RT info:eu-repo/semantics/masterThesis
T1 Análisis Predictivo del Rendimiento Académico en Estudiantes Canarios de Primaria usando Modelos Lasso
A1 Barbuzano Narvaez, Sebastian
A2 Máster Universitario en Análisis Aplicado para las Ciencias Sociales
K1 Lasso; rendimiento académico; machine learning; políticas públicas
K1 Lasso; academic performance; machine learning; public policies.
AB La educación es crucial para el desarrollo individual y social, promoviendo elcrecimiento económico, progreso cultural y mejora de la calidad de vida. Predecir elrendimiento académico es esencial para identificar a estudiantes en riesgo de fracasoescolar y tomar medidas preventivas. Este trabajo tiene como objetivo construirmodelos predictivos del rendimiento académico de estudiantes de primaria utilizandodatos de la Agencia Canaria de Calidad Universitaria y Evaluación Educativa(ACCUEE) de estudiantes en tercer grado en 2015/16 y en sexto grado en 2018/19.La metodología emplea técnicas de machine learning, específicamente modelosLasso. Se desarrollaron tres modelos para predecir calificaciones en matemáticas,lengua y rendimiento académico general (agregado). Los principales resultados son:el modelo agregado tiene la mejor capacidad predictiva debido a su completitud, apesar de tener la muestra más pequeña; los signos y magnitudes de las variablesrelevantes son consistentes entre modelos y con la literatura, indicando unaexplicación uniforme para matemáticas, lengua y el agregado; el efecto inercia essignificativo en todos los modelos, capturando la mayor parte de la variabilidad; lasvariables explicativas son más relevantes en conjunto que por separado; lacoincidencia de los signos en las predicciones cruzadas muestra una fuerteinterseccionalidad entre variables; y las principales diferencias entre modelos estánen las magnitudes, no en los signos.
YR 2024
FD 2024
LK http://riull.ull.es/xmlui/handle/915/39122
UL http://riull.ull.es/xmlui/handle/915/39122
LA es
DS Repositorio institucional de la Universidad de La Laguna
RD 20-may-2025