Técnicas de Machine learning para la predicción de desempeño académico en el desarrollo del espacio proyectivo del pensamiento espacial.

Abstract

El presente trabajo de investigación busca aplicar técnicas de machine learning para predecir el desempeño académico de los estudiantes en el espacio proyectivo del pensamiento espacial e identificar los grupos de estudiantes que puedan presentar un desempeño bajo en el desarrollo de esta proyectiva con el fin de tomar acciones tempranas para mejorar su desempeño en las pruebas realizadas en la institución al finalizar su periodo académico. Antes de aplicar la técnica de Machine Learning, los estudiantes resolvieron dos pruebas: una prueba simulacro donde los estudiantes objeto de estudio respondieron una prueba simulacro tomada del modelo de pruebas que aplicó la Universidad Nacional de Colombia en el proceso de admisión para el segundo semestre del año 2010. La prueba estaba conformada por 15 preguntas y se aplicó a los 153 estudiantes de la Institución Educativa Departamental General Carlos Albán del municipio de Albán – Cundinamarca. La otra prueba que resolvieron los estudiantes de grado octavo, noveno, décimo y once del año 2019 fue una encuesta cuyo propósito fue el de conocer las condiciones sociodemográficas de los estudiantes. La prueba estuvo conformada por 33 grupos de preguntas relacionadas con datos personales, estudios realizados; datos de estudio, datos laborales, salario de los padres; datos de vivienda y comodidades de vivienda. En la investigación se usó como enfoque metodológico el modelo CRISP-DM que significa Cross Industry Standard Process for Data Mining. El modelo CRISP-DM actúa como marco de trabajo propio del desarrollo de proyectos que abordan investigaciones basadas en minería de datos y técnicas de machine learning. (Fuentes, 2018). La investigación se desarrolló en tres etapas: 1-) adaptación de la Prueba de Admisión de la Universidad Nacional de Colombia, 2-) diseño de encuesta simulacro conformada por variables sociodemográficas y 3-) diseño del modelo de: procesamiento, sanidad de datos y desarrollo del modelo predictivo con técnicas de Machine Learning. Se concluye que la aplicación de técnicas de Machine Learning y simulación para el desarrollo de un modelo que permita la predicción del desempeño de los estudiantes de Educación Básica y Media se constituye como una herramienta eficaz para el docente, ya que pueden clasificar a los estudiantes y conocer con alto grado de precisión las categorías de DESEMPEÑO_BAJO y DESEMPEÑO_ALTO de los aprendices; esta es una ventaja que permite a los docentes crear estrategias en cada una de sus asignaturas para orientar al desarrollo del pensamiento espacial a partir de la Teoría del Desarrollo del Conocimiento Espacial de Piaget. Por último, las actividades que se desarrollan en el aula se pueden transformar con la aplicación sistemática de una metodología como la CRISP donde el Machine Learning se constituye en una aplicación que da dar respuesta a algunas preguntas de investigación, hace productivos este tipo de modelos y convierte las instituciones educativas en centros inteligentes de formación.