Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?

Autores
Musso, Mariel Fernanda; Cascallar, Eduardo
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Modelos predictivos tales como Redes Neuronales Artificiales (RNA) han sido muy utilizados en campos como la ingeniería, meteorología, oceanografía y economía. Resulta un método muy útil para reconocer patrones entre los datos y clasificar futuros resultados. Sin embargo, su estudio y aplicaciones en el ámbito educacional son muy recientes. Estos sistemas simples de proceso interconectados que, operando de forma paralela en varios estilos, consiguen resolver problemas relacionados con diversas aplicaciones: reconocimiento de formas o patrones, predicción, codificación, control y optimización. Las RNA procesan datos a través de entidades de procesamiento múltiples que aprenden y se adaptan acorde a los patrones de las variables de entrada que se le presenta, construyendo una relación matemática para un cierto patrón específico de datos sobre la base de la coincidencia de esas variables con los resultados de salida para cada caso. Objetivo. Comparar el poder predictivo del método de RNA con otros métodos de predicción clásicos (análisis discriminante, regresión múltiple y regresión logística), en su uso para predecir el rendimiento matemático, al considerar variables de tipo cognitivo, de autoregulación, estrategias de aprendizaje y sociodemográficas.
Fil: Musso, Mariel Fernanda. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Centro Interdisciplinario de Investigaciones en Psicología Matemática y Experimental "Dr. Horacio J. A. Rimoldi". Grupo Vinculado CIIPME - Entre Ríos - Centro Interdisciplinario de Investigaciones en Psicología Matemática y Experimental "Dr. Horacio J. A. Rimoldi"; Argentina. Universidad Argentina de la Empresa; Argentina
Fil: Cascallar, Eduardo. Katholikie Universiteit Leuven; Bélgica
XV Reunión Nacional y IV Encuentro Internacional de la Asociación Argentina de Ciencias del Comportamiento
San Miguel de Tucumán
Argentina
Asociación Argentina de Ciencias del Comportamiento
Materia
Redes neuronales artificiales
Predicción
Desempeño matemático
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/274128
Acceder
id CONICETDig_eb67f515001c0fedd1ca9749423abca4
oai_identifier_str oai:ri.conicet.gov.ar:11336/274128
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?Musso, Mariel FernandaCascallar, EduardoRedes neuronales artificialesPredicciónDesempeño matemáticohttps://purl.org/becyt/ford/5.1https://purl.org/becyt/ford/5Modelos predictivos tales como Redes Neuronales Artificiales (RNA) han sido muy utilizados en campos como la ingeniería, meteorología, oceanografía y economía. Resulta un método muy útil para reconocer patrones entre los datos y clasificar futuros resultados. Sin embargo, su estudio y aplicaciones en el ámbito educacional son muy recientes. Estos sistemas simples de proceso interconectados que, operando de forma paralela en varios estilos, consiguen resolver problemas relacionados con diversas aplicaciones: reconocimiento de formas o patrones, predicción, codificación, control y optimización. Las RNA procesan datos a través de entidades de procesamiento múltiples que aprenden y se adaptan acorde a los patrones de las variables de entrada que se le presenta, construyendo una relación matemática para un cierto patrón específico de datos sobre la base de la coincidencia de esas variables con los resultados de salida para cada caso. Objetivo. Comparar el poder predictivo del método de RNA con otros métodos de predicción clásicos (análisis discriminante, regresión múltiple y regresión logística), en su uso para predecir el rendimiento matemático, al considerar variables de tipo cognitivo, de autoregulación, estrategias de aprendizaje y sociodemográficas.Fil: Musso, Mariel Fernanda. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Centro Interdisciplinario de Investigaciones en Psicología Matemática y Experimental "Dr. Horacio J. A. Rimoldi". Grupo Vinculado CIIPME - Entre Ríos - Centro Interdisciplinario de Investigaciones en Psicología Matemática y Experimental "Dr. Horacio J. A. Rimoldi"; Argentina. Universidad Argentina de la Empresa; ArgentinaFil: Cascallar, Eduardo. Katholikie Universiteit Leuven; BélgicaXV Reunión Nacional y IV Encuentro Internacional de la Asociación Argentina de Ciencias del ComportamientoSan Miguel de TucumánArgentinaAsociación Argentina de Ciencias del ComportamientoAsociación Argentina de Ciencias del Comportamiento; Universidad Nacional de Córdoba. Facultad de Psicología2016info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectReuniónJournalhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/274128Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?; XV Reunión Nacional y IV Encuentro Internacional de la Asociación Argentina de Ciencias del Comportamiento; San Miguel de Tucumán; Argentina; 2015; 97-981852-4206CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unc.edu.ar/index.php/racc/article/view/14961info:eu-repo/semantics/altIdentifier/url/https://revistas.unc.edu.ar/index.php/racc/article/view/14961/AACC_CLinfo:eu-repo/semantics/altIdentifier/doi/10.32348/1852.4206.v0.n0.14961Internacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-11-26T08:48:57Zoai:ri.conicet.gov.ar:11336/274128instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-11-26 08:48:58.193CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?
title Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?
spellingShingle Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?
Musso, Mariel Fernanda
Redes neuronales artificiales
Predicción
Desempeño matemático
title_short Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?
title_full Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?
title_fullStr Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?
title_full_unstemmed Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?
title_sort Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?
dc.creator.none.fl_str_mv Musso, Mariel Fernanda
Cascallar, Eduardo
author Musso, Mariel Fernanda
author_facet Musso, Mariel Fernanda
Cascallar, Eduardo
author_role author
author2 Cascallar, Eduardo
author2_role author
dc.subject.none.fl_str_mv Redes neuronales artificiales
Predicción
Desempeño matemático
topic Redes neuronales artificiales
Predicción
Desempeño matemático
purl_subject.fl_str_mv https://purl.org/becyt/ford/5.1
https://purl.org/becyt/ford/5
dc.description.none.fl_txt_mv Modelos predictivos tales como Redes Neuronales Artificiales (RNA) han sido muy utilizados en campos como la ingeniería, meteorología, oceanografía y economía. Resulta un método muy útil para reconocer patrones entre los datos y clasificar futuros resultados. Sin embargo, su estudio y aplicaciones en el ámbito educacional son muy recientes. Estos sistemas simples de proceso interconectados que, operando de forma paralela en varios estilos, consiguen resolver problemas relacionados con diversas aplicaciones: reconocimiento de formas o patrones, predicción, codificación, control y optimización. Las RNA procesan datos a través de entidades de procesamiento múltiples que aprenden y se adaptan acorde a los patrones de las variables de entrada que se le presenta, construyendo una relación matemática para un cierto patrón específico de datos sobre la base de la coincidencia de esas variables con los resultados de salida para cada caso. Objetivo. Comparar el poder predictivo del método de RNA con otros métodos de predicción clásicos (análisis discriminante, regresión múltiple y regresión logística), en su uso para predecir el rendimiento matemático, al considerar variables de tipo cognitivo, de autoregulación, estrategias de aprendizaje y sociodemográficas.
Fil: Musso, Mariel Fernanda. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Centro Interdisciplinario de Investigaciones en Psicología Matemática y Experimental "Dr. Horacio J. A. Rimoldi". Grupo Vinculado CIIPME - Entre Ríos - Centro Interdisciplinario de Investigaciones en Psicología Matemática y Experimental "Dr. Horacio J. A. Rimoldi"; Argentina. Universidad Argentina de la Empresa; Argentina
Fil: Cascallar, Eduardo. Katholikie Universiteit Leuven; Bélgica
XV Reunión Nacional y IV Encuentro Internacional de la Asociación Argentina de Ciencias del Comportamiento
San Miguel de Tucumán
Argentina
Asociación Argentina de Ciencias del Comportamiento
description Modelos predictivos tales como Redes Neuronales Artificiales (RNA) han sido muy utilizados en campos como la ingeniería, meteorología, oceanografía y economía. Resulta un método muy útil para reconocer patrones entre los datos y clasificar futuros resultados. Sin embargo, su estudio y aplicaciones en el ámbito educacional son muy recientes. Estos sistemas simples de proceso interconectados que, operando de forma paralela en varios estilos, consiguen resolver problemas relacionados con diversas aplicaciones: reconocimiento de formas o patrones, predicción, codificación, control y optimización. Las RNA procesan datos a través de entidades de procesamiento múltiples que aprenden y se adaptan acorde a los patrones de las variables de entrada que se le presenta, construyendo una relación matemática para un cierto patrón específico de datos sobre la base de la coincidencia de esas variables con los resultados de salida para cada caso. Objetivo. Comparar el poder predictivo del método de RNA con otros métodos de predicción clásicos (análisis discriminante, regresión múltiple y regresión logística), en su uso para predecir el rendimiento matemático, al considerar variables de tipo cognitivo, de autoregulación, estrategias de aprendizaje y sociodemográficas.
publishDate 2016
dc.date.none.fl_str_mv 2016
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/conferenceObject
Reunión
Journal
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
status_str publishedVersion
format conferenceObject
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/274128
Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?; XV Reunión Nacional y IV Encuentro Internacional de la Asociación Argentina de Ciencias del Comportamiento; San Miguel de Tucumán; Argentina; 2015; 97-98
1852-4206
CONICET Digital
CONICET
url http://hdl.handle.net/11336/274128
identifier_str_mv Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?; XV Reunión Nacional y IV Encuentro Internacional de la Asociación Argentina de Ciencias del Comportamiento; San Miguel de Tucumán; Argentina; 2015; 97-98
1852-4206
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unc.edu.ar/index.php/racc/article/view/14961
info:eu-repo/semantics/altIdentifier/url/https://revistas.unc.edu.ar/index.php/racc/article/view/14961/AACC_CL
info:eu-repo/semantics/altIdentifier/doi/10.32348/1852.4206.v0.n0.14961
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
dc.coverage.none.fl_str_mv Internacional
dc.publisher.none.fl_str_mv Asociación Argentina de Ciencias del Comportamiento; Universidad Nacional de Córdoba. Facultad de Psicología
publisher.none.fl_str_mv Asociación Argentina de Ciencias del Comportamiento; Universidad Nacional de Córdoba. Facultad de Psicología
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1849872697453969408
score 13.011256

Publicaciones similares