Técnicas de machine learning para la predicción del rendimiento académico en las pruebas saber pro en Colombia.

Abstract

Este estudio emplea técnicas de machine learning, que incluyen regresión lineal, regresión logística y árbol de decisión, para predecir el rendimiento académico en Colombia para las evaluaciones Sabre Pro-periodo 2022. Las pruebas denominadas Sabre Pro son esenciales para evaluar el rendimiento de los estudiantes de pregrado del país. Sin embargo, debido a que muchos factores, como la escolaridad previa, el entorno socioeconómico y los rasgos personales, influyen en este desempeño, predecirlo con precisión es difícil. El proyecto plantea preocupaciones de como determinar variables importantes, recopilar y analizar datos pertinentes y seleccionar algoritmos apropiados. Los modelos de predicción se crean utilizando árbol de decisión, regresión logística y regresión lineal. El objetivo del estudio es identificar cuál de estos algoritmos es más preciso a la hora de pronosticar el rendimiento académico de los estudiantes en los exámenes Sabre Pro. Este asunto es importante porque tiene el potencial de mejorar la educación superior colombiana al permitir que las instituciones identifiquen a los estudiantes con falencias para prestarles una mayor asistencia y desarrollen programas personalizados. Los resultados de la investigación pueden ayudar al gobierno colombiano y a los sectores educativos a desarrollar aplicaciones valiosas y así poder ser más selectivo a la hora de tomar decisiones.