Comparación de modelos predictivos basados en técnicas de machine learning para la clasificación del rendimiento académico en estudiantes de la Universidad Nacional de Moquegua, en el contexto del Covid-19, 2021.

Abstract

Durante la pandemia del COVID-19, la educación superior se vio afectada globalmente, transformándose a un modelo de educación virtual para preservar la salud de los estudiantes. A nivel nacional, muchas universidades enfrentan problemas en cuanto al rendimiento académico de los estudiantes. Este trabajo se enfoca en estudiantes de la Universidad Nacional de Moquegua (UNAM) y utiliza técnicas de Machine Learning para clasificar el rendimiento académico de los estudiantes durante el periodo académico 2020-2021 en dos categorías: bajo rendimiento y alto rendimiento. La investigación se centró en estudiantes matriculados en las carreras de Ingeniería de Sistemas, Ingeniería de Minas, Ingeniería Ambiental, Gestión Pública y Desarrollo Social, Ingeniería Agroindustrial e Ingeniería Pesquera. Se utilizaron herramientas como Excel para el análisis preliminar de datos y Python para el modelado de Machine Learning. La metodología aplicada fue CRISP-DM (Cross-Industry Standard Process for Data Mining), que permitió seguir un proceso estructurado que abarca la comprensión del negocio, los datos, la preparación, el modelado, la evaluación y la implementación. Se construyeron modelos predictivos utilizando diferentes algoritmos de Machine Learning y se aplicaron las métricas, esto para cada escuela profesional por separado ya que durante el proceso del modelado se vio conveniente procesarlo de esa manera para una mayor efectivada, se realiza 5 modelos(KNN, SVM, Ramdom Forest, Regresión Logística y Redes Neuronales) por las 6 carreras profesionales (EPISI, EPIM, EPIAM, EPGPDS, EPIA Y EPIP), y por cada modelo se aplicó 5 métricas (Accuracy, Precision, Recall, F1 Score y matriz de confusión), en total se obtiene 150 resultados de las métricas.

El algoritmo Random Forest resultó ser el más eficiente en los modelos realizados, destacando en todas las métricas evaluadas (Accuracy, Precision, Recall, F1-Score). En comparación con otros modelos, Random Forest mostró una mayor precisión en la clasificación de estudiantes aprobados y desaprobados, y una excelente capacidad para identificar a los estudiantes con bajo rendimiento. Así mismo se determinó las variables con mayor importancia como prom_nota_final y sum_nota, patrones que caracterizan el rendimiento académico del estudiante en base a la clasificación de aprobados y desaprobados. La investigación demostró que Random Forest es el modelo más adecuado para clasificar el rendimiento académico de los estudiantes en la UNAM durante la pandemia del COVID-19. Esta investigación subraya la importancia de aplicar técnicas de Machine Learning para mejorar la comprensión y gestión del rendimiento académico en entornos educativos, especialmente en tiempos de crisis como la pandemia.