Modelo de árboles de decisión para la predicción del desempeño académico de estudiantes de bachillerato
Журнал: Centro de Estudios Superiores del Mayo, A.C. @cessumex
Статья в выпуске: 1 vol.1, 2024 года.
Бесплатный доступ
En este artículo se presentan los resultados de la implementación del algoritmo de “árboles de decisión” para clasificar y predecir factores correlacionados al desempeño académico de los estudiantes del Centro de Estudios de Bachillerato 5/12 del municipio de Navojoa, Sonora en 2022, a partir de la aplicación de una encuesta a 315 estudiantes, de una población de 811 alumnos, utilizando la metodología SEMMA (Sample, Explore, Modify, Model, Asses), el lenguaje de programación Python y algunas de sus librerías especializadas en manejo y análisis de datos. Se obtuvo y transformó el conjunto de datos generado a partir de la encuesta, con lo cual se construyó un modelo de árboles de decisión con el lenguaje de programación “Python” y la librería “Scikit-learn” y a partir del mismo se identificaron los factores asociados al “alto” y “bajo” desempeño académico. De las variables evaluadas, las que más influyen en el desempeño académico en orden de importancia son: el sexo, el grado escolar, las expectativas del estudiante, la escolaridad de los padres o tutores y la supervisión y apoyo en el hogar. Licencia declarada para este artículo: CC BY-NC-SA 4.0 (https://creativecommons.org/licenses/by-nc-sa/4.0/).
Короткий адрес: https://sciup.org/170214012
IDS: 170214012 | DOI: 10.68951/su6g-qd4e
Decision Tree Model for Predicting the Academic Performance of High School Students
This article presents the results of the implementation of the "decision trees" algorithm to classify and predict factors correlated with the academic performance of students from the Bachillerato Study Center 5/12 in the municipality of Navojoa, Sonora in 2022. This was done through a survey of 315 students out of a population of 811, using the SEMMA (Sample, Explore, Modify, Model, Assess) methodology, the Python programming language, and some of its libraries specialized in data handling and analysis. The data set generated from the survey was obtained and transformed, a decision tree model was constructed using the "Python" programming language and the "Scikit-learn" library, and from this model, factors associated with "high" and "low" academic performance were identified. Of the variables evaluated, those that most influence academic performance in order of importance are: gender, school grade, student expectations, parents or guardians' education level, and supervision and support at home.