Aplicación de modelos de series temporales y redes neuronales para analizar y proyectar la evolución académica de estudiantes de secundaria.

Abstract

Las instituciones educativas implementan metodologías, mejores prácticas, entre otras actividades para mejorar la calidad de la enseñanza, su efecto usualmente se analiza utilizando indicadores estadísticos simples basados en información referente al rendimiento académico de los estudiantes que está compuesta por una gran cantidad de datos. El presente trabajo aprovecha esta información para analizar el rendimiento mediante modelos de series temporales y redes neuronales, proyectando su comportamiento y proveyendo a los directivos una herramienta para la toma de decisiones. La información que se utilizó en este trabajo pasó por un proceso de extracción, depuración y transformación previo al entrenamiento del modelo desarrollado. Este modelo se utilizó en la implementación de una API que sirvió para la elaboración del front end en la forma de una aplicación web. Luego de entrenar el modelo por 32 épocas se obtuvo una exactitud del 84.01% y una pérdida del 41.94% durante el entrenamiento, y una exactitud del 91.17% y una pérdida del 28% en la validación, valores aceptables frente al 90% mencionado en el estado del arte.