000			01914nam a2200181Ia 4500
003			pecaunac
005			20250423112941.0
008			250423s9999||||xx |||||||||||||| ||und||
040			_apecaunac _bspa
082			_aT/620.092/Z75
100			_aZevallos Salazar, Rodolfo Joel
245		0	_aPredicción del rendimiento académico mediante redes neuronales
264			_aCallao-Perú _c2017
300			_a98
520			_aEn la actualidad el Perú es uno de los países que se encuentra en los últimos puestos con un índice de nivel académico muy bajo según el PISA de la Organización para la Cooperación y el Desarrollo Económicos. Las instituciones educativas realizan pruebas psicológicas a los estudiantes que tienen bajo rendimiento académico de forma posteriori, es decir, luego de conocer el rendimiento que tuvo a lo largo de un periodo para tomar medidas correctivas en el estudiante. El objetivo de la investigación es crear una red neuronal para predecir el rendimiento académico de los estudiantes del nivel primario del distrito de Ventanilla. Los factores que influyen el rendimiento académico de los estudiantes del nivel primario se clasifican en 2 (factores alterables y factores no alterables). Del total de factores en el rendimiento académico de los estudiantes del nivel primario solo se tomaron en cuenta 33 de un total de 47.Se creó una arquitectura de red neuronal, utilizando el perceptrón milticapa con algoritmo de aprendizaje de resilient backpropagation y funcióm de activación la tangente hiperbólica. La arquitectura de red neuronal tiene 3 capas ocultas, bias para mejorar la performance de la arquitectura y como parámetro de error de aceptación hasta 2%.Finalmente, la red neuronal artificial obtubo resultados de un 2% de error absoluto en el entrenamiento y un grado de validez de un 84%.
856			_uhttps://hdl.handle.net/20.500.12952/2728
942			_cT
999			_c76825 _d76825