Predicción del rendimiento académico en las Matemáticas de la educación Secundaria mediante Redes Neuronales

Álvarez Rodríguez, Roi. (2020). Predicción del rendimiento académico en las Matemáticas de la educación Secundaria mediante Redes Neuronales Master Thesis, Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias. Departamento de Física Fundamental

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Alvarez_Rodriguez_Roi_TFM.pdf Alvarez Rodriguez Roi_TFM.pdf application/pdf 1.45MB

Título Predicción del rendimiento académico en las Matemáticas de la educación Secundaria mediante Redes Neuronales
Autor(es) Álvarez Rodríguez, Roi
Resumen Las redes neuronales son sistemas de procesamiento de información, que se enmarcan dentro del aprendizaje automático o machine learning. Por medio de esta técnica se pueden obtener predicciones o resultados sobre problemas cuya resolución implicaría un elaborado y complejo plan. La educación, es uno de los pilares fundamentales de nuestra sociedad, y es permeable al empleo de las nuevas tecnologías, como el machine learning para mejorar. Desde hace años se vienen utilizando técnicas de data mining en este ámbito para analizar los datos que generan, por ejemplo, los cursos universitarios online para obtener una predicción del rendimiento del alumnado en este tipo de cursos. En el presente trabajo se emplea esta técnica para la predicción del rendimiento académico, con datos obtenidos en un entorno docente real, con alumnos de secundaria de un colegio. Con una muestra de unos pocos registros, y un conjunto pequeño de datos para cada uno (notas, identificador de grupo y medidas de atención a la diversidad) se han entrenado una serie de redes neuronales multicapa feedforward con el algoritmo backpropagation (propagación de errores hacia atrás), con el fin de comprobar si estos sistemas son capaces de predecir el rendimiento académico. También se quiere comprobar la calidad de esa predicción en función de la informaci ón de la entrada, del número de unidades de capa oculta y si se mejora el resultado complicando la con_guración de la red con una segunda capa oculta o combinando las posibles salidas. Con los resultados obtenidos se puede concluir que la predicción del rendimiento académico en la etapa secundaria, con los datos obtenidos en un entorno docente real, es posible. La precisión que ofrecen los resultados es razonablemente buena, en muchos casos superior al 90 %, pero que disminuye a la hora de dar una nota numérica. El incluir una estimación de las medidas de atención a la diversidad resulta adecuado y refina en muchos casos los resultados obtenidos.
Abstract Artificial Neural Networks are information processing systems that belong to machine learning. Through this technique predictions or results can be obtained to solve problems that would require an overly complicated plan to reach a solution. Education, one of the fundamental cornerstones of our society, is especially receptive to the use of new technologies, such as machine learning. Over the last years, data mining techniques are being used in this context to analyze data generated by, for example, online university courses in order to obtain a performance prediction of its students. This technique is used in the present thesis to predict academic performance, using data obtained from a real educational context with secondary level students from a single school. Using a sample of a few students and a small set of data for each (grades, group identi_cation and attention to diversity measures) a series of feedforward multilayered neural networks have been trained with a backpropaga- tion algorithm in order to test if these systems are capable of predicting academic performance. Furthermore, a series of additional objectives are tested, such as: the prediction quality based on the input information, the number of hidden layer units, and if results can improve increasing the network's con_guration dificulty introducing a second hidden layer or combining the possible outputs. The conclusion that can be drawn given the results and obtained data from a real educational context, is that academic performance for secondary level students is possible. The accuracy o_ered by the results is reasonably good, reaching 90% in numerous cases but showing a decrease when using numerical marks. The inclusion of diversity attention measures proves to be adequate, re_ning the majority of the results.
Notas adicionales Trabajo de Fin de Máster. Máster Universitario en Física de Sistemas Complejos. UNED
Materia(s) Física
Editor(es) Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias. Departamento de Física Fundamental
Director/Tutor Radoslavova Koroutcheva, Elka
Fecha 2020-10-14
Formato application/pdf
Identificador bibliuned:master-Ciencias-FSC-Ralvarez
http://e-spacio.uned.es/fez/view/bibliuned:master-Ciencias-FSC-Ralvarez
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso master Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 199 Visitas, 148 Descargas  -  Estadísticas en detalle
Creado: Tue, 20 Oct 2020, 18:55:28 CET