← Volver al registro

Machine Learning aplicado al rendimiento académico en educación superior

Factores, variables y herramientas

Leonardo Emiro Contreras Bravo; Giovanny Mauricio Tarazona Bermúdez; Angie Paola Alemán Cardona

Universidad Distrital Francisco José de Caldas ·Colombia ·Español
Impreso ISBN 9789587875164 E-book ISBN 9789587875171 Impresión bajo demanda ISBN 9789587875164

Licencia de minería de texto y datos

Declarado por la editorial el 30 julio 2026 a las 21:25:41 UTC

Uso no permitido para minería de datos y textos
Impreso 9789587875164 Reserva de derechos en la declaración de copyright (español, inglés y portugués)
E-book 9789587875171 Restricción de uso en metadatos ONIX — minería de texto y datos no permitida
Impresión bajo demanda 9789587875164 Reserva de derechos en la declaración de copyright (español, inglés y portugués)

El titular de derechos se reserva expresamente sus derechos de reproducción, extracción y reutilización para fines de minería de textos y datos (TDM) y de entrenamiento de modelos de inteligencia artificial, de conformidad con el Art. 4(3) de la Directiva (UE) 2019/790, el Art. 53(1)(c) del Reglamento (UE) 2024/1689 (AI Act), el Art. 13 del Acuerdo ADPIC/TRIPS de la OMC, la Decisión Andina 351 de 1993 y las leyes nacionales aplicables en los territorios de residencia del titular, de realización de la reproducción y/o comercialización del Large Language Model u otro tipo de IA resultante.

Esta reserva cubre toda reproducción digital de la obra con independencia del soporte de la copia de origen (impreso o digital) y es efectiva desde la fecha certificada de esta declaración.

En América Latina, donde no existe excepción legal para el entrenamiento de IA, esta declaración constituye evidencia pública de que el titular no ha otorgado autorización. En la Unión Europea, activa la reserva máquina-legible exigida por el Art. 4(3) CDSM y el Art. 53(1)(c) AI Act. En Estados Unidos, señaliza la existencia de un mercado de licencias TDM a efectos del factor 4 del análisis de fair use.

Cualquier uso de la obra para los fines aquí reservados requiere autorización previa y expresa del titular de derechos.

Sello de integridad

Declaración sellada
Sellado de tiempo (RFC 3161) TSA · 30 jul. 2026, 21:25:41 UTC
ISCC (ISO 24138) ISCC:AAATAPXUDX2TRUWY
Titular Universidad Distrital Francisco José de Caldas

Formatos

FormatoISBNRecordreferenceDOIAño
Impreso · ed. 1 9789587875164 SIMEHPRINT5VDGS1SHGHD5LUJJDNYE 2023
E-book · ed. 1 9789587875171 SIMEHEBOOK5003281B977203521FAI 2023
Impresión bajo demanda · ed. 1 9789587875164 SIMEHPOD05VXX2NQ8KT9L1SH1KOB 2023

Sobre esta obra

Las herramientas de aprendizaje automático están siendo muy utilizadas por sus buenas aproximaciones al predecir el rendimiento académico de los estudiantes. Se analiza información de la última década con el objetivo de identificar los factores que influyen sobre el rendimiento académico en el nivel superior, a partir de modelos realizados por medio de técnicas de aprendizaje automático. Se plantea una clasificación en factores académicos, sociodemográficos, de aprendizaje en línea, de gestión académica, psicosocial y de entorno académico. También se identifican los algoritmos más usados en su predicción.Adicionalmente, la detección de las variables que más influyen en el fenómeno permitirá implementar algoritmos de Machine Learning pertenecientes a otras ramas de este campo. Así pues, al ahondar un poco más sobre la aplicación de herramientas de Machine Learning en educación superior, este trabajo servirá a docentes e investigadores que deseen investigar estos temas.

Editorial

Universidad Distrital Francisco José de Caldas · Colombia

Año de publicación

2023

Idioma

Español