2026-05-05T18:39:43Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/788712025-10-21T19:04:11Zcom_10324_38col_10324_787
Observación del trabajo y circustancias sociales de los alumnos y análisis mediante IA
Cepeda Nieto, Alberto
González Delgado, Manuel Ángel
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.
2025
info:eu-repo/semantics/masterThesis
spa
Departamento de Física Aplicada
https://uvadoc.uva.es/handle/10324/78871
https://uvadoc.uva.es/bitstream/10324/78871/3/license.txt
289d98c1665ee0d20312360f0e8643c8
https://uvadoc.uva.es/bitstream/10324/78871/1/TFM-G2173.pdf
cd790cecdabf36c5f9274459e839b370
Attribution-NonCommercial-NoDerivatives 4.0 Internacional