Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.unach.edu.ec/handle/51000/15541
Título : | Aplicación del modelo de regresión logística para la predicción de riesgo de bajo rendimiento académico en estudiantes del noveno año de educación general básica de la unidad educativa “Capitán Edmundo Chiriboga”. |
Autor : | Cisneros Barahona, Andres Santiago Bone Salas, Javier Alejandro |
Palabras clave : | regresión logística bajo rendimiento académico modelo predictivo educación general básica métodos cuantitativos |
Fecha de publicación : | 1-jul-2025 |
Editorial : | Riobamba: Universidad Nacional de Chimborazo |
Citación : | Bone, Javier (2025). Aplicación del modelo de regresión logística para la predicción de riesgo de bajo rendimiento académico en estudiantes del noveno año de educación general básica de la unidad educativa “Capitán Edmundo Chiriboga”. (Tesis de posgrado). Universidad Nacional de Chimborazo. Riobamba, Ecuador. |
Resumen : | En el presente trabajo de titulación, titulado “Aplicación del modelo de regresión logística para la predicción de riesgo de bajo rendimiento académico en estudiantes del noveno año de educación general básica de la Unidad Educativa Capitán Edmundo Chiriboga”, se desarrolló un modelo matemático con el fin de anticipar qué estudiantes podrían presentar un bajo rendimiento académico. Para poder llevarlo a cabo, se tomaron en cuentas variables como el estrés académico, la motivación académica y los hábitos de estudio. Con base en los resultados obtenidos, se puedo evidenciar que el estrés académico tiene un fuerte impacto positivo en el bajo rendimiento académico de los estudiantes, mientras que la motivación académica y los hábitos de estudios demostraron tener un impacto negativo, es decir, que mientras más motivado esté un estudiante y practique mejores hábitos de estudio, el riesgo de bajo rendimiento académico disminuye. Los resultados del modelo demuestran que todos estos factores son significativos, lo cual lo importante que son los aspectos socioemocionales en el aprendizaje. Al validar el modelo, se obtuvo un muy buen nivel de precisión. La curva ROC mostró un área bajo la curva importante, lo que indica que el modelo tiene una muy buena capacidad predictiva. Además, la matriz de confusión mostró una alta tasa de aciertos en aquellos estudiantes que están en riesgo de padecer un bajo rendimiento académico (98,3% de verdaderos positivos), lo que confirma que el modelo sí puede ser utilizado como una herramienta predictora. El análisis de los datos se realizó utilizando R Studio, ya que, gracias a sus herramientas dedicadas al procesamiento de datos, el modelo matemático fue diseñado con facilidad. |
Descripción : | The current research, titled “Application of the Logistic Regression Model for Predicting the Risk of Low Academic Performance Among Ninth-Grade Students at Unidad Educativa Capitán Edmundo Chiriboga,” presents the development of a mathematical model aimed at identifying students at risk of low academic performance. The model incorporates key predictive variables, including academic stress, academic motivation, and study habits. The analysis revealed that academic stress has a strong positive correlation with low academic performance, whereas academic motivation and effective study habits are associated with a reduced risk. These findings highlight the significant influence of socioemotional factors on student learning outcomes. Model validation demonstrated high predictive accuracy. The Receiver Operating. Characteristic (ROC) curve indicated a substantial area under the curve, confirming the model’s strong predictive capacity. Furthermore, the confusion matrix yielded a true positive rate of 98.3% for identifying students at risk, supporting the model’s practical applicability as a diagnostic tool. Data processing and model construction were carried out using R Studio, which facilitated efficient statistical análisis and model implementation through its robust data science capabilities. |
URI : | http://dspace.unach.edu.ec/handle/51000/15541 |
ISSN : | UNACH-DP-MAT-COP |
Aparece en las colecciones: | Magíster en matemática aplicada con mención en Matemática Computacional |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Bone, Javier (2025). Aplicación del modelo de regresión logística para la predicción de riesgo de bajo....pdf | 2,12 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.