This article aims to identify the factors that affect academic performance by comparing regression models and decision trees to determine the factors involved. The methodology adopted is quantitative in nature, focused on the collection of numerical data and its statistical analysis, in order to evaluate the relationships between different variables and determine those factors that influence academic performance. The population studied includes remedial students in the statistics career, who underwent an exploratory and descriptive analysis, using two statistical methods. Two modeling techniques were used: multinomial logistic regression and classification trees. The variables evaluated included sociodemographic factors, previous academic performance, and characteristics of the educational environment. The results showed that the logistic regression model achieved 100% accuracy with an AUC of 1, indicating perfect classification ability. In comparison, the classification tree model had an accuracy of 70.83% with an AUC of 0.7042, reflecting moderate classification ability. From these results, key factors that affect academic performance were identified, such as study habits, interest in the career and psychological aspects. In conclusion, multinomial logistic regression was more effective and accurate in analyzing the quantitative relationships between the variables that affect academic performance, outperforming the classification tree method.
Technology Rain Journal ISSN 2953-464X,indexada en Latindex Catálogo 2.0, es una Revista enfocada en el área de Ciencias Informáticas e Ingeniería aplicadas. Posee una periodicidad Semestralcon un volumen anual de dos números . Nuestra revista es editada por la editorial Kolibri, auspiciada por La Red de Investigacion en Ingenieria e Informatica Ri3, el Instituto de Investigaciones Informáticas y Forenses del Ecuador, y otras entidades sin fines de lucro. La Revista publica artículos originales e inéditos, y evaluado en doble ciego. Revista de acceso abierto Licencia Creative Commons Attribution 4.0 International (CC BY 4.0) Recepción permanente de artículos científicos Envios Formato
El análisis predictivo y la modelización estadística son herramientas esenciales para comprender el comportamiento de los datos. Este estudio tiene como objetivo comparar dos métodos estadísticos ampliamente utilizados la regresión logística multinomial y los árboles de clasificación para identificar los factores que influyen significativamente en el rendimiento académico de los estudiantes que ingresan al curso de nivelación de la carrera de Estadística, y desarrollar un modelo aplicable en entornos educativos. La metodología es de tipo cuantitativo, ya que se basa en la recolección de datos numéricos mediante encuestas y su posterior análisis estadístico. Se realizó un análisis exploratorio y descriptivo, orientado a especificar las características y relaciones entre variables sociodemográficas, rendimiento previo y condiciones del entorno educativo. La investigación es experimental por la manipulación de variables, y deductiva, al fundamentarse en principios teóricos. Se utilizaron dos técnicas de modelado: regresión logística multinomial y árboles de clasificación. Los resultados mostraron que el modelo logístico alcanzó una precisión del 100% y un AUC de 1.0, lo que indica una capacidad perfecta de clasificación. En contraste, el árbol de clasificación obtuvo una precisión del 70.83% y un AUC de 0.7042, evidenciando una capacidad moderada. Se concluyó que los factores más influyentes en el rendimiento académico son los hábitos de estudio, el interés en la carrera y aspectos psicológicos. Además, la regresión logística multinomial resultó ser más efectiva y precisa para modelar la relación entre variables y rendimiento académico.
Introducción. Warner (1965) fue pionero en establecer la técnica de respuesta aleatoria para reducir alteraciones de los estimadores por respuestas falsas o condicionadas. A partir de este aporte hubo técnicas posteriores como la técnica de respuesta no relacionada propuesta por Greenberg (1969) y la técnica de respuesta aleatoria de Liu–Chow (1976). Objetivo. Comparar las técnicas de respuesta aleatoria con la técnica de respuesta directa, para estimar la verdadera proporción de las características sensibles en el estudio de violencia de género mientras se protege la privacidad de los encuestados ya que al requerir respuestas directas esta información puede verse alterada. Metodología. Las muestras fueron establecidas para cada técnica, teniendo así un total 998 de una población de 2205 alumnos de la Universidad Nacional de Chimborazo, el cuestionario estuvo compuesto de 15 ítems. Resultados. Las técnicas de respuestas aleatorias revelan un incremento comparando con la técnica de respuesta directa, de acuerdo con las estimaciones e intervalos de confianza obtenidos en los resultados. Conclusión. En definitiva, gracias al estudio realizado se comprueba que es más eficaz la técnica de respuesta aleatoria que la técnica de respuesta directa, porque proporciona mejores estimadores en todas las preguntas sensibles, siendo que en ambas encuestas las preguntas son iguales. También, se pudo corroborar que los encuestados son más reacios a dar su respuesta a través de la respuesta directa porque tal vez los encuestados piensan que su privacidad no está bien protegida con este procedimiento. Este no es el caso en la técnica de Greenberg y Liu–Chow.
Introducción. El presente trabajo describe el modelo de regresión logística multinomial con aplicación a datos reales, utilizando la base de datos del examen Ser bachiller – Ecuador del año lectivo 2018-2019 modelización el nivel de logro alcanzado en la nota del examen de grado, en función de las variables sociodemográficas edad, sexo, provincia, tipo de financiamiento de la institución educativa y autoidentificación étnica. Objetivo. Describir uso y utilidad de los modelos de respuesta nominal y de los de respuesta ordinal, obteniendo sus mejores predictores y estableciendo sus diferencias en la modelación de los datos. Metodología. Para el cálculo se utilizó el software libre R con datos tomados desde el Instituto Nacional de Evaluación Educativa ajustando el modelo de respuesta nominal y ordinal, además aplicando el método stepwise se halla los mejores predictores para el estudio. Resultados. Los resultados indican una correlación positiva y significativa entre el entorno de control y los indicadores ROE y ROA. Conclusiones. Se pudo concluir mediante la aplicación del método stepwise que las variables independientes utilizadas en el estudio son las adecuadas ya que mediante la selección automática en los modelos de respuesta tanto nominal y ordinal dan como predictoras a las mismas variables.