Sistema para proponer la nota final de los estudiantes mediante Redes Neuronales

• Baldarrago Salas, Kleber Ernesto ^[1] ; Cayllahua Chicaña, Erika ^[1] ; Lorenzo Quilla, Fanny Lorena ^[1] ; Quijia Alvarez, Maria ^[1]
  1. [1] Universidad Nacional de San Agustín de Arequipa
• Localización: Revista Innovación y Software, ISSN 2708-0935, ISSN-e 2708-0927, Vol. 2, Nº. 2, 2021 (Ejemplar dedicado a: September - February), págs. 75-91
• Idioma: español
• Títulos paralelos:
  • System to propose the final grade of the students through Neural Networks
• Enlaces
  • Texto completo  1    2    3  
• Resumen
  • español

    Debido al problema recurrente presentado en los alumnos en lo que se refiere a su desempeño académico,se desarrolló una aplicación de redes neuronales con el objetivo de ayudar al docente, ya que esta es capaz de dar resultados de las notas finales de los alumnos y ayudará al docente a comprender el por qué de los resultados, puesto que esta red neuronal toma en cuenta diferentes factores que conlleva al alumno a tener una nota aprobatoria o desaprobatoria. Para obtener los resultados se trabajó en el entrenamiento de la red neuronal mediante el modelo de clasificación el cual muestra en el resultado la cantidad de alumnos aprobados o desaprobados y el otro modelo de regresión el cual predice la nota de un alumno dadas las características de su encuesta inicial, ambos modelos fueron de gran ayuda para predecir el comportamiento de los datos.

  • English

    Due to the recurring problem presented in the students regarding their academic performance, an application of neural networks was developed with the aim of helping the teacher, since it is capable of giving results of the final grades of the students and will help the teacher to understand the reason for the results, since this neural network takes into account different factors that lead the student to have a passing or failing grade. To obtain the results, we worked on the training of the neural network through the classification model which shows in the result the number of approved or disapproved students and the other regression model which predicts a student's grade given the characteristics of their initial survey, both models were of great help in predicting the behavior of the data.