Machine Learning Techniques Applied to Evaluate the Performance and Dropout Prediction of University Student's, A Review.
Técnicas de machine learning aplicadas a la evaluación del rendimiento y a la predicción de la deserción de estudiantes universitarios, una revisión.
| dc.creator | Cruz, Edmanuel | |
| dc.creator | González, Marvin | |
| dc.creator | Rangel, Jose Carlos | |
| dc.date | 2022-02-23 | |
| dc.date.accessioned | 2022-09-12T14:21:51Z | |
| dc.date.accessioned | 2022-09-12T14:29:47Z | |
| dc.date.available | 2022-09-12T14:21:51Z | |
| dc.date.available | 2022-09-12T14:29:47Z | |
| dc.identifier | https://revistas.utp.ac.pa/index.php/prisma/article/view/3039 | |
| dc.identifier | 10.33412/pri.v13.1.3039 | |
| dc.identifier.uri | https://ridda2.utp.ac.pa/handle/123456789/16397 | |
| dc.description | In recent years, Artificial Intelligence (AI) techniques such as Machine Learning (ML) and Deep Learning (DL) have positively impacted the advancement of various fields of knowledge, including education. Education is an important engine of all societies; education allows individuals to be more productive and solve problems more effectively by generally applying creative approaches. In education, the above-mentioned AI techniques have been used for different tasks, among them, student dropout prediction and help to the student’s performance. In this study we will analyze the most relevant works in these fields, giving a perspective of how ML and DL algorithms have influenced education. | en-US |
| dc.description | En los últimos años, técnicas de Inteligencia Artificial (IA) como el aprendizaje automático o Machine Learning (ML) y el Aprendizaje profundo o Deep Learning (DL), han impactado de forma positiva el avance de distintos campos del conocimiento entre ellos la educación. La educación es un importante motor de todas las sociedades, permite a los individuos ser más productivos y resolver problemas con mayor efectividad aplicando generalmente enfoques creativos. En la educación se ha utilizado las técnicas de ML antes mencionadas para distintas tareas entre ellas predicción de deserción y ayuda al rendimiento del estudiante. En este estudio analizaremos los trabajos más relevantes en estos campos, otorgando una perspectiva de cómo han influenciado los algoritmos de ML y DL en la educación. | es-ES |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Universidad Tecnológica de Panamá | es-ES |
| dc.relation | https://revistas.utp.ac.pa/index.php/prisma/article/view/3039/4191 | |
| dc.rights | Derechos de autor 2022 Prisma Tecnológico | es-ES |
| dc.rights | http://creativecommons.org/licenses/by-nc-sa/4.0 | es-ES |
| dc.source | 2312-637X | |
| dc.source | 2076-8133 | |
| dc.source | Prisma Tecnológico; Vol. 13 Núm. 1 (2022): Prisma Tecnológico; 77-87 | es-ES |
| dc.title | Machine Learning Techniques Applied to Evaluate the Performance and Dropout Prediction of University Student's, A Review. | en-US |
| dc.title | Técnicas de machine learning aplicadas a la evaluación del rendimiento y a la predicción de la deserción de estudiantes universitarios, una revisión. | es-ES |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:eu-repo/semantics/publishedVersion |
Files in this item
| Files | Size | Format | View |
|---|---|---|---|
|
There are no files associated with this item. |
|||
This item appears in the following Collection(s)
-
Vol. 13, Núm. 1 (2022): Revista Prisma Tecnológico [19]
En este número presentamos a nuestros lectores varios artículos multidisciplinarios, acompañados de tres entrevistas a reconocidos representantes internacionales de la gestión y divulgación científica, diplomacia científica y popularización de redes científicas.