Machine Learning utilizando el Método Boosting de Ensemble para la Deserción Estudiantil en EBR - Tesis de Ingeniero de Sistemas

Aug 5, 2026

Subido por Aurora

La tesis desarrolla un enfoque de Machine Learning basado en el método Boosting de ensemble para abordar la deserción estudiantil en el marco de EBR. Se centra en la identificación y modelado de variables asociadas al abandono, con un diseño metodológico que contempla tipo y diseño de investigación, operacionalización de variables, población, muestra y muestreo, además de técnicas e instrumentos de recolección de datos. Incluye procedimientos de trabajo y una estructura académica con introducción, marco teórico y metodología orientada a generar resultados que contribuyan a comprender y mitigar la deserción.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas88

Tiempo de lectura2 h 16 min

AccesoGratis para descargar

Tabla de contenidos

I. INTRODUCCIÓN

II. MARCO TEÓRICO

III. METODOLOGÍA

3.1. Tipo y diseño de investigación

3.2. Variables y operacionalización

3.3. Población, muestra y muestreo

3.4. Técnicas e instrumentos de recolección de datos

3.5. Procedimientos

3.6. Método

FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS Machine Learning utilizando el Método Boosting de ensemble para la deserción estudiantil en EBR TESIS PARA OBTENER EL TÍTULO PROFESIONAL DE: Ingeniero de Sistemas AUTORES: Mantilla Lozano, Fernando Javier ([orcid.org/0000-0002-5057-6767](orcid.org/0000-0002-5057-6767) ) Vilca Yataco, Pedro Nemecio ([orcid.org/0000-0001-7037-1497](orcid.org/0000-0001-7037-1497)) ASESOR: Mg. Saboya Ríos, Nemias ([orcid.org/0000-0002-7166-2197](orcid.org/0000-0002-7166-2197) ) LÍNEA DE INVESTIGACIÓN: Sistemas de Información y Comunicaciones LÍNEA DE RESPONSABILIDAD SOCIAL UNIVERSITARIA: Desarrollo económico, empleo y emprendimiento LIMA – PERÚ 2023 DEDICATORIA A nuestros padres y familiares, quienes siempre hansido nuestra fuente de inspiración y apoyo inquebrantable. A nuestros amigos y seres queridos, por su aliento constante y su comprensión incondicional a lo largo de este viaje. A nuestros profesores y mentores, por su sabiduría y orientación que han enriquecido nuestro conocimiento. A todas las personas que han contribuido de alguna manera a este logro, ¡gracias por formar parte de este sueño hecho realidad! Esta tesis está dedicada a todos ustedes, con gratitud y cariño. AGRADECIMIENTO En este punto culminante de nuestra trayectoria académica, nos gustaría expresar nuestro profundo agradecimiento a todas las personas que han sido parte fundamental de este logro. Sin su apoyo, orientación y contribuciones, este proyecto no habría sido posible. Agradecemos a nuestra familia, amigos, compañeros deestudios, profesores y mentores. Así mismo, quisiéramos extender nuestra gratitud a los participantes y colaboradores que contribuyeron a la recopilación de datos y al desarrollo de este trabajo. Sus aportes fueronesenciales para enriquecer esta investigación. FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS Declaración de Autenticidad del Asesor Yo, SABOYA RIOS, NEMIAS , docente de la FACULTAD DE INGENIERÍA YARQUITECTURA de la escuela profesional de INGENIERÍA DE SISTEMAS de la UNIVERSIDAD CÉSAR VALLEJO SAC-LIMA NORTE , asesor de la tesis, titulada:“Machine Learning utilizando el Método Boosting de Ensemble para la Deserción Estudiantil en EBR”, cuyos autores son MANTILLA LOZANO FERNANDO JAVIER , VILCA YATACO PEDRO NEMECIO , constato que la investigación tiene un índicede similitud de 13.00%, verificable en el reporte de originalidad del programa Turnitin, el cual ha sido realizado sin filtros, ni exclusiones. He revisado dicho reporte y concluyo que cada una de las coincidencias detectadas no constituyen plagio. A mi leal saber y entender la Tesis cumple con todas las normas para el uso de citas y referencias establecidas por la Universidad César Vallejo. En tal sentido, asumo la responsabilidad que corresponda ante cualquier falsedad, ocultamiento u omisión tanto de los documentos como de información aportada, por lo cual me someto a lo dispuesto en las normas académicas vigentes de la Universidad César Vallejo. LIMA, 18 de Diciembre del 2023 | Apellidos y Nombres del Asesor: | Firma | | --- | --- | | SABOYA RIOS NEMIAS
DNI: 42001721
ORCID: 0000-0002-7166-2197 | Firmado electrónicamentepor: NSABOYARI el 18- 12-2023 11:26:36 | Código documento Trilce: TRI-0699771 FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS Declaración de Originalidad de Autores Nosotros, MANTILLA LOZANO FERNANDO JAVIER, VILCA YATACO PEDRO NEMECIO estudiantes de la FACULTAD DE INGENIERÍA Y ARQUITECTURA dela escuela Profesional de INGENIERÍA DE SISTEMAS de la UNIVERSIDAD CÉSAR VALLEJO SAC-LIMA NORTE , declaramos bajo juramento que todos los datos e información que acompañan la Tesis titulada: “Machine Learning utilizando el Método Boosting de Ensemble para la Deserción Estudiantil en EBR”, es de nuestra autoría, por lo tanto, declaramos que la Tesis: 1. No ha sid

Preguntas frecuentes

Cuál es el objetivo principal de la tesis sobre deserción estudiantil en EBR?

La tesis propone un enfoque de Machine Learning con boosting de ensemble para modelar y analizar la deserción estudiantil en EBR, orientado a comprender sus factores mediante datos recolectados.

Qué método de Machine Learning se utiliza en la investigación?

Se utiliza el método Boosting de ensemble como técnica principal de aprendizaje automático para la tarea relacionada con la deserción estudiantil.

Cómo está organizada la metodología de la investigación?

La metodología incluye tipo y diseño de investigación, variables y operacionalización, población, muestra y muestreo, técnicas e instrumentos de recolección de datos, y procedimientos; además contempla un apartado de método.

Aug 5, 2026

Subido por Aurora