Resumen

Este artículo es producto de la investigación "Métodos de conjunto para estimar el rendimiento académico de los estudiantes de educación superior", desarrollada en la Universidad Distrital Francisco José de Caldas en el año 2021, y se enfoca en revisar los trabajos de investigación desarrollados en los últimos cinco años relacionados con la predicción del rendimiento académico utilizando algoritmos de conjunto. El objetivo de la revisión de literatura es identificar los algoritmos más utilizados y las variables más relevantes en la predicción del rendimiento académico. Se llevó a cabo una revisión sistemática de la literatura en diferentes bases de datos académicas (Science Direct, Scopus, SAGE Journals, EBSCO, ResearchGate, Google Scholar), utilizando ecuaciones de búsqueda construidas con palabras clave. Se encontraron 54 artículos relacionados que cumplen con los criterios de inclusión de la revisión. Además, se encontraron beneficios en la aplicación de métodos de conjunto en la predicción del rendimiento académico. Se concluyó que las variables más influyentes en el rendimiento académico corresponden al factor académico. El algoritmo que presenta los mejores resultados y es el más utilizado es Random Forest. El uso de estos algoritmos es una herramienta precisa para predecir el rendimiento académico en cualquier etapa de la vida universitaria, y al mismo tiempo proporciona información para generar estrategias que mejoren los indicadores de deserción y retención académica.

1. INTRODUCCIÓN

El ámbito educativo universitario se enfrenta al reto constante de mantener y mejorar día a día la calidad académica, ya que la sociedad actual así lo requiere. Debido a esto, se plantean estrategias en busca de poder garantizar estándares de calidad adecuados, que redunden en mejorar el rendimiento y la retención de los estudiantes [1].

Es una tarea difícil poder definir las acciones y decisiones adecuadas que maximicen el rendimiento de los estudiantes ya que existen diversos factores que influyen [1] como: factores sociales, económicos, históricos, individuales, macroeconómicos, de política educativa estatal e institucionales, entre otros [2]; es un constructo teórico complejo y multidimensional. Por esta razón, el rendimiento académico ha sido representado de diferentes maneras en los diversos estudios que han abordado el tema, y también requiere de una integración de las diferentes técnicas y metodologías para poder predecirlo [3], [4].

El bajo rendimiento académico suele ir asociado a una elevada tasa de abandono escolar [5].

• Materias:Aprendizaje automático Ciencia de datos Minería de datos Educación
• Subjects:Machine learning Data science Data mining Education
• Palabras claves:Minería de Datos Educativos; Rendimiento Académico; Aprendizaje Automático; Educación; Métodos de Ensamble
• Keywords:Educational Data Mining; Academic Performance; Machine Learning; Education; Ensemble Methods