Resumen de Modelo de aplicación orientada a la web 4.0 en el rendimiento académico del estudiante en educación superior

Helmer Fellman Mendoza Jurado

• español

  Resumen El presente artículo tiene el objetivo de proponer un modelo de Machine Learning (Aprendizaje Automático) con base a la Web 4.0, la cual subyace en una relación intrínseca entre un modelo de Reglas de Asociación y un modelo de árbol de decisión que busca generar un resultado predictivo para la alerta temprana en el rendimiento académico del estudiante en educación superior, siendo reflejado por inercia en las calificaciones que cuantifican al aprendizaje en distintas asignaturas que son objeto de estudio, principalmente desde la potencialidad que trae el algoritmo Apriori, que logra una baja eficiencia de recorrido frecuente de conjuntos y elementos, buscando relaciones causales de elementos frecuentes basadas en reglas de asociación y árboles de decisión. Sin embargo, existen claras dependencias entre asignaturas, niveles, el entorno social y cultural del estudiante. Asimismo, establecer que la principal motivación del proceso de investigación busca generar un modelo que proporcione una orientación académica precisa, que pueda mejorar de manera efectiva la calidad en la gestión del aprendizaje de las personas, siendo esto de gran importancia para el rendimiento académico del estudiante. Además, que pretende coadyuvar en la experiencia educativa a nivel superior, siendo que, en la actualidad, la tecnología proporciona una inmejorable oportunidad de buscar un sistema educativo más efectivo y moderno, incluso en comparación con otros algoritmos de Inteligencia Artificial, que caracteriza a la Web 4.0.

• English

  Abstract The objective of this paper is to propose an application model based on Web 4. 0 (Intelligent Web), which underlies an intrinsic relationship between an artificial intelligence model based on association rules and a decision tree algorithm that structures a predictive model for early warning in the pedagogical development of the student, which is reflected in the grades that quantify the degree of learning in different subjects, mainly from the potential of the Apriori algorithm that achieves a low efficiency of frequent paths of sets of elements, this model uses mainly the FP- growth model to search frequent sets of elements by means of association rules and decision trees. However, there are clear dependencies between subjects, levels, social and cultural environment, leading to a rational analysis and early warning of the learning process of each subject, like with the evaluated student. The proposed model provides a precise academic orientation, which can effectively improve the quality in the management of people’s learning, being of great importance for the development and orientation of the students themselves. Besides that, it aims to help understand the situation of students in all aspects and improve the overall level of students, being more effective compared to other machine learning algorithms (Machine Learning), which characterize the Web 4.0