Resumen de Artificial intelligence to predict university master's program recommendations

Raúl Gómez Martínez, María Luisa Medrano García, Tomás Aznar Sánchez

• español

  La satisfacción de un alumno en un máster puede estar influenciada por factores como la calidad del programa, las oportunidades de aprendizaje, la orientación y apoyo recibido, la infraestructura y recursos disponibles, los resultados y la empleabilidad. En este estudio se han recopilado, a través de una encuesta, las impresiones de alumnos del Máster en Asesoramiento y Planificación Financiera de la Universidad Rey Juan Carlos. Esas respuestas se han utilizado para entrenar diversos modelos de inteligencia artificial con el objetivo de predecir si se recomendara el máster o no. El resultado de la validación retrospectiva ofrece una precisión superior al80% en todos los casos por lo que debemos concluir que la inteligencia artificial es una herramienta válida para este objetivo. Esta investigación contribuye a comprender la eficacia de la inteligencia artificial en predecir recomendaciones de estudiantes para programas de maestría. Destaca el potencial de los modelos de inteligencia artificial para informar mejoras en los programas y optimizar las experiencias estudiantiles, al mismo tiempo que enfatiza la necesidad de metodologías de investigación sólidas y consideraciones de factores de satisfacción estudiantil.

• English

  The satisfaction of a student in a master's program can be influenced by factors such as program quality, learning opportunities, guidance and support received, infrastructure and resources available, outcomes, and employability. In this study, impressions of students from the Master's in Financial Counseling and Planning at Universidad Rey Juan Carlos were collected through a survey. These responses were used to train various artificial intelligence models with the aim of predicting whether the master's program would be recommended. The result of retrospective validation shows an accuracy of over 80% in all cases, leading us to conclude that artificial intelligence is a valid tool for this objective. This investigation contributes to understanding the efficacy of AI in predicting student recommendations for master's programs. It highlights the potential of AI models to inform program enhancements and optimize student experiences, while also emphasizing the need for robust research methodologies and considerations of student satisfaction factors