Alonso Ernesto Solis-Galindo

In the present research, the prediction of the academic performance of university students of an undergraduate educational program is carried out by applying Machine Learning (ML) with the purpose of determining the students with academic difficulties and excellence in school performance. It is an applied research in a population of 327 students, to which a representative sample of 74 students is determined, using a proportional stratified probability sampling, in which the stratum is the semester the student is studying out of the nine that make up the study plan. The work is an applied study with a pre-experimental design of a single group, because after applying ML the results are observed and the measurements is carried out. The main conclusions obtained allow establishing a methodology for the application of ML methods in the prediction of academic performance. The best performing algorithms used are Support Vector Machine (SVM) and Neural Network (NN). En la presente investigación se realiza la predicción del rendimiento académico de estudiantes universitarios de un programa educativo de licenciatura aplicando Machine Learning (ML) con la finalidad de determinar los estudiantes con dificultades académicas y de excelencia en el rendimiento escolar. Es una investigación aplicada en una población de 327 estudiantes, a la cual se le determina una muestra representativa de 74 estudiantes, utilizando un muestreo probabilístico estratificado proporcional, en el cual el estrato es el semestre que cursa el estudiante de los nueve que conforman el plan de estudios. El trabajo es un estudio aplicado con un diseño pre-experimental de un solo grupo, ya que después de aplicar el ML se observan los resultados y se realiza la medición. Las principales conclusiones obtenidas permiten establecer una metodología para la aplicación de métodos de ML en la predicción del rendimiento académico. Los algoritmos utilizados con mejores resultados son Support Vector Machine (SVM) y Neural Network (NN).