Sistema de analizar los rendimientos entre 100 estudiantes de informática - entre los niveles de depresión, rendimiento académico y patrones de TDAH - utilizando estrategias de machine learning

Aug 5, 2026

Subir por Sage

El trabajo desarrolla un modelo de Machine Learning para predecir el rendimiento académico de 100 estudiantes de informática a partir de variables relacionadas con niveles de depresión y patrones asociados al TDAH. La investigación utiliza la totalidad de la población como muestra y plantea un diseño experimental pre-experimental de un solo grupo, mediante el análisis de resultados posteriores a la aplicación del modelo. El objetivo central consiste en estimar, con precisión, sensibilidad y especificidad, la probabilidad de éxito o fracaso, destacando el desempeño de algoritmos basados en árboles de decisión.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas25

Tiempo de lectura39 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

Palabras clave

Marco conceptual y contextual

Descripción del estudio

Objetivos

Desarrollo e implementación del aprendizaje

Conclusiones

Referencias bibliográficas

SISTEMA DE ANALIZAR LOS RENDIMIENTOS ENTRE 100 ESTUDIANTES DEINFORMATICA, ENTRE LOS NIVELES DE DEPRESIÓN, RENDIMIENTO ACADÉMICO Y PATRONES DE TDAH (TRASTORNO POR DÉFICIT DE ATENCIÓNE HIPERACTIVIDAD), UTILIZANDO ESTRATEGIAS DE MACHINE LEARNING Corporación Universitaria Remington. Nombre de la facultad: Ingenierías Nombre del programa académico: Ingeniería de sistemas Estudiantes: Andres Felipe Diaz Tutor: Juan Carlos Briñez de León Opción de Trabajo de grado Seminario-Diplomado. 2024. DEDICATORIA En primer lugar les agradezco a mis padres que siempre me han brindado suapoyo incondicional para poder cumplir todos mis objetivos personales y académicos. Ellos son los que con su cariño me han impulsado siempre a perseguir mis metas y nunca abandonarlas frente a las adversidades. También son los que me han brindado el soporte material y económico para poder concentrarme en los estudios y nunca abandonarlos. AGRADECIMIENTOS POR ÚLTIMO AGRADECERA LA UNIVERSIDAD QUE ME HA EXIGIDO TANTO, PERO AL MISMO TIEMPO ME HA PERMITIDO OBTENER MI TAN ANSIADO TÍTULO. AGRADEZCO A CADA DIRECTIVO POR SU TRABAJO Y POR SU GESTIÓN, SIN LO CUAL NO ESTARÍAN LAS BASES NI LAS CONDICIONES PARA APRENDER CONOCIMIENTOS. A DIOS, A MIS COMPAÑEROS, AL PROFE DEL SEMINARIO , Y A TODASAQUELLAS PERSONAS QUE SUMAN EN MI PROCESO DE FORMACIÓN. TABLA DE CONTENIDOS Resumen................................................................................................................... 5 Palabras clave........................................................................................................................................ 5 1. Marco conceptual y contextual.....................................................................................6 1.1 descripcion del estudio :.............................................................................................6 Objetivos...........................................................................................................................8 Desarrollo e implementación del aprendizaje ................................................................9 Conclusiones ………………………………………………………………………………….24 Referencias bliográficas................................................................................................25 Resumen En el presente trabajo de investigación se elaboró un modelo Machine Learning para predecir el rendimiento académico de los estudiantes universitarios, se utilizó el programa de dataset El objetivo de esta investigación es determinaren qué porcentaje Machine Learning permite predecir el rendimiento académico con precisión, sensibilidad y especificidad, con el fin de poder identificar a los alumnos con probabilidad de éxito o fracaso. En esta investigación se utilizó una población de 100 estudiantes de informática , así mismo se usó la totalidad de lapoblación como muestra. Por otro lado, el estudio es de tipo aplicada, con undiseño de investigación experimental de tipo pre-experimental de un solo grupo, ya que luego de aplicar Machine Learning se podrá observar los resultados y realizar la medición. Como resultado en relación a la precisión, sensibilidad yespecificad para los algoritmos de árbol de decision. PALABRAS CLAVE Dominancia, clustering, impacto de la depresion, patrones. MARCO CONCEPTUAL El estudio sobre la depresión y el rendimiento académico en estudiantes de informática se enmarca en el análisis de factores psicosociales que impactan en la educación superior. En particular, los problemas de salud mental, como ladepresión, son considerados factores clave que afectan el desempeño de los estudiantes universitarios. A medida que los programas académicos en informática exigen altos niveles de concentración, gestión del tiempo y capacidades cognitivas, los estudiantes pueden experimentar estrés académico que puede llevar a síntomas depresivos. Por tanto, es relevante explorar las relaciones entre los niveles de depresión y el

Preguntas frecuentes

Cuál es el objetivo del modelo de Machine Learning del trabajo?

Predecir el rendimiento académico de estudiantes de informática e identificar el porcentaje con precisión, sensibilidad y especificidad, para estimar probabilidad de éxito o fracaso.

Qué población y muestra se utilizaron en la investigación?

Se utilizó una población de 100 estudiantes de informática y se empleó la totalidad de la población como muestra.

Qué relación se explora entre depresión y rendimiento académico?

Se analiza cómo los niveles de depresión pueden influir negativamente en el desempeño académico, afectando especialmente procesos como concentración y motivación.

Aug 5, 2026

Subir por Sage