Modelo Predictivo Multivariable En Tiempo Real Para Predecir El Desempeño De Los Estudiantes, En Programas Virtuales De Posgrado, Empleando Inteligencia Artificial

Abstract

ABSTRACT En los últimos años han proliferado los programas de educación virtual en posgrado, con altas tasas de deserción, implicando múltiples falencias, como la falta de individualización en entornos virtuales. Se propone una solución novedosa basada en el modelado de un estudiante a partir de su huella digital, con Deep Learning y procesamiento de lenguaje natural – (NLP), para predecir si terminará con éxito el programa académico (GRA), o será expulsado (PFU), o suspenderá los estudios (SUS), o si terminará las asignaturas, pero no entregará la tesis o trabajo de grado (LTH). 1 1 Una tesis es también conocida como un trabajo de licenciatura o de grado, requisito formal que un estudiante debe cumplir después de terminar todas las asignaturas, para obtener el diploma de pregrado o posgrado en una Universidad. Metodológicamente se diseñó un estudio de cohorte retrospectivo a partir de datos capturados durante un período de 15 años (2005–2020) de los programas de postgrado: Maestría en Gestión de la Tecnología Educativa (MGTE) y Especialización en Aplicación de TIC para la Enseñanza (EATICE), 100% virtual. Se utilizó la metodología iterativa incremental (CRISP_DM) para las predicciones basadas en inteligencia artificial (IA). Se obtuvo un modelo predictivo adaptado a cada programa educativo, con métricas de desempeño excepcionales de precisión, al predecir GRA (96,87%), PFU (97,53%), SUS (85,32%) y LTH (97,18%). Los resultados de esta investigación muestran que la generalización y extrapolación de modelos algorítmicos son factibles utilizando datos comunes a plataformas digitales, y pueden ayudar, a ingenieros a mejorar el diseño y arquitectura del software, y a profesores, a conocer, en tiempo real, las necesidades futuras de los estudiantes, y, por ende, adaptar preventivamente el proceso educativo.