Modelos de redes neuronales perceptrón multicapa y de base radial para la predicción del rendimiento académico de alumnos universitarios

Autores
Longoni, María G.; Porcel, Eduardo; López, María Victoria; Dapozo, Gladys N.
Año de publicación
2010
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este trabajo se analiza la relación del rendimiento académico de los alumnos ingresantes a la FACENA – UNNE en Corrientes, Argentina, durante el primer año de carrera, con las características socioeducativas de los mismos. El rendimiento fue medido por la aprobación de los exámenes parciales de las asignaturas del primer cuatrimestre del primer año de estudios. Se ajustaron modelos de redes neuronales de tipo Perceptrón Multicapa (PM) y de Base Radial (FBR) a dos conjuntos de datos: a) alumnos ingresantes a las carreras cuyos planes de estudios incluyen dos asignaturas en el primer cuatrimestre del primer año, obteniéndose porcentajes de clasificación correcta total de 78,2 % ,y 70,7 % respectivamente; b) alumnos ingresantes a carreras cuyos planes de estudios incluyen tres asignaturas en el primer cuatrimestre del primer año, obteniéndose porcentajes de clasificación correcta total de 75,7 %, y 68,6 % respectivamente. Los resultados obtenidos contribuyen a orientar las políticas y estrategias institucionales para mejorar los preocupantes índices de desgranamiento, abandono y bajo rendimiento de los estudiantes en el primer año de universidad, de la FACENA-UNNE.
Presentado en el VII Workshop Bases de Datos y Minería de Datos (WBD)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Rendimiento académico
Data mining
Base de Datos
Ingresantes universitarios
Redes neuronales
Perceptrones multicapa
Función de Base Radial
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/19333
Acceder
id SEDICI_516d0c30d67b1e9cc5b6e2e2f902e795
oai_identifier_str oai:sedici.unlp.edu.ar:10915/19333
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Modelos de redes neuronales perceptrón multicapa y de base radial para la predicción del rendimiento académico de alumnos universitariosLongoni, María G.Porcel, EduardoLópez, María VictoriaDapozo, Gladys N.Ciencias InformáticasRendimiento académicoData miningBase de DatosIngresantes universitariosRedes neuronalesPerceptrones multicapaFunción de Base RadialEn este trabajo se analiza la relación del rendimiento académico de los alumnos ingresantes a la FACENA – UNNE en Corrientes, Argentina, durante el primer año de carrera, con las características socioeducativas de los mismos. El rendimiento fue medido por la aprobación de los exámenes parciales de las asignaturas del primer cuatrimestre del primer año de estudios. Se ajustaron modelos de redes neuronales de tipo Perceptrón Multicapa (PM) y de Base Radial (FBR) a dos conjuntos de datos: a) alumnos ingresantes a las carreras cuyos planes de estudios incluyen dos asignaturas en el primer cuatrimestre del primer año, obteniéndose porcentajes de clasificación correcta total de 78,2 % ,y 70,7 % respectivamente; b) alumnos ingresantes a carreras cuyos planes de estudios incluyen tres asignaturas en el primer cuatrimestre del primer año, obteniéndose porcentajes de clasificación correcta total de 75,7 %, y 68,6 % respectivamente. Los resultados obtenidos contribuyen a orientar las políticas y estrategias institucionales para mejorar los preocupantes índices de desgranamiento, abandono y bajo rendimiento de los estudiantes en el primer año de universidad, de la FACENA-UNNE.Presentado en el VII Workshop Bases de Datos y Minería de Datos (WBD)Red de Universidades con Carreras en Informática (RedUNCI)2010-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf692-701http://sedici.unlp.edu.ar/handle/10915/19333spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-9474-49-9info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T10:46:28Zoai:sedici.unlp.edu.ar:10915/19333Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 10:46:28.859SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Modelos de redes neuronales perceptrón multicapa y de base radial para la predicción del rendimiento académico de alumnos universitarios
title Modelos de redes neuronales perceptrón multicapa y de base radial para la predicción del rendimiento académico de alumnos universitarios
spellingShingle Modelos de redes neuronales perceptrón multicapa y de base radial para la predicción del rendimiento académico de alumnos universitarios
Longoni, María G.
Ciencias Informáticas
Rendimiento académico
Data mining
Base de Datos
Ingresantes universitarios
Redes neuronales
Perceptrones multicapa
Función de Base Radial
title_short Modelos de redes neuronales perceptrón multicapa y de base radial para la predicción del rendimiento académico de alumnos universitarios
title_full Modelos de redes neuronales perceptrón multicapa y de base radial para la predicción del rendimiento académico de alumnos universitarios
title_fullStr Modelos de redes neuronales perceptrón multicapa y de base radial para la predicción del rendimiento académico de alumnos universitarios
title_full_unstemmed Modelos de redes neuronales perceptrón multicapa y de base radial para la predicción del rendimiento académico de alumnos universitarios
title_sort Modelos de redes neuronales perceptrón multicapa y de base radial para la predicción del rendimiento académico de alumnos universitarios
dc.creator.none.fl_str_mv Longoni, María G.
Porcel, Eduardo
López, María Victoria
Dapozo, Gladys N.
author Longoni, María G.
author_facet Longoni, María G.
Porcel, Eduardo
López, María Victoria
Dapozo, Gladys N.
author_role author
author2 Porcel, Eduardo
López, María Victoria
Dapozo, Gladys N.
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Rendimiento académico
Data mining
Base de Datos
Ingresantes universitarios
Redes neuronales
Perceptrones multicapa
Función de Base Radial
topic Ciencias Informáticas
Rendimiento académico
Data mining
Base de Datos
Ingresantes universitarios
Redes neuronales
Perceptrones multicapa
Función de Base Radial
dc.description.none.fl_txt_mv En este trabajo se analiza la relación del rendimiento académico de los alumnos ingresantes a la FACENA – UNNE en Corrientes, Argentina, durante el primer año de carrera, con las características socioeducativas de los mismos. El rendimiento fue medido por la aprobación de los exámenes parciales de las asignaturas del primer cuatrimestre del primer año de estudios. Se ajustaron modelos de redes neuronales de tipo Perceptrón Multicapa (PM) y de Base Radial (FBR) a dos conjuntos de datos: a) alumnos ingresantes a las carreras cuyos planes de estudios incluyen dos asignaturas en el primer cuatrimestre del primer año, obteniéndose porcentajes de clasificación correcta total de 78,2 % ,y 70,7 % respectivamente; b) alumnos ingresantes a carreras cuyos planes de estudios incluyen tres asignaturas en el primer cuatrimestre del primer año, obteniéndose porcentajes de clasificación correcta total de 75,7 %, y 68,6 % respectivamente. Los resultados obtenidos contribuyen a orientar las políticas y estrategias institucionales para mejorar los preocupantes índices de desgranamiento, abandono y bajo rendimiento de los estudiantes en el primer año de universidad, de la FACENA-UNNE.
Presentado en el VII Workshop Bases de Datos y Minería de Datos (WBD)
Red de Universidades con Carreras en Informática (RedUNCI)
description En este trabajo se analiza la relación del rendimiento académico de los alumnos ingresantes a la FACENA – UNNE en Corrientes, Argentina, durante el primer año de carrera, con las características socioeducativas de los mismos. El rendimiento fue medido por la aprobación de los exámenes parciales de las asignaturas del primer cuatrimestre del primer año de estudios. Se ajustaron modelos de redes neuronales de tipo Perceptrón Multicapa (PM) y de Base Radial (FBR) a dos conjuntos de datos: a) alumnos ingresantes a las carreras cuyos planes de estudios incluyen dos asignaturas en el primer cuatrimestre del primer año, obteniéndose porcentajes de clasificación correcta total de 78,2 % ,y 70,7 % respectivamente; b) alumnos ingresantes a carreras cuyos planes de estudios incluyen tres asignaturas en el primer cuatrimestre del primer año, obteniéndose porcentajes de clasificación correcta total de 75,7 %, y 68,6 % respectivamente. Los resultados obtenidos contribuyen a orientar las políticas y estrategias institucionales para mejorar los preocupantes índices de desgranamiento, abandono y bajo rendimiento de los estudiantes en el primer año de universidad, de la FACENA-UNNE.
publishDate 2010
dc.date.none.fl_str_mv 2010-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/19333
url http://sedici.unlp.edu.ar/handle/10915/19333
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-9474-49-9
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
692-701
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846063888194338816
score 13.22299

Publicaciones similares