendizaje en línea, de gestión académica, psicosocial y de entorno académico. Así como también se identifican cuáles han sido los algoritmos más usados en la búsqueda de su predicción. Adicionalmente, la detección de las variables que más influyen en este fenómeno permitirá la implementación de otros algoritmos de Machine Learning pertenecientes a otras ramas dentro de este campo. Así pues, este trabajo, al ahondar un poco más sobre la aplicación de herramientas de Machine Learning en educación superior, servirá a docentes e investigadores que deseen investigar en temas del campo educativo.

Contáctenos:

Cámara del Libro. Calle 35 No.5A-05 / Tel. (57) 6017441231