El Rendimiento Académico de los Estudiantes de la Universidad Nacional del Santa según los Factores Socioeconómicos Determinados Mediante una Red Neuronal Supervisada

• Navarrete Leal, Luzbeth Karin ^[1] ; Morales Marchena, Herón Juan ^[1] ; Alcántara Ramírez, Manuel Abelardo ^[2]
  1. [1] Universidad Nacional del Santa

     Universidad Nacional del Santa

     Chimbote, Perú

     
  2. [2] Universidad Nacional Tecnológica de Lima Sur

     Universidad Nacional Tecnológica de Lima Sur

     Perú

     
• Localización: Ciencia Latina: Revista Multidisciplinar, ISSN-e 2707-2215, ISSN 2707-2207, Vol. 9, Nº. 1, 2025, págs. 7394-7406
• Idioma: español
• Títulos paralelos:
  • Academic Performance of Students of the National University of Santa Cruz according to Socioeconomic Factors Determined by a Supervised Neural Network
• Enlaces
  • Texto completo (pdf)
  • Texto completo
• Resumen
  • español

    La investigación tuvo como objetivo desarrollar una red neuronal supervisada para predecir el rendimiento académico de los estudiantes de la Universidad Nacional del Santa, considerando factores socioeconómicos. Utilizando un enfoque cuantitativo y un diseño no experimental, se analizó la relación entre las variables socioeconómicas y los resultados académicos. Se empleó una red neuronal BackPropagation implementada en la herramienta nntool de MATLAB, con funciones de activación Tansig y el algoritmo de optimización Levenberg-Marquardt. El modelo de la red fue entrenado con el 60% de los datos históricos obtenidos de fichas socioeconómicas, mientras que el 40% restante se utilizó para la evaluación. Los resultados mostraron que el modelo era eficaz, aunque se observó que los errores no eran significativos y podrían reducirse mediante la adición de más capas y neuronas en la red. La investigación concluye que la red neuronal desarrollada es una herramienta útil para predecir el rendimiento académico en función de factores socioeconómicos, destacando la importancia de estos factores en el rendimiento de los estudiantes.

  • English

    The research aimed to develop a supervised neural network to predict the academic performance of students at the Universidad Nacional del Santa, considering socioeconomic factors. Using a quantitative approach and a non-experimental design, the relationship between socioeconomic variables and academic results was analyzed. A BackPropagation neural network implemented in the MATLAB nntool tool was used, with Tansig activation functions and the Levenberg-Marquardt optimization algorithm. The network model was trained with 60% of the historical data obtained from socioeconomic records, while the remaining 40% was used for evaluation. The results showed that the model was effective, although it was observed that the errors were not significant and could be reduced by adding more layers and neurons in the network. The research concludes that the developed neural network is a useful tool to predict academic performance based on socioeconomic factors, highlighting the importance of these factors in student performance.