dc.contributor.author | Kinsumba, Pedro António | |
dc.contributor.author | Becerra Alonso, María Julia | |
dc.contributor.author | Lau Fernández, Rogelio | |
dc.date.accessioned | 2023-04-27T14:17:32Z | |
dc.date.available | 2023-04-27T14:17:32Z | |
dc.date.issued | 2016-05-05 | |
dc.identifier.citation | Kinsumba,P.,Becerra Alonso,M.,Lau Fernández,R,(2016).Arquitectura computacional para predecir el rendimiento académico de alumnos de la universidad agostinho neto. Tecnología Educativa, 1(1). 7-12 | es_ES |
dc.identifier.issn | 2519-9463 | |
dc.identifier.uri | http: //tecedu.uho.edu.cu | |
dc.identifier.uri | http: //repositorio.uho.edu.cu | |
dc.identifier.uri | http://repositorio.uho.edu.cu/xmlui/handle/uho/9437 | |
dc.description.abstract | El estudio de los factores que intervienen en el rendimiento académico de los alumnos ha sido y
sigue siendo un tema objeto de investigación pedagógica por cuanto aporta información de mucho
valor en el proceso de personalización de la enseñanza y en la mejora del sistema educativo en su
conjunto. A pesar de que esa información puede dar un indicio sobre las dificultades que presentarán
individualmente los alumnos durante sus estudios inmediatos y futuros, es conveniente disponer de
algún procedimiento que permita predecir con alguna certeza cuál será su rendimiento al finalizar un
período. Este conocimiento facilitaría la creación de intervenciones oportunas que favorezcan un
mejor aprendizaje de cada alumno en función de sus características personales. Para analizar la
relación entre un grupo de factores que caracterizan a los alumnos que ingresan en la carrera de
Ciencia de la Computación de la UAN y su rendimiento académico al finalizar el primer año se
propone la utilización de un modelo de red neuronal del tipo Perceptron Multicapa (MLP), debido a su
buen desempeño en la predicción del comportamiento de sistemas complejos. En este trabajo se
describe una arquitectura computacional, que incluye una red neuronal MLP, con el fin de realizar
una predicción del desempeño académico de los estudiantes al finalizar el primer año de la carrera. | es_ES |
dc.description.abstract | The study of the factors affecting students’ academic achievement continues being object of
pedagogic research since it contributes major and valuable information to the process of teaching
personalization and to improve the whole educational system. Although that information can indicate
difficulties that will present the students individually during its immediate and future studies, it is
convenient to have some procedure that allows to predict their academic achievement, with some
certainty, when academic year is finished. When a prediction is known is easy to create an opportune
intervention in order to encourage a student learning depending on its personal characteristics. To
analyze the relationship between a group of factors characterizing first year university student of
computer science in the course of science of the calculation at UAN university and their academic
performance, when he/she conclude first year, this paper propose the use of a Multilayer Perceptron
(MLP) neural network model, considering their good performance predicting the behavior of complex
systems. In this work a computational architecture including a neural network MLP is described. It
aims to carry out a prediction of academic performance of the students who conclude the first year of
the career. | es_ES |
dc.language.iso | es | es_ES |
dc.publisher | Universidad de Holguín, Conciencia Ediciones | es_ES |
dc.relation.ispartofseries | Tecnología Educativa;vol 1 (1) julio-diciembre de 2016 | |
dc.subject | RENDIMIENTO | es_ES |
dc.subject | FACTORES | es_ES |
dc.subject | RED NEURONAL | es_ES |
dc.subject.other | INFORMATICA- ARQUITECTURA COMPUTACIONAL | es_ES |
dc.subject.other | PEDAGOGIA- PROCESO ENSEÑANZA APRENDIZAJE | es_ES |
dc.subject.other | INFORMATICA- SISTEMAS COMPLEJOS- RED NEURONAL | es_ES |
dc.title | Arquitectura computacional para predecir el rendimiento académico de alumnos de la universidad agostinho neto / | es_ES |
dc.title.alternative | A computational architecture to predict the academic performance of students at the uan | es_ES |
dc.type | Article | es_ES |