Resumen de Predicción del rendimiento académico por medio de técnicas de inteligencia artificial

Omar D. Castrillón Gómez, William A. Sarache Castro, Santiago Ruiz Herrera

• español

  Resumen: El objetivo de este artículo es predecir el rendimiento académico de estudiantes de educación superior, a partir de diversos factores influyentes usando técnicas de inteligencia artificial (clasificadores). El estudio de tales factores, aunque ha sido ampliamente analizado desde enfoques cuantitativos y cualitativos, aun presenta oportunidades de investigación usando herramientas que provee la inteligencia artificial, particularmente en la predicción del rendimiento académico. Con los factores definidos (educacionales, familiares, socioeconómicos, de hábitos y costumbres, entre otros), se diseñó una metodología que permite entrenar un sistema capaz de clasificar a priori a un nuevo estudiante, en una de las cinco categorías predeterminadas de rendimiento académico. Esta clasificación permite a una institución educativa identificar con anticipación estudiantes con problemas potenciales de rendimiento académico. A partir de ello, se pueden desplegar acciones de acompañamiento y mitigación inmediatas. La metodología fue aplicada a una muestra de estudiantes de una universidad pública en Colombia, obteniendo un nivel de aciertos del 91.7%.

• English

  Abstract: The aim of this article is to predict the academic performance of higher education students, considering several influential factors, applying artificial intelligence techniques (classifiers). Although such factors have been widely analyzed from quantitative and qualitative approaches, they still represent research opportunities using artificial intelligence tools, particularly in academic performance prediction. With the definition of influential factors (educational, family background, social and economics, habits and customs, among others), a methodology was designed to train a system able to a priori classify a new student, in one of the five categories of academic performance. This classification allows an educational institution to have an early identification of students with potential academic performance problems. From this knowledge the institution can deploy immediate mitigation action. The methodology was applied to a sample of students from a public university in Colombia, obtaining a success level of 91.7%.