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...
Guardado en:
| Autores principales: | , , , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2012
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/23739 |
| Aporte de: |
| Sumario: | 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. |
|---|