| dc.contributor.advisor | Ospino Portillo, Jorge Eiecer | |
| dc.coverage.spatial | cead_-_josé_celestino_mutis | |
| dc.creator | Pérez Suárez, Lilia Ester | |
| dc.creator | López Calvachi, Sergio Antonio | |
| dc.date.accessioned | 2025-07-16T21:08:04Z | |
| dc.date.available | 2025-07-16T21:08:04Z | |
| dc.date.created | 2025-07-01 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/70767 | |
| dc.description.abstract | Este proyecto de investigación busca desarrollar un modelo predictivo para los puntajes de admisión a los programas de pregrado de la Facultad de Ciencias de la Universidad Industrial de Santander (UIS) utilizando algoritmos de aprendizaje automático. Esta investigación surge de la necesidad de abordar la falta de orientación vocacional e información para la toma de decisiones académicas entre los estudiantes de último año de bachillerato. Mediante la integración de datos demográficos y académicos, el modelo de machine learning (ML) desarrollado proporcionará una herramienta que ayudará a los estudiantes a tomar decisiones informadas sobre sus futuras trayectorias académicas. Este enfoque innovador no solo mejorará la orientación académica, sino que también contribuirá a la satisfacción y éxito profesional de los estudiantes. Los resultados esperados incluyen un modelo de aprendizaje automático para la predicción de los puntajes de admisión en programas de Ciencias de la Universidad Industrial de Santander. | |
| dc.format | pdf | |
| dc.title | Predicción de puntajes de admisión en programas de Ciencias de la Universidad Industrial de Santander | |
| dc.type | Proyecto aplicado | |
| dc.subject.keywords | Predicción | |
| dc.subject.keywords | UIS | |
| dc.subject.keywords | ICFES | |
| dc.subject.keywords | Saber11 | |
| dc.subject.keywords | Aprendizaje | |
| dc.description.abstractenglish | This research project aims to develop a predictive model for admission scores to the undergraduate programs of the Faculty of Sciences at the Universidad Industrial de Santander (UIS) using machine learning algorithms. This investigation is motivated by the lack of vocational guidance and adequate information for academic decision-making among final-year high school students. By integrating demographic and academic data, the developed machine learning (ML) model will provide a tool to help students make informed decisions about their future academic paths. This innovative approach will not only enhance academic guidance but also contribute to students' professional satisfaction and success. Expected outcomes include a machine learning model for the prediction of admission scores in Science programs at the Universidad Industrial de Santander. | |
| dc.subject.category | Investigación | |