Arequipa, Perú
Debido a la pandemia mundial por Covid-19, se instauró la educación online en el aprendizaje de los estudiantes. Sin embargo, la efectividad de esta modalidad, así como la adaptabilidad de los estudiantes es algo que puede depender de algunos factores. En ese sentido, el presente artículo de investigación presenta una descripción del uso de árboles de decisión para determinar la adaptabilidad de estudiantes en la educación online, usando para ello un dataset de 1205 registros con datos como el tipo de conexión e internet, dispositivo, condición financiera, entre otros datos importantes. Así mismo, se empleó herramientas como Google Colab, Python y librerías populares en trabajos similares de Inteligencia artificial y Machine Learning. El modelo del árbol de decisión elaborado tuvo una precisión y exactitud de 92%.
Due to the global pandemic by Covid-19, online education was established in student learning. However, the effectiveness of this modality, as well as the adaptability of the students, is something that may depend on some factors. In this sense, this research article presents a description of the use of decision trees to determine the adaptability of students in online education, using a dataset of 1205 records with data such as the type of connection and internet, device, condition. financial, among other important data. Likewise, tools such as Google Colab, Python and popular libraries were used in similar works of Artificial Intelligence and Machine Learning.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados