Tesis Validadas: 2,591

Tesis de Posgrado: 3,262

Visitas: 404

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/8565
Title: Modelo predictivo de los 16 factores de personalidad para el análisis de la terminación de un estudiante de maestría
Authors: Echeverria Ignacio, Ernesto
metadata.dc.subject.other: 16 PF, Personalidad, Eficiencia terminal, Modelos predictivos, Random Forest
Issue Date: 2024-09-09
Publisher: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Description: 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
Appears in Collections:Tesis de Maestría en Computación

Files in This Item:
File Description SizeFormat 
MC_Ernesto_Echeverria_Ignacio_2024.pdfTesis1.66 MBAdobe PDFView/Open
MC_Ernesto_Echeverria_Ignacio_2024_c.pdfCesión de derechos415.49 kBAdobe PDFView/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons