Redes Neuronales para predecir el rendimiento académico de los alumnos ingresantes a la carrera de Bioquímica de la FACENA-UNNE en función de sus conocimientos matemáticos previos

Este trabajo tiene por objetivo desarrollar modelos de redes neuronales artificiales (RNA) para analizar la incidencia de los conocimientos matemáticos previos de los alumnos ingresantes a la carrera de Bioquímica de la FACENA-UNNE, en su rendimiento académico en el primer cuatrimestre del primer añ...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: López, María Victoria, Ramírez Arballo, M. G., Porcel, Eduardo, Mata, Liliana E., Barreto, Silvia E.
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2012
Materias:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/23739
Aporte de:
id I19-R120-10915-23739
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Redes neuronales
base de datos
Neural nets
Perceptrón multicapa
Data mining
Función de Base Radial
Rendimiento académico
Ingresantes universitarios
Conocimientos matemáticos previos
Multilayer Perceptron
Radial Basis Function
Academic Performance
University freshmen
Previous mathematical knowledge
spellingShingle Ciencias Informáticas
Redes neuronales
base de datos
Neural nets
Perceptrón multicapa
Data mining
Función de Base Radial
Rendimiento académico
Ingresantes universitarios
Conocimientos matemáticos previos
Multilayer Perceptron
Radial Basis Function
Academic Performance
University freshmen
Previous mathematical knowledge
López, María Victoria
Ramírez Arballo, M. G.
Porcel, Eduardo
Mata, Liliana E.
Barreto, Silvia E.
Redes Neuronales para predecir el rendimiento académico de los alumnos ingresantes a la carrera de Bioquímica de la FACENA-UNNE en función de sus conocimientos matemáticos previos
topic_facet Ciencias Informáticas
Redes neuronales
base de datos
Neural nets
Perceptrón multicapa
Data mining
Función de Base Radial
Rendimiento académico
Ingresantes universitarios
Conocimientos matemáticos previos
Multilayer Perceptron
Radial Basis Function
Academic Performance
University freshmen
Previous mathematical knowledge
description Este trabajo tiene por objetivo desarrollar modelos de redes neuronales artificiales (RNA) para analizar la incidencia de los conocimientos matemáticos previos de los alumnos ingresantes a la carrera de Bioquímica de la FACENA-UNNE, en su rendimiento académico en el primer cuatrimestre del primer año. Se analizaron los datos del estado académico de los alumnos y de sus conocimientos matemáticos previos, siendo obtenidos estos últimos a partir de una evaluación diagnóstica, implementada en 2009, al inicio del curso de nivelación ofrecido a los ingresantes. Se diseñaron modelos de RNA de tipo Perceptrón Multicapa (PM) y Función de Base Radial (FBR), considerando como variables independientes el número de ítems correctos en cada contenido del diagnóstico. El rendimiento académico (variable dependiente) se midió en cada modelo con una variable dicotómica que toma el valor 0 ó 1, si el alumno aprobó ó no los exámenes parciales de Algebra y Geometría Analítica, materia del primer cuatrimestre del primer año. Los modelos PM y FBR permitieron obtener porcentajes de clasificación correcta total de 81,3%, y 78,8 % respectivamente, los cuales se consideran satisfactorios.
format Objeto de conferencia
Objeto de conferencia
author López, María Victoria
Ramírez Arballo, M. G.
Porcel, Eduardo
Mata, Liliana E.
Barreto, Silvia E.
author_facet López, María Victoria
Ramírez Arballo, M. G.
Porcel, Eduardo
Mata, Liliana E.
Barreto, Silvia E.
author_sort López, María Victoria
title Redes Neuronales para predecir el rendimiento académico de los alumnos ingresantes a la carrera de Bioquímica de la FACENA-UNNE en función de sus conocimientos matemáticos previos
title_short Redes Neuronales para predecir el rendimiento académico de los alumnos ingresantes a la carrera de Bioquímica de la FACENA-UNNE en función de sus conocimientos matemáticos previos
title_full Redes Neuronales para predecir el rendimiento académico de los alumnos ingresantes a la carrera de Bioquímica de la FACENA-UNNE en función de sus conocimientos matemáticos previos
title_fullStr Redes Neuronales para predecir el rendimiento académico de los alumnos ingresantes a la carrera de Bioquímica de la FACENA-UNNE en función de sus conocimientos matemáticos previos
title_full_unstemmed Redes Neuronales para predecir el rendimiento académico de los alumnos ingresantes a la carrera de Bioquímica de la FACENA-UNNE en función de sus conocimientos matemáticos previos
title_sort redes neuronales para predecir el rendimiento académico de los alumnos ingresantes a la carrera de bioquímica de la facena-unne en función de sus conocimientos matemáticos previos
publishDate 2012
url http://sedici.unlp.edu.ar/handle/10915/23739
work_keys_str_mv AT lopezmariavictoria redesneuronalesparapredecirelrendimientoacademicodelosalumnosingresantesalacarreradebioquimicadelafacenaunneenfunciondesusconocimientosmatematicosprevios
AT ramirezarballomg redesneuronalesparapredecirelrendimientoacademicodelosalumnosingresantesalacarreradebioquimicadelafacenaunneenfunciondesusconocimientosmatematicosprevios
AT porceleduardo redesneuronalesparapredecirelrendimientoacademicodelosalumnosingresantesalacarreradebioquimicadelafacenaunneenfunciondesusconocimientosmatematicosprevios
AT matalilianae redesneuronalesparapredecirelrendimientoacademicodelosalumnosingresantesalacarreradebioquimicadelafacenaunneenfunciondesusconocimientosmatematicosprevios
AT barretosilviae redesneuronalesparapredecirelrendimientoacademicodelosalumnosingresantesalacarreradebioquimicadelafacenaunneenfunciondesusconocimientosmatematicosprevios
bdutipo_str Repositorios
_version_ 1764820466143330305