Andrés Rico Páez

Andrés Rico Páez

Auto-generated profile, based on publicly available information

Andrés Rico Páez

Instituto Politécnico Nacional

Research Focus & Metrics

Academic Career Length

9Years (2018-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
20 April 2022 in IE Revista de Investigación Educativa de la REDIECH
Verified
Journal Article
Open access
PDF file
APAndrés Rico Páez
Andrés Rico Páez
NRNora Diana Gaytán Ramírez
Nora Diana Gaytán Ramírez
The aim of this research is to propose a methodology to build predictive models of academic performance through characteristics of engineering students in our country and to compare the models using different evaluation metrics. In this study, 228 students who are part of a public University in Mexico participated. Data were collected at the beginning of the course and, by means of three machine learning techniques, the predictive models were built. The characteristics of each model were analyzed and a prediction accuracy of around 65% was achieved. The model with the NaÁ¯ve Bayes technique was the most suitable for most of the metrics used in the study, mainly to identify students in danger of failure. In addition, it was found that the current average was the most significant characteristic for the prediction of the academic performance of the students participating in the study. The methodology developed can be replicated for other courses and the characteristics of the students can be collected at the beginning of the course or before, allowing the possibility of carrying out intervention strategies for students in danger of failure.

25 January 2018 in RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo
Verified
Journal Article
Open access
PDF file
APAndrés Rico Páez
Andrés Rico Páez
DGDaniel Sánchez Guzmán
Daniel Sánchez Guzmán
La minería de datos educativa permite extraer conocimiento útil y comprensible a partir de datos académicos para la solución de problemas acerca de diversos procesos de enseñanza y de aprendizaje. Una de las aplicaciones más populares de la minería de datos educativa es la predicción del rendimiento académico. El principal objetivo de este trabajo fue diseñar y automatizar un modelo predictivo del rendimiento académico de estudiantes del Instituto Politécnico Nacional (IPN).Para la construcción del modelo, se analizaron las calificaciones de actividades académicas y la calificación final de 94 estudiantes inscritos en una carrera de ingeniería perteneciente al IPN. Este modelo se aplicó a 86 estudiantes para predecir su rendimiento académico. Posteriormente, se compararon estas predicciones con los resultados reales obtenidos por los estudiantes al final del curso. Se obtuvieron exactitudes de las predicciones de la aprobación del curso de hasta 73%, únicamente con cinco atributos correspondientes a las calificaciones de las actividades académicas iniciales del mismo. Además, se construyó una plataforma que facilita la implementación del modelo para predecir automáticamente el desempeño académico de nuevos estudiantes. También se identificaron las principales actividades académicas que influyen en el desempeño académico a través del valor de las probabilidades del modelo. En particular, los resultados muestran que las actividades 3, 4 y 5 fueron las que influyeron de manera más significativa en la predicción de aprobación de los estudiantes que participaron en este estudio. El desarrollo de este tipo de modelos permite a las instituciones educativas predecir el rendimiento académico de sus estudiantes e identificar los principales factores que influyen en él.

1 May 2022 in Dilemas Contemporáneos: Educación, Política y Valores
Verified
Journal Article
Open access
PDF file
APAndrés Rico Páez
Andrés Rico Páez
NRNora Diana Gaytán Ramírez
Nora Diana Gaytán Ramírez
El principal objetivo de este estudio es diseñar y evaluar modelos de predicción del rendimiento académico utilizando técnicas de aprendizaje automático y las primeras actividades académicas de estudiantes universitarios. Se recabaron las primeras calificaciones de actividades académicas de 260 estudiantes universitarios para entrenar técnicas de aprendizaje automático para predecir el rendimiento académico de 112 estudiantes y comparar con los resultados reales conseguidos terminado el curso. Se obtuvo una exactitud de las predicciones de casi 76% con tan solo pocas actividades académicas al inicio del curso, las cuales son frecuentemente registradas por los profesores facilitando que este tipo de estudio pueda ser replicado en diferentes cursos.