Identificación de patrones de interacción en cursos MOOC para la predicción del rendimiento académico

Simple item page
dc.contributor.advisorRoa Marín, Henry Nelson
dc.contributor.authorToledo Illescas, María Belén
dc.date.accessioned2025-07-17T20:54:56Z
dc.date.available2025-07-17T20:54:56Z
dc.date.issued2025
dc.description.abstractLos Cursos Masivos Abiertos en Línea (MOOCs) han transformado el acceso a la educación, ofreciendo oportunidades de aprendizaje flexible y a gran escala, sin embargo, enfrentan el desafío de altas tasas de deserción y baja finalización. Este proyecto titulado "Identificación de patrones de interacción en cursos MOOC para la predicción del rendimiento académico" tiene como objetivo desarrollar un modelo predictivo que permita anticipar el rendimiento académico de los estudiantes en MOOCs mediante el análisis de la interacción y participación de los usuarios. Se analizaron las interacciones más frecuentes durante las sesiones de estudio, identificando patrones de aprendizaje diferenciados entre los estudiantes que aprobaron y aquellos que no completaron el curso. A través de herramientas de minería de procesos para comprender sus comportamientos y se evaluaron tres modelos de clasificación: Regresión logística, Máquinas de Soporte Vectorial (SVM) y Árboles de decisión, los resultados demostraron que el modelo de árbol de decisión alcanzó el mejor desempeño (accuracy = 90.86%, F1-score = 90.93%), logrando un equilibrio óptimo entre precisión y sensibilidad, se identificó que los estudiantes con mayor participación en video-lecturas, actividades suplementarias y evaluaciones tienen mayores probabilidades de aprobar el curso, mientras que aquellos con interacciones limitadas o desorganizadas presentan un mayor riesgo de abandono. Se concluye que los modelos predictivos pueden ser herramientas clave para identificar a estudiantes en riesgo y permitir intervenciones tempranas. Como trabajo futuro, se propone la integración del modelo en entornos educativos reales para generar alertas tempranas y recomendaciones en tiempo real, permitiendo a los instructores identificar a estudiantes en riesgo y brindarles apoyo oportuno.
dc.id.advisor1103699524
dc.id.author105380307
dc.identifier.other14726
dc.identifier.urihttps://repositorio.puce.edu.ec/handle/123456789/46321
dc.language.isoes
dc.publisherPUCE - Quito
dc.subjectRendimiento académico
dc.subjectModelo predictivo
dc.subjectPatrones de aprendizaje
dc.subjectRegresión logística
dc.subjectMinería de procesos
dc.subjectCursos Masivos Abiertos en Línea (MOOCs)
dc.titleIdentificación de patrones de interacción en cursos MOOC para la predicción del rendimiento académico
dc.typemasterThesis
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Trabajo de Titulación - Maestría / Toledo Illescas María Belén
Size:
1.26 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Tesis - Maestría en Sistemas de Información mención en Data Science