Predicción del logro académico en clases espejo: análisis sociodemográfico y pedagógico con minería de datos

Abstract

El objetivo de este estudio fue generar modelos predictivos del logro académico en clases espejo en diferentes niveles utilizando el perfil sociodemográfico y pedagógico de 103 estudiantes y algoritmos de minería de datos. Se siguió un enfoque cuantitativo a partir del modelo CRISP-DM (cross-industry standard process for data mining), abordando fases como la definición de problema; la adquisición, la comprensión y el análisis de los datos; la extracción de características; el modelado; la evaluación del modelo; y el despliegue. Los resultados muestran que el mejor modelo corresponde al algoritmo support vector classifier (SVC), con una precisión del 62 %, una mayor robustez a los cambios y un 0.89 de precisión a la hora de clasificar el logro, lo que representa una reducción de 0.30 con respecto al modelo de regresión logística multinomial (RLOG) y el algoritmo linear discriminant analysis (LDA). La métrica F1 score presenta un balance de 0.64. Se identificaron atributos predictores importantes para determinar el logro académico respecto a la variable demográfica, como la edad, el género, el semestre y si el estudiante vive con sus padres. Asimismo, en la variable pedagógica se destacaron aspectos como los estímulos a la participación, la puntualidad, el trabajo colaborativo, la claridad de las actividades y su retroalimentación, la facilidad de expresión del docente, los recursos para apoyar el aprendizaje y los medios tecnológicos de comunicación. Este estudio propone herramientas informáticas para que las universidades diseñen estrategias de mejora y prevención respecto al desempeño académico, con base en la implementación de la estrategia de internacionalización denominada clase espejo en estudiantes de ingeniería de sistemas de una universidad privada del Huila (Colombia).