Utilize este identificador para referenciar este registo:
https://rinacional.tecnm.mx/jspui/handle/TecNM/8565
Título: | Modelo predictivo de los 16 factores de personalidad para el análisis de la terminación de un estudiante de maestría |
Autor: | Echeverria Ignacio, Ernesto |
metadata.dc.subject.other: | 16 PF, Personalidad, Eficiencia terminal, Modelos predictivos, Random Forest |
Data: | 2024-09-09 |
Editora: | Tecnológico Nacional de México |
metadata.dc.publisher.tecnm: | Centro Nacional de Investigación y Desarrollo Tecnológico |
Descrição: | La personalidad desempeña un papel fundamental en la eficiencia terminal de los programas de posgrado, y su análisis predictivo puede mejorar significativamente el proceso de selección de estudiantes. Este estudio propone un modelo predictivo basado en la técnica K-nn que utiliza el cuestionario de personalidad 16PF para anticipar la eficiencia terminal de los estudiantes de maestría en el Centro de Investigación y Desarrollo Tecnológico (CENIDET). La metodología comprende tres etapas: recolección y análisis de datos, pre-procesamiento de datos y modelado. Se desarrollaron experimentos utilizando seis algoritmos de minería de datos y se evaluó su desempeño en métricas como precisión, puntuación F1 y Recall. El algoritmo Random Forest demostró el mejor rendimiento, logrando una precisión del 82.35% en la clasificación de eficiencia terminal. Este modelo predictivo tiene el potencial de apoyar a futuros estudiantes en la toma de decisiones informadas sobre sus programas académicos, al tiempo que aumenta la motivación académica. |
metadata.dc.type: | info:eu-repo/semantics/masterThesis |
Aparece nas colecções: | Tesis de Maestría en Computación |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
MC_Ernesto_Echeverria_Ignacio_2024.pdf | Tesis | 1.66 MB | Adobe PDF | Ver/Abrir |
MC_Ernesto_Echeverria_Ignacio_2024_c.pdf | Cesión de derechos | 415.49 kB | Adobe PDF | Ver/Abrir |
Este registo está protegido por copyright original. |
Este registo está protegido por Licença Creative Commons