Repository logo
  • English
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Log In
    or
    New user? Click here to register.
Repository logo

Repositorio Institucional de la Universidad de Murcia

Repository logoRepository logo
  • Communities & Collections
  • All of DSpace
  • Statistics
  • menu.section.collectors
  • menu.section.acerca
  • English
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Log In
    or
    New user? Click here to register.
  1. Home
  2. Browse by Subject

Browsing by Subject "Endogenous factors an dexogenous"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Publication
    Open Access
    Factores endógenos y exógenos para el modelado y predicción del rendimiento académico de estudiantes universitarios
    (Universidad de Murcia. Servicio de Publicaciones, 2023) Incio Flores, Fernando Alain; Capuñay Sanchez, Dulce Lucero
    El objetivo de esta investigación es diseñar e implementar un modelo de red neuronal artificial (RNA) que permita predecir el rendimiento académico de los estudiantes de la Universidad Nacional Intercultural Fabiola Salazar Leguía de Bagua (UNIFSLB) en la asignatura Matemática. Esta investigación presenta un enfoque cuantitativo, no experimental, de tipo proyectiva y predictiva; se elaboró un cuestionario de respuestas dicotómicas para recolectar información de los factores que influyen en el rendimiento académico(RA). Para la validación del cuestionario se utilizó el criterio de juicio de expertos, y para la confiabilidad la prueba Kuder-Richarson (coeficiente de confiabilidad de 0.82). La población de estudio quedó constituida por 397 estudiantes de la UNIFSLB. El modelo de RNA se diseñó en el software MATLAB, el ajuste del modelo se realizó teniendo en cuenta el error cuadrático medio (0.27) y el coeficiente de correlación ponderado durante el entrenamiento, validación y prueba (0.92%). El modelo de RNA con los mejores resultados en la predicción está constituido por tres capas ocultas (35-42-31 neuronas en cada capa oculta) y una capa de salida (1 neurona). Se concluyó que es posible implementar un modelo de RNA con factores endógenos y exógenos para predecir el RA de los estudiantes.

DSpace software copyright © 2002-2026 LYRASIS

  • Cookie settings
  • Accessibility
  • Send Feedback