Servicios Personalizados
Revista
Articulo
Indicadores
Citado por SciELO
Accesos
Links relacionados
Similares en
SciELO
Compartir
RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo
versión On-line ISSN 2007-7467
Resumen
RICO PAEZ, Andrés y GAYTAN RAMIREZ, Nora Diana. Ejercicios escolares para la predicción del rendimiento académico de estudiantes universitarios con técnicas de aprendizaje automático combinadas. RIDE. Rev. Iberoam. Investig. Desarro. Educ [online]. 2026, vol.16, n.32, e1041. Epub 30-Abr-2026. ISSN 2007-7467. https://doi.org/10.23913/ride.v16i32.2835.
El propósito de este estudio es proponer una metodología para desarrollar modelos predictivos del rendimiento académico de estudiantes mediante ejercicios académicos realizados en clase y utilizando técnicas de aprendizaje automático combinadas conocidas como técnicas de voto mayoritario y de apilamiento. Se recabaron datos de 250 estudiantes universitarios de México acerca de sus evaluaciones de ejercicios escolares para elaborar los modelos y se obtuvieron métricas de desempeño con validación cruzada. Posteriormente, se aplicaron los modelos construidos a 108 estudiantes de un ciclo posterior del mismo curso y se calcularon sus métricas.
Los resultados obtenidos con validación cruzada muestran que la técnica de apilamiento que tiene en la segunda fase la técnica k vecinos más cercanos tiene una mayor exactitud (69.2%). Cuando se predice el rendimiento académico de 108 estudiantes a partir de los modelos desarrollados, la exactitud más alta se obtiene con la técnica de apilamiento que tiene en la segunda fase la técnica k vecinos más cercanos con un valor de 74.1%. La información obtenida se recopiló en un 17% de avance temporal en el curso facilitando la detección temprana de estudiantes con problemas escolares para que los profesores realicen intervenciones oportunas y mejoraren su desempeño. Es habitual que los profesores recaben las evaluaciones de los ejercicios académicos sin requerir utilizar otras herramientas más complejas de recopilación de información lo que favorece utilizar este tipo de metodologías para construir modelos predictivos.
Palabras llave : técnicas de aprendizaje automático combinadas; apilamiento; voto mayoritario; modelos predictivos; educación superior.












