Análisis de modelos estadísticos para predecir el éxito académico en estudiantes universitarios
DOI:
https://doi.org/10.56048/MQR20225.8.2.2024.2951-2969Palabras clave:
como éxito académico; modelos estadísticos; estudiantes universitariosResumen
El estudio de modelos estadísticos para prever el desempeño académico de estudiantes universitarios es un tema de suma importancia en el ámbito educativo y de investigación. La capacidad para reconocer indicadores anticipados del rendimiento estudiantil no solo facilita a los educadores intervenir de manera oportuna y eficiente para respaldar a aquellos alumnos en situación de riesgo, sino que también suministra información valiosa para perfeccionar los planes de estudio y políticas institucionales. Los objetivos principales de este estudio se centran en el desarrollo de modelos estadísticos precisos y confiables para prever el éxito académico en estudiantes universitarios, la identificación de los factores clave que influyen y la provisión de herramientas efectivas para que educadores y responsables de políticas educativas puedan intervenir de manera temprana y brindar apoyo a los estudiantes en riesgo de bajo rendimiento académico. Se llevó a cabo una revisión narrativa con el propósito de obtener una comprensión integral de la investigación sobre el análisis de modelos estadísticos para anticipar el éxito académico en estudiantes universitarios. Se realizó una búsqueda exhaustiva de estudios en diversas bases de datos académicas, incluyendo Latindex, Scielo, Dialnet, Scopus y Google Académico, así como en revistas especializadas. El análisis de modelos estadísticos para predecir el éxito académico en estudiantes universitarios, se concluye que el desarrollo de modelos precisos y confiables es esencial para anticipar el rendimiento estudiantil. Estos modelos proporcionan a educadores y responsables de políticas educativas herramientas efectivas para intervenir tempranamente y ofrecer apoyo a estudiantes en riesgo de bajo rendimiento académico.
Descargas
Métricas
Cited
DOI: 10.56048
Citas
Alyahyan, E., & Dustegor, y. (2020). Predecir el éxito académico en la educación superior: revisión de la literatura y mejores prácticas. Revista Internacional de Tecnología Educativa en la Educación Superior, Disponible en : https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-020-0177-7.
Capa, L., Rojas, W., & Barreto, L. (2020). La tutoría, un procedimiento para determinar condicionantes de orientación y refuerzo académico. Conrado, Disponible en : http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1990-86442020000200054.
Chan, G., Druet, N., & Sevilla, D. (2020). Sentido de vida y establecimiento de metas en estudiantes de bachillerato. Academo (Asunción), Disponible en : http://scielo.iics.una.py/scielo.php?script=sci_arttext&pid=S2414-89382020000100022.
Contreras, L., Fuentes, H., & Rodríguez, J. (2020). Predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante aprendizaje automático. Formación universitaria, Disponible en : https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-50062020000500233.
Díaz, M., Ahumada, M., & Melo, J. (2022). Arboles de Decisión como Metodología para Determinar el Rendimiento Académico en Educación Superior. Revista Lasallista de Investigación, Disponible en : http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1794-44492021000200094.
Díaz, V. (2017). Regresión logística y decisiones clínicas. Nutrición Hospitalaria, Disponible en : https://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S0212-16112017000900036.
Doncel, D., Román, S., & Vecina, C. (2019). Orientación Académica y Profesional: percepción del mercado de trabajo desde las Consejerías de Educación españolas. Educação e Pesquisa, Disponible en : https://www.scielo.br/j/ep/a/hrMtYCVV3Sp5PhrTKHCnzHk/#.
Éstevez, Y., Sánchez, X., & Torres, Y. (2022). La superación de los docentes: desafíos ante las adaptaciones al currículo y la educación inclusiva. Mendive. Revista de Educación, Disponible en : http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1815-76962022000301051.
Extremera, N., Mérida, S., Sánchez, N., Quintana, C., & Rey, L. (2019). Un amigo es un tesoro: inteligencia emocional, apoyo social organizacional y engagement docente. Praxis & Saber, Disponible : http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S2216-01592019000300069.
Ferroni, M., Mena, M., & Diuk, B. (2018). Variables socioeconómicas familiares y escolares asociadas a bajos niveles de alfabetización. Aletheia. Revista de Desarrollo Humano, Educativo y Social Contemporáneo, Disponible en : http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S2145-03662018000200110.
Gaxiola, J., Gaxiola, E., & Frías, M. (2017). Variables Contextuales e Individuales Relacionadas con la Crianza Positiva Materna. Universitas Psychologica, Disponible en : http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1657-92672017000200051.
Guerra, J., & Guevara, C. (2017). Variables académicas, comprensión lectora, estrategias y motivación en estudiantes universitarios. Revista electrónica de investigación educativa, Disponible en : https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1607-40412017000200078.
Heredia, H. (2020). Big data en la educación. Horizontes Revista de Investigación en Ciencias de la Educación, Disponible en : http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S2616-79642020000400014#:~:text=El%20Big%20Data%20permite%20priorizar,Oracle%20Enterp.
López, F. (2016). La Teoría de Metas de Logro como factor de motivación. Un análisis en las clases instrumentales de conservatorio. Revista de la Lista Electrónica Europea de Música en la Educación), Disponible en : https://dialnet.unirioja.es/servlet/articulo?codigo=6025838.
Matas, A., Leiva, J., & Núñez, N. (2020). El Big Data desde la perspectiva de una muestra de estudiantes de universidades del norte de Perú. Propósitos y Representaciones, Disponible en : http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S2307-79992020000200006.
Núñez, A. (2023). Rendimiento académico en estudiantes universitarios de República Dominicana durante la pandemia del COVID-19: Análisis temporal. Revista Innovaciones Educativas, Disponible en : https://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S2215-41322023000200049#:~:text=%3A%20El%20rendimiento%20acad%C3%A9mico%20en%20educaci%C3%B3n,autorregulaci%C3%B3n%20asumidos%20por%20el%20estudiante.
Quindemil, E., & Rumbaut, F. (2019). Análisis de componentes principales para obtener indicadores reducidos de medición en la búsqueda de información. Revista Cubana de Información en Ciencias de la Salud, Disponible en : http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2307-21132019000300002.
Quintero, W. (2020). La formación en la teoría del capital humano: una crítica sobre el problema de agregación. Análisis económico, Disponible en : https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-66552020000100239.
Robles, A. (2022). Teorías, conceptos e instrumentos demográficos desde una perspectiva multidimensional. Revista Brasileira de Estudos de População , Disponible en : https://www.scielo.br/j/rbepop/a/qQK9Th4bRfcz6nZqwC35FBb/?lang=es.
Tomas, M. (2020). Variables psicológicas asociadas a la corrupción: una revisión sistemática. Anales de Psicología, Disponible en : https://scielo.isciii.es/scielo.php?pid=S0212-97282020000200016&script=sci_arttext&tlng=es.
Trapmann, S., Hell, B., & Jan-Oliver W. Hirn, a. H. (2015). ¿Los factores psicosociales y de habilidades de estudio predicen los resultados universitarios? Un metaanálisis. Psychological Bulletin, Disponible en : https://econtent.hogrefe.com/doi/abs/10.1027/0044-3409.215.2.132.
Valderrama, F., Chávez, D., Muñoz, S., Tuesta, V., & Mejía, H. (2021). Importancia de las redes neuronales artificiales en la ingeniería civil: Una revisión sistemática de la literatura. Iteckne, Disponible en : http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1692-17982021000100071.
Publicado
Cómo citar
Número
Sección
Categorías
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
®
Los autores se comprometen a respetar la información académica de otros autores, y a ceder los derechos de autor a la Revista MQRInvestigar, para que el artículo pueda ser editado, publicado y distribuido. El contenido de los artículos científicos y de las publicaciones que aparecen en la revista es responsabilidad exclusiva de sus autores. La distribución de los artículos publicados se realiza bajo una licencia 
