Las herramientas de aprendizaje automático están siendo muy utilizadas por sus buenas aproximaciones al predecir el rendimiento académico de los estudiantes. Se analiza información de la última década con el objetivo de identificar los factores que influyen sobre el rendimiento académico en el nivel superior, a partir de modelos realizados por medio de técnicas de aprendizaje automático. Se plantea una clasificación en factores académicos, sociodemográficos, de aprendizaje en línea, de gestión académica, psicosocial y de entorno académico. También se identifican los algoritmos más usados en su predicción.Adicionalmente, la detección de las variables que más influyen en el fenómeno permitirá implementar algoritmos de Machine Learning pertenecientes a otras ramas de este campo. Así pues, al ahondar un poco más sobre la aplicación de herramientas de Machine Learning en educación superior, este trabajo servirá a docentes e investigadores que deseen investigar estos temas.

Preguntas frecuentes

Sí, puedes cancelar tu suscripción en cualquier momento desde la pestaña Suscripción en los ajustes de tu cuenta en el sitio web de Perlego. La suscripción seguirá activa hasta que finalice el periodo de facturación actual. Descubre cómo cancelar tu suscripción.

No, los libros no se pueden descargar como archivos externos, como los PDF, para usarlos fuera de Perlego. Sin embargo, puedes descargarlos en la aplicación de Perlego para leerlos sin conexión en el móvil o en una tableta. Obtén más información aquí.

Perlego ofrece dos planes: Essential y Complete

El plan Essential es ideal para los estudiantes y los profesionales a los que les gusta explorar una amplia gama de temas. Accede a la biblioteca Essential, con más de 800 000 títulos de confianza y superventas sobre negocios, crecimiento personal y humanidades. Incluye un tiempo de lectura ilimitado y la voz estándar de «Lectura en voz alta».
Complete: perfecto para los estudiantes avanzados y los investigadores que necesitan un acceso completo sin ningún tipo de restricciones. Accede a más de 1,4 millones de libros sobre cientos de temas, incluidos títulos académicos y especializados. El plan Complete también incluye funciones avanzadas como la lectura en voz alta prémium y el asistente de investigación.

Ambos planes están disponibles con un ciclo de facturación mensual, semestral o anual.

Somos un servicio de suscripción de libros de texto en línea que te permite acceder a toda una biblioteca en línea por menos de lo que cuesta un libro al mes. Con más de un millón de libros sobre más de 1000 categorías, ¡tenemos todo lo que necesitas! Obtén más información aquí.

Busca el símbolo de lectura en voz alta en tu próximo libro para ver si puedes escucharlo. La herramienta de lectura en voz alta lee el texto en voz alta por ti, resaltando el texto a medida que se lee. Puedes pausarla, acelerarla y ralentizarla. Obtén más información aquí.

¡Sí! Puedes usar la aplicación de Perlego en dispositivos iOS o Android para leer cuando y donde quieras, incluso sin conexión. Es ideal para cuando vas de un lado a otro o quieres acceder al contenido sobre la marcha.
Ten en cuenta que no será compatible con los dispositivos que se ejecuten en iOS 13 y Android 7 o en versiones anteriores. Obtén más información sobre cómo usar la aplicación.

Sí, puedes acceder a Machine Learning aplicado al rendimiento académico en educación superior: factores, variables y herramientas de Contreras, Leonardo Emiro,Tarazona Bermúdez, Giovanny Mauricio,Alemán Cardona, Angie Paola en formato PDF o ePUB, así como a otros libros populares de Education y Education Administration. Tenemos más de un millón de libros disponibles en nuestro catálogo para que explores.

Información

Editorial

Editorial Universidad Distrital Francisco José de Caldas. Editorial UD

Año

2023

ISBN de la versión impresa

9789587875164

ISBN del libro electrónico

9789587875188

Categoría

Education

Categoría

Education Administration

Índice

Cubierta
Portadilla
Portada
Créditos
Contenido
Índice de tablas
Índice de figuras
Capítulo 1. Contextualización del tema de investigación y su desarrollo
Capítulo 2. Rendimiento académico
Capítulo 3. Machine Learning
Capítulo 4. Aprendizaje no supervisado: factores y variables que influyen en el rendimiento académico
Capítulo 5. Aprendizaje no supervisado: investigación referencial
Capítulo 6. Aprendizaje no supervisado: algoritmos implementados
Capítulo 7. Aprendizaje supervisado: Factores y variables que influyen en el rendimiento académico
Capítulo 8. Aprendizaje supervisado: Investigación referencial
Capítulo 9. Aprendizaje supervisado: Algoritmos implementados
Capítulo 10. Redes Neuronales: factores y variables que influyen en el rendimiento académico
Capítulo 11. Redes neuronales: Investigación referencial
Capítulo 12. Redes neuronales: algoritmos implementados
Capítulo 13. Análisis de software usados/relacionados con Machine Learning aplicado al rendimiento académico en educación superior
Referencias
Notas al pie
Autores
Contracubierta