IMPLEMENTACIÓN DE HERRAMIENTAS DE MACHINE LEARNING EN EL ANÁLISIS DE LAS INTERRELACIONES ENTRE VARIABLES SOCIODEMOGRÁFICAS Y DE DESEMPEÑO EN ESTUDIANTES DE EDUCACIÓN MEDIA
DOI:
https://doi.org/10.56219/dialctica.v2i25.4065Palabras clave:
competencias básicas, árbol de decisión, complejidadResumen
En este artículo se presenta una manera de implementar herramientas machine learning en el campo de la educación; así, se muestra la importancia y potencialidad del uso de estas herramientas cuando se trata de analizar grandes volúmenes de datos y más de una variable objetivo. Conforme a lo anterior, el propósito general del trabajo consistió en el diseño de un modelo de predicción de desempeños en competencias básicas mediante técnicas de aprendizaje automático que permitieran establecer relaciones entre variables contextuales (características sociodemográficas) y niveles de rendimiento (competencias básicas) en estudiantes de décimo grado. Seguidamente, para la consecución de tal propósito, se emplea una metodología con paradigma positivista, adoptando métodos mixtos que permiten la integración de elementos cualitativos apoyados en las métricas de fiabilidad en el uso de algoritmos como árboles de decisión dentro del cruce de datos inherentes al contexto de los estudiantes de dos instituciones educativas y sus respectivos desempeños académicos en competencias básicas. Tal desarrollo, apoyado desde una perspectiva compleja, permite concluir que las interrelaciones entre las singularidades de los estudiantes y sus desempeños académicos podrán ser un referente, entre otras cosas, para empezar a adoptar nuevas y mejores herramientas computacionales en el ámbito educativo y replantear las prácticas docentes para obedecer a la heterogeneidad inevitable de las aulas antes de preponderar la uniformidad forzada en las mismas.
Descargas
Citas
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
Descargas
Publicado
Cómo citar
Número
Sección
Licencia

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
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.