Search

Information and communication technologies play a relevant role in different fields of knowledge. Currently, there is a greater capacity to identify patterns and anomalies in an organization's data using artificial intelligence; The study aimed to develop a classification model for student dropout by applying machine learning with the autoML method of the H2O.ai framework, taking into account the dimensionality of socioeconomic and academic characteristics. The methodology used was predictive and non-experimental, observational and prospective in design; To this end, a 20-item questionnaire was applied to 237 students from the Graduate School enrolled in master's degree programs in education. The research resulted in a supervised machine learning model, gradient boosting machine, to classify student dropout, thus identifying the main associated factors that influence dropout, obtaining a Gini coefficient of 92.20%, AUC of 96.10% and a LogLoss of 24.24% representing a model with efficient performance. It is concluded that the model is appropriate for its performance metrics, offering advantages such as working with unbalanced data, cross validation and making predictions in real time., Las tecnologías de información y comunicación cumplen un rol relevante en los diferentes campos del conocimiento, actualmente existe mayor capacidad para identificar patrones y anomalías en los datos de una organización utilizando la inteligencia artificial; el estudio tuvo como objetivo desarrollar un modelo de clasificación para la deserción estudiantil aplicando aprendizaje automático con el método autoML del framework H2O.ai, se ha tenido en cuenta la dimensionalidad de las características socioeconómicas y académicas. La metodología empleada fue de tipo predictivo y diseño no experimental, observacional y prospectivo; para ello, se aplicó un cuestionario de 20 ítems a 237 estudiantes de la Escuela de Posgrado matriculados en los programas de maestrías en educación. La investigación tuvo como resultado un modelo de aprendizaje automático supervisado, máquina de refuerzo de gradiente, para clasificar la deserción estudiantil, logrando así identificar los principales factores asociados que influyen en la deserción, obteniendo un coeficiente Gini del 92.20%, AUC del 96.10% y un LogLoss del 24.24% representando un modelo con desempeño eficiente. Se concluye que el modelo es apropiado por sus métricas de rendimiento, ofreciendo ventajas como trabajar con datos desequilibrados, validación cruzada y realizar predicciones en tiempo real.

Objetivo: El presente estudio tuvo como propósito desarrollar un análisis bibliométrico de la producción científica sobre el pensamiento sistémico en estudiantes, contenida en la base de datos Scopus entre los años 2000 y 2022. Diseño/Metodología/Enfoque: Se fundamentó en un análisis bibliométrico descriptivo y cuantitativo, utilizando palabras clave en inglés (systems, thinking y Students) en la búsqueda, para obtener indicadores de producción científica como el año de publicación, país, fuente, institución de filiación, tipo, autor y área temática. Se elaboró una base de datos bibliográfica en Excel, para su posterior procesamiento y generación de tablas y gráficos. Resultados/Discusión: De los 361 documentos seleccionados, se observó un aumento del número de trabajos académicos publicados entre 2014 y 2022 para un total de 258 documentos (71.5%). La mayoría de estos trabajos (70%) fueron artículos científicos, y casi la mitad (48%) desarrollados en el área de ciencias sociales, siendo Estados Unidos (27,6%) y el Reino Unido (10,3%) los países con mayor producción científica. Conclusiones: El estudio contribuye sustancialmente a la comunidad científica aportando datos sobre el pensamiento sistémico en estudiantes, relacionados con las temáticas más desarrolladas, los autores con más publicaciones, las fuentes con mayor visibilidad, los países e instituciones más productivas, el año de producción y el tipo de documento generado. Originalidad/Valor: La relevancia de la temática en función de los indicadores estudiados, contribuye a la creación de nuevos documentos sobre el pensamiento sistémico en estudiantes, recurso importante para evaluar las nuevas tendencias de investigación y las aportaciones realizadas por nuevos autores.

The new normality product of COVID-19, leads to the virtualization of pedagogical processes, which are supported by academic platforms as a critical factor for the operation of educational institutions. This research analyzes the virtual teaching modality in a Public University of Peru, considering the fulfillment of the capacities of virtual teaching for the School of Electronic Engineering at the National University José Faustino Sánchez Carrión, Lima, Peru. The study group is represented by a random stratified sample made up of 220 students enrolled in the academic period 2020 - I. It was a quantitative, non-experimental descriptive, ex-post facto study. An online questionnaire was designed and validated to collect data on virtual teaching capabilities. The results show a significantly positive relationship between virtual teaching skills and student performance. It is concluded that although the students allege problems of virtual teaching, it always contributes to the success of the students’ learning. The university’s teacher training processes with respect to digital tools should be strengthened and permanent consultancies for the stakeholders involved should be carried out., La nueva normalidad producto del COVID-19, conduce a la virtualización de los procesos pedagógicos, los cuales se apoyan en plataformas académicas como factor crítico para la operatividad de las instituciones educativas. La presente investigación analiza la modalidad de enseñanza virtual en una Universidad Pública del Perú, considerando el cumplimiento de las capacidades de la enseñanza virtual para la escuela de Ingeniería Electrónica en la Universidad Nacional José Faustino Sánchez Carrión, Lima, Perú. El grupo de estudio está representado por una muestra estratificada aleatoria conformada por 220 estudiantes matriculados en el periodo académico 2020 - I. Fue un estudio cuantitativo, no experimental descriptivo, expost facto. Se diseñó y validó un cuestionario en línea para la recolección de los datos sobre las capacidades de la enseñanza virtual. Los resultados evidencian una relación significativamente positiva entre las capacidades de la enseñanza virtual y el rendimiento de los estudiantes. Se concluye, que a pesar que los estudiantes alegan problemas propios de la enseñanza virtual, ésta siempre contribuye al éxito en el aprendizaje de los estudiantes. Se deben reforzar los procesos de capacitación docente por parte de la universidad con respecto a las herramientas digitales y realizar asesorías permanentes para los actores involucrados.

El propósito de la investigación fue integrar las buenas prácticas y normas internacionales relacionadas con las tecnologías de información para definir un marco de gestión y adoptar el modelo de computación en la nube en universidades peruanas con la finalidad de garantizar eficientemente la continuidad, disponibilidad y capacidad de los servicios de tecnologías de información bajo el esquema pago por uso. La investigación estuvo enmarcada en el aspecto tecnológico, en virtud de la propuesta realizada para solucionar un problema real presentado en el sistema universitario; por cuanto se logró definir el marco de gestión para la adopción del modelo de computación en la nube, la misma que contempla cinco dimensiones: negocio, personas, tecnología, información y seguridad, contemplado en cinco categorías: planificación, implementación, monitoreo, soporte y evaluación, los cuales están definidos en 24 procesos, roles y productos de trabajo.; el que será implementado mediante el ciclo de desarrollo. Se concluye que el modelo de computación en la nube, permitirá a las instituciones involucradas ventajas competitivas y generación de valor.

Crowdsourcing is based on the contribution and collaboration of the members of a virtual community on a particular issue or to develop a specific task. The objective of the research was to determine the relationship between crowdsourcing as a business tool in the creation of a startup in a Public University of Peru. As a methodology, the deductive method was used from the comparison of previous research with the results of several studies, a literature review of concepts, findings and contributions from various authors was carried out, which were compiled in an organized way and then described in the document. The sample consisted of 86 students, the Likert-type questionnaire was used, with 20 and 19 items respectively, to determine the relationship of the study variables, the non-parametric Spearman Rho test was used, the results show a correlation coefficient of 0.362. Which indicates that, with a significance value of 0.001, there is a relationship between crowdsourcing as a business tool in the creation of a startup, the research concludes that by using this tool there are significant improvements in the process of creating a startup., El crowdsourcing se basa en el aporte y colaboración de los miembros de una comunidad virtual frente a algún tema en particular o para desarrollar una tarea específica. La investigación tuvo como objetivo determinar la relación entre el crowdsourcing como herramienta de negocio en la creación de startup en una Universidad Pública del Perú. Como metodología se utilizó el método deductivo a partir de la comparación de investigaciones previas con los resultados de varios estudios, se realizó una revisión de literatura de conceptos, hallazgos y aportes de diversos autores que fueron compilados de manera organizada y luego descritos en el documento. La muestra estuvo conformada por 86 estudiantes, se empleó el cuestionario tipo Likert, con 20 y 19 ítems respectivamente, para determinar la relación de las variables de estudio se utilizó la prueba no paramétrica Rho de Spearman, los resultados muestran un coeficiente de correlación 0,362. Lo que indica que, con un valor de significancia del 0,001, existe relación entre el crowdsourcing como herramienta de negocio en la creación de startup, la investigación concluye en que al utilizar esta herramienta hay mejoras significativas en el proceso de crear una startup.

The article aimed to predict the academic performance of students of master's degrees in education, having as main authors Camborda Zamudio (2014), Candia Oviedo (2019), Castrillón et al (2020), Hussain et al. (2018), Yarlequé Wong (2019). The decision tree technique and data mining and tools provided by artificial intelligence were used to build a model with the J48 algorithm of the WEKA software, taking into account educational, family, socioeconomic, habits, and customs factors. The sample consisted of 237 students from a public university in Peru, obtaining a level of success through Cohen's Kappa coefficient of 66%. The results show a methodology capable of training a system to classify a student based on one of the academic performance categories. This classification can a priori identify students with possible academic performance problems. As a result, accompanying and mitigation measures can be implemented immediately. Keywords: decision tree; data mining; prediction; academic performance; WEKA software, El artículo tuvo como objetivo predecir el rendimiento académico de estudiantes de maestrías en educación, teniendo como autores principales a Camborda Zamudio (2014), Candia Oviedo (2019), Castrillón et al. (2020), Hussain et al. (2018), Yarlequé Wong (2019). Se empleó la técnica de árbol de decisión y minería de datos y herramientas que provee la inteligencia artificial para construir un modelo con el algoritmo J48 del software WEKA, teniendo en cuenta factores educacionales, familiares, socioeconómicos, de hábitos y costumbres. La muestra estuvo constituida por 237 estudiantes de una universidad pública en Perú, obteniendo mediante el coeficiente Kappa de Cohen un nivel de acierto del 66%. Los resultados dan cuenta de una metodología capaz de entrenar un sistema para clasificar a un estudiante, a partir de una de las categorías del rendimiento académico. Esta clasificación puede identificar a priori a los estudiantes con posibles problemas de rendimiento académico. Como resultado de ello, las medidas de acompañamiento y mitigación se pueden implementar de inmediato. Palabras clave: rendimiento académico; árbol de decisión; minería de datos; predicción; software WEKA