IMPLEMENTATION OF MACHINE LEARNING TOOLS IN THE ANALYSIS OF THE INTERRELATIONSHIPS BETWEEN SOCIODEMOGRAPHIC AND PERFORMANCE VARIABLES IN SECONDARY EDUCATION STUDENTS
DOI:
https://doi.org/10.56219/dialctica.v2i25.4065Keywords:
Machine learning, basic skills, decision tree, complexity.Abstract
This article presents a method for implementing machine learning tools in the field of education, highlighting the importance and potential of these tools when analyzing large volumes of data and multiple target variables. Accordingly, the general objective of this study was to design a predictive model for performance in basic competencies using machine learning techniques, enabling the identification of relationships between contextual variables (sociodemographic characteristics) and achievement levels (basic competencies) among tenth-grade students. To achieve this objective, a positivist paradigm methodology was employed, integrating mixed methods that combine qualitative elements with reliability metrics derived from algorithms such as decision trees. This approach facilitated the analysis of data pertaining to students from two educational institutions and their respective academic performances in basic competencies. Supported by a complex systems perspective, this study concludes that the interrelations between students' individual characteristics and their academic performance can serve as a reference for: adopting new and improved computational tools in education, and rethinking teaching practices to accommodate the inevitable heterogeneity of classrooms rather than enforcing artificial uniformity.
Downloads
References
Ariza-López F. J., Rodríguez-Avi, J., Alba-Fernández, V. (2018). Control estricto de matrices de confusión por medio de distribuciones multinomiales, GeoFocus (Artículos), nº 21, p. 215-226. ISSN: 1578-5157. http://dx.doi.org/10.21138/GF.591 DOI: https://doi.org/10.21138/GF.591
Bausili Llamas, E. (2021). Machine Learning para el diagnóstico de COVID-19 [Trabajo de Grado]. Madrid, España. https://repositorio.comillas.edu/xmlui/handle/11531/53241
Carrion, J. (2017). Diferencia entre dato información y conocimiento. http://148.202.167.116:8080/jspui/handle/123456789/869
Castro, R. I. (2020). Aplicación de técnicas de Machine Learning para el estudio de deserción temprana y egreso oportuno en estudiantes de Ingeniería de la Facultad de Ciencias Físicas y Matemáticas [Trabajo de Grado]. Santiago de Chile, Chile. https://repositorio.uchile.cl/handle/2250/178598
Correa, M., Bielza, C., Pamies-Texeira, J., y Alique López, J. R. (2008). Redes Bayesianas vs redes neuronales en modelos para la predicción del acabado superficial. Madrid, España. https://digital.csic.es/handle/10261/13826
Joaquín, R. (2020). Gradient Boosting con Python by, available under a Attribution 4.0 International (CC BY 4.0) https://www.cienciadedatos.net/documentos/py09_gradient_boosting_python.html
Jones- Ortiz, C. V. ., & Guzmán – Seraquive, J. E. . (2022). Análisis de las técnicas de machine learning aplicadas en la detección de fraudes bancarios. Revista Científica Ciencia Y Tecnología, 22(33). https://doi.org/10.47189/rcct.v22i33.516 DOI: https://doi.org/10.47189/rcct.v22i33.516
Beunza, J. J., y Puertas, E. (2020). Tipos de algoritmos. Manual práctico de inteligencia artificial en entornos sanitarios, 35. https://books.google.com/books?hl=en&lr=&id=88nSDwAAQBAJ&oi=fnd&pg=PA35&dq=machine+learning,+tipos+de+aprendizaje&ots=6Q8dGGZ6T_&sig=wDjkify1m62oZMRtuCuJZus4kho
Bogoya, D. (2000). Resultados de la evaluación de competencias básica en lenguaje, matemáticas y ciencias. Bogotá, Secretaría de educación distrital.
Bunk, G. (1994). La transmisión de las competencias en la formación y perfeccionamiento profesionales de la RFA. Revista europea de formación profesional, (1), 8-14. https://dialnet.unirioja.es/descarga/articulo/131116.pdf
Florez, C. y Pulido, K. (2020). Estrategia Didáctica mediada por Técnicas de Machine Learning para Potenciar la Habilidad de Pensamiento Crítico Interdisciplinar en Procesos Académicos y Actitudinales. https://repositoriotesiscomplejidad.blogspot.com/
Hernández-Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2018). Metodología de la investigación (Vol. 4, pp. 310-386). México: McGraw-Hill Interamericana. https://dspace.scz.ucb.edu.bo/dspace/bitstream/123456789/21401/1/11699.pdf
Méndez, A. (2007). Terminología pedagógica específica al enfoque por competencias: el concepto de competencia. Innovación educativa. https://redined.educacion.gob.es/xmlui/handle/11162/75735
Méndez, O. y López, J. (2019). Técnicas de Machine Learning para la predicción de desempeño académico en el Desarrollo del espacio proyectivo del Pensamiento Espacial. [Tesis de maestría, Universidad Pedagógica Nacional]. Bogotá, Colombia.
https://docs.google.com/document/d/11-pYeDpzAg3Y9wRbczjyEENjtQXo2cJH/edit#
Piaget, J. (1981). La teoría de Piaget. Infancia y aprendizaje, 4(sup2), pp. 13-54. https://www.tandfonline.com/doi/pdf/10.1080/02103702.1981.10821902 DOI: https://doi.org/10.1080/02103702.1981.10821902
Ramírez, D. (2021). Análisis del Machine Learning como estrategia didáctica para el mejoramiento de Competencias Básicas en Educación Secundaría en Entornos Virtuales de Aprendizaje. https://gredos.usal.es/handle/10366/146077
Sucar, L. E., y Tonantzintla, M. (2006). Redes bayesianas. Aprendizaje Automático: conceptos básicos y avanzados, 77, 100. https://ccc.inaoep.mx/~esucar/Clases-mgp/caprb.pdf
Tobón, S. (2003). Las competencias en el sistema educativo: de la simplicidad a la complejidad. Bogotá: CIFE. http://files.nathalyeismenia.webnode.com.ve/200000134-bff07c1e3d/LAS%20COMPETENCIAS%20Y%20EL%20PENSAMIENTO%20COMPLEJO.doc
UNESCO (2015). Replantear la educación ¿Hacia un bien común mundial? París: UNESCO. 93 pp. ISBN-978-92-3-300018.6. Journal of Supranational Policies of Education. https://repositorio.uam.es/bitstream/handle/10486/671277/-JOSPOE_4_15.pdf?s
Vigotsky, L. (1988). El desarrollo de los procesos psicológicos superiores. México: Editorial Crítica, Grupo Editorial Grijalbo. https://www.bibliopsi.org/docs/carreras/obligatorias/CFP-/educacional/erausquin/Unidad%202/Vigotsky%2%20el%20desarrollo%20de%20los%20p.%20cap%204.pdf
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
La revista Dialéctica conserva los derechos patrimoniales (copyright) de las obras publicadas, que favorece y permite la reutilización de los mismos bajo la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 , por lo cual se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que se cite la autoría y fuente original de su publicación (revista, editorial, URL y DOI de la obra), no se usen para fines comerciales u onerosos y se mencione la existencia y especificaciones de esta licencia de uso. Si remezcla, transforma o crea a partir del material, debe distribuir su contribución bajo la misma licencia del original.
+584121131459
