Observación del trabajo y circustancias sociales de los alumnos y análisis mediante IA

Abstract

Este trabajo explora la aplicación de la inteligencia artificial, concretamente modelos de regresión y aprendizaje automático, para predecir el rendimiento académico en Física y Química de alumnos de Educación Secundaria Obligatoria (ESO) en el Colegio San Agustín de Valladolid. A través de Python y bibliotecas especializadas de este, como Scikit-learn, se ha desarrollado un conjunto de modelos que analizan factores personales, familiares y académicos, y son capaces, a partir de dichos factores, de predecir el rendimiento académico del alumno. El estudio muestra cómo el modelo Random Forest es el que mejor precisión logra en la predicción del rendimiento y en especial en el curso de 2ºESO. Este trabajo es una muy buena primera aproximación a los modelos de predicción y accesible para quien quiera introducirse en el análisis predictivo aplicado a la educación mediante inteligencia artificial.

This paper explores the application of artificial intelligence, specifically regression and machine learning models, to predict the academic performance in Physics and Chemistry of students in Compulsory Secondary Education (ESO) at the San Agustín School in Valladolid. Using Python and specialised Python libraries, such as Scikit-learn, a set of models have been developed that analyse personal, family and academic factors, and are capable, based on these factors, of predicting the student's academic performance. The study shows that the Random Forest model is the one that achieves the best accuracy in predicting performance, especially in the second year of secondary school. This work is a very good first approach to prediction models and is accessible to anyone who wants to enter into predictive analysis applied to education using artificial intelligence.