Predicción de resultados de la prueba saber once mediante un modelo matemático ajustado a redes neuronales.

Bautista Guachavez, Gloria Esperanza

Predicción de resultados de la prueba saber once mediante un modelo matemático ajustado a redes neuronales.

dc.contributor.advisor	Romero Ospina, Manuel Francisco
dc.contributor.author	Bautista Guachavez, Gloria Esperanza
dc.coverage.spatial	Bogotá, D.C. - Colombia
dc.creator.email	gebautistag@libertadores.edu.co
dc.date.accessioned	2024-07-11T20:35:53Z
dc.date.available	2024-07-11T20:35:53Z
dc.date.issued	2024-05
dc.description.abstract	Contexto. La prueba PISA, organizada por OCDE, junto con la prueba saber once, encaminan a fortalecer el aprendizaje en los estudiantes y la enseñanza en las instituciones educativas. Muchos investigadores resaltan esta importancia, realizando estudios concernientes a las posibles causas que pueden explicar los resultados de estas pruebas, en primer lugar, abordan la temática realizando un estudio estadístico, para trabajar con un modelo matemático predictorio, de esta manera, llegan a exponer la explicación a los datos obtenidos en las pruebas. Con base a lo anterior, en el que el aspecto socioeconómico puede ser una variable que influye en la prueba, en esta propuesta, se formula la hipótesis, la cual, permitirá estimar los resultados de la prueba saber once con un modelo matemático referente a red neuronal, el cual, podemos ver el funcionamiento de la neurona durante el procesamiento de la información y su conexión con otras neuronas. Al desarrollar el análisis descriptivo y estadístico a los datos socioeconómicos, se continua con el modelo de regresión múltiple, para analizar la significancia de las variables socioeconómica con la función resultante de los puntajes, luego, se indaga en el modelo de red neuronal, que arroja valores predictorios en el escenario socioeconómico que se analizaran.	spa
dc.description.abstract	Context. The PISA test, organized by the OECD, together with the Saber Eleven test, aim to strengthen learning in students and teaching in educational institutions. Many researchers highlight this importance, carrying out worrying studies on the possible causes that can explain the results of these tests. Firstly, they address the issue by carrying out a statistical study, to work with a predictive mathematical model, in this way, they come to expose the explanation of the data obtained in the tests. Based on the above, in which the socioeconomic aspect can be a variable that influences the test, in this proposal, the hypothesis is formulated, which will allow estimating the results of the know once test with a mathematical model referring to red. neuronal, which we can see the functioning of the neuron during information processing and its connection with other neurons. When developing the descriptive and statistical analysis of the socioeconomic data, the multiple regression model is continued to analyze the significance of the socioeconomic variables with the resulting function of the scores, then the neural network model is investigated, which yields predictive values in the socioeconomic scenario being analyzed.	eng
dc.description.degreelevel	Especialización
dc.format	PDF
dc.identifier.uri	http://hdl.handle.net/11371/6994
dc.language.iso	spa
dc.rights.accessrights	OpenAccess
dc.subject.lemb	Matemáticas	spa
dc.subject.lemb	Pedagogía - Colombia	spa
dc.subject.lemb	Estadística matemática	spa
dc.subject.lemb	Análisis estadístico multivariable	spa
dc.subject.proposal	Modelo Matemático	spa
dc.subject.proposal	Red neuronal	spa
dc.subject.proposal	Regresión Múltiple	spa
dc.subject.proposal	Análisis Descriptivo y Estadístico	spa
dc.subject.proposal	Mathematical Model	eng
dc.subject.proposal	Neural Network	eng
dc.subject.proposal	Multiple Regression	eng
dc.subject.proposal	Descriptive and Statistical Analysis	eng
dc.title	Predicción de resultados de la prueba saber once mediante un modelo matemático ajustado a redes neuronales.	spa
dc.title	Prediction of the results of the saber once test by means of a mathematical model adjusted to neural networks.	eng
dc.type	bachelor thesis