Sistema de análisis de estudiantes SIATECH: Un enfoque integrado de análisis descriptivo, correlacional, multivariante y predictivo
DOI:
https://doi.org/10.37431/conectividad.v6i2.303Palabras clave:
Aprendizaje automático, Predicción, Rendimiento académico, Satisfacción estudiantil, Educación, DocenciaResumen
El estudio SIATECH aborda la necesidad de evaluar y mejorar la satisfacción y el rendimiento académico en la educación mediante la implementación de técnicas estadísticas avanzadas y de aprendizaje automático. Utilizando el modelo de análisis de importancia-desempeño (IPA) como base, el estudio tiene como objetivo desarrollar un sistema de análisis de estudiantes para realizar análisis descriptivos, correlacionales, multivariantes y predictivos, proporcionando así una herramienta integral para mejorar los procesos educativos. Este enfoque predictivo ofrece la posibilidad de personalizar intervenciones educativas, mejorando así los resultados académicos individuales, lo que proporciona a los instructores una comprensión clara de las expectativas estudiantiles y les permite ajustar sus métodos de enseñanza para mejorar el aprendizaje. Sin embargo, desde un punto de vista del conocimiento técnico estadístico, la falta de formación en análisis de datos entre algunos docentes puede limitar la capacidad de interpretar y utilizar eficazmente la información obtenida, subrayando la necesidad de integrar la capacitación estadística en los programas de formación docente, no obstante, SIATECH concibe una plataforma dinámica y de muy sencillo uso e interpretación. En síntesis, SIATECH demuestra ser una herramienta valiosa para mejorar las prácticas educativas, enfatizando la importancia de un enfoque basado en datos en la toma de decisiones educativas.
Citas
Arteaga, P., Batanero, C., & Gea, M. (2017). La componente mediacional del conocimiento didáctico-matemático de futuros profesores sobre Estadística: Un estudio de evaluación exploratorio. 1, 54-75. https://doi.org/10.24116/EMD25266136V1N12017A03
Bhumika Banswal, A. (2023). Analysing and Predicting Student's Performance Using their Surrounding Data. 2023 14th International Conference on Computing Communication and Networking Technologies (ICCCNT), 1-7. https://doi.org/10.1109/ICCCNT56998.2023.10307525
Carrasquilla-Batista, A., Chacón-Rodríguez, A., Núñez-Montero, K., Gómez-Espinoza, O., Valverde, J., Guerrero-Barrantes, M., Carrasquilla-Batista, A., Chacón-Rodríguez, A., Núñez-Montero, K., Gómez-Espinoza, O., Valverde, J., & Guerrero-Barrantes, M. (2016). Regresión lineal simple y múltiple: Aplicación en la predicción de variables naturales relacionadas con el crecimiento microalgal. Revista Tecnología en Marcha, 29, 33-45. https://doi.org/10.18845/tm.v29i8.2983
Chen, Y. C. (2017). Applying importance-performance analysis to assess student employability in Taiwan. Journal of Applied Research in Higher Education, 10, 76-86. https://doi.org/10.1108/JARHE-10-2017-0118
Cladera, M. (2020). An application of importance-performance analysis to students' evaluation of teaching. Educational Assessment, Evaluation and Accountability, 33, 701-715. https://doi.org/10.1007/s11092-020-09338-4
Cosentino, V., Luis, J., & Cabot, J. (2016). Findings from GitHub: Methods, datasets and limitations. Proceedings of the 13th International Conference on Mining Software Repositories, 137-141. https://doi.org/10.1145/2901739.2901776
Fernández, A., García García, J. I., Arredondo, E. H., & López Calvario, C. (2019). Comprensión de una tabla y un gráfico de barras por estudiantes universitarios. Areté: Revista Digital del Doctorado en Educación de la Universidad Central de Venezuela, 5(10), 145-162.
Flores, J., & Flores, R. (2018). La Enseñanza del Diagrama de Caja y Bigotes para Mejorar su Interpretación. Revista Bases de la Ciencia, 3(1), Article 1. https://doi.org/10.33936/rev_bas_de_la_ciencia.v3i1.1107
Gozá-León, O., Fernández-Águila, M., Rodríguez-Garcel, R. H., Ojito-Magaz, E., Gozá-León, O., Fernández-Águila, M., Rodríguez-Garcel, R. H., & Ojito-Magaz, E. (2020). Aplicación del Análisis de Componentes Principales en el proceso de purificación de un biofármaco. Vaccimonitor, 29(1), 5-13.
Jaramillo, H. A. L., Pinos, C. A. E., Sarango, A. F. H., & Román, H. D. O. (2023). Histograma y distribución normal: Shapiro-Wilk y Kolmogorov Smirnov aplicado en SPSS: Histogram and normal distribution: Shapiro-Wilk and Kolmogorov Smirnov applied in SPSS. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 4(4), Article 4. https://doi.org/10.56712/latam.v4i4.1242
Liu, Q., & Wang, L. (2021). T-Test and ANOVA for data with ceiling and/or floor effects. Behavior Research Methods, 53(1), 264-277. https://doi.org/10.3758/s13428-020-01407-2
Lugo-Armenta, J. G., & Pino-Fan, L. R. (2022). Niveles de Razonamiento Inferencial para el Estadístico t-Student. Bolema: Boletim de Educação Matemática, 35, 1776-1802. https://doi.org/10.1590/1980-4415v35n71a25
Martínez Ortega, R. M., Tuya Pendás, L. C., Martínez Ortega, M., Pérez Abreu, A., & Cánovas, A. M. (2009). EL COEFICIENTE DE CORRELACION DE LOS RANGOS DE SPEARMAN CARACTERIZACION. Revista Habanera de Ciencias Médicas, 8(2), 0-0.
McLeay, F., Robson, A., & Yusoff, M. (2017). New Applications for Importance-Performance Analysis (IPA) in Higher Education: Understanding Student Satisfaction. Journal of Management Development, 36, 780-800. https://doi.org/10.1108/JMD-10-2016-0187
Noronha, A., Nunes, M. F. O., & Ambiel, R. A. M. (2007). Importance and knowledge in psychological assessments: A study with Psychology students. 17, 231-244. https://doi.org/10.1590/S0103-863X2007000200007
Oyedeji, A., Salami, A. M., Folorunsho, O., & Abolade, O. R. (2020). Analysis and Prediction of Student Academic Performance Using Machine Learning. JITCE (Journal of Information Technology and Computer Engineering). https://doi.org/10.25077/jitce.4.01.10-15.2020
Pito, D. U., Moreno, E. C., & Becerra, M. M. (2020). Bodega de datos con alta capacidad de análisis para el desempeño académico de Universidades. 8, 102-118. https://doi.org/10.17081/INVINNO.8.3.4707
Zaborras, R., Martín, C. R., & Castellà, C. O. i. (2020). Análisis del comportamiento informacional de los estudiantes posgraduados de la Facultad de Educación de la Universidad de Barcelona. Revista Interuniversitaria de Formación del Profesorado, 34, 167-186. https://doi.org/10.47553/rifop.v34i2.79612
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Instituto Superior Tecnológico Universitario Rumiñahui
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los originales publicados en la edición electrónica bajo derechos de primera publicación de la revista son del Instituto Superior Tecnológico Universitario Rumiñahui, por ello, es necesario citar la procedencia en cualquier reproducción parcial o total. Todos los contenidos de la revista electrónica se distribuyen bajo una licencia de Creative Commons Reconocimiento-NoComercial-4.0 Internacional.
2.png){kind=logo}
