Bibliographic Details
| Title: |
APLICACIÓN DE UN MODELO MATEMÁTICO PARA ANÁLISIS DE DATOS EN LA EVALUACIÓN DEL APRENDIZAJE Y LA GESTIÓN DEL CONOCIMIENTO EN UN INSTITUTO SUPERIOR UNIVERSITARIO. |
| Alternate Title: |
APPLICATION OF A MATHEMATICAL MODEL FOR DATA ANALYSIS IN LEARNING ASSESSMENT AND KNOWLEDGE MANAGEMENT IN A HIGHER EDUCATION INSTITUTE. |
| Authors: |
Villarreal Meza, Dayana Cristina1 cristina.villarreal@unach.edu.ec, Radicelli García, Ciro Diego1 cradicelli@unach.edu.ec |
| Source: |
Ciencia y Educación (2707-3378). Jun2025, Vol. 6 Issue 6, p128-145. 18p. |
| Subject Terms: |
*School dropouts, *Academic achievement, *Accounting students, Logistic regression analysis, Knowledge management |
| Abstract (English): |
This study addressed the need to understand the factors influencing academic performance among first-level students of the Accounting program in the evening shift at a higher education institute. The main objective was to construct and compare mathematical models capable of identifying predictive patterns associated with student approval or failure. A quantitative methodology with an explanatory scope and correlational approach was applied, using binary logistic regression techniques on a purposive sample. Initially, a model focused on learning evaluation was developed, which yielded acceptable adjustment but limited predictive power. Subsequently, a model centered on knowledge management was estimated, from which a reduced version was selected as the optimal result. This model presented outstanding metrics: a low AIC (30.061), a high area under the ROC curve (AUC = 0.9883), and a McFadden R² of 0.8496. Furthermore, the variable "has repeated at least one subject" showed a highly significant negative effect on the probability of approval. These findings confirmed the importance of academic trajectory as a risk indicator, aligning with previous studies on low-performance factors. It was concluded that the reduced model constitutes a robust predictive tool, with potential to support institutional decision-making aimed at strengthening academic support and preventing student dropout. [ABSTRACT FROM AUTHOR] |
| Abstract (Spanish): |
El presente estudio abordó la necesidad de comprender los factores que influyen en el rendimiento académico de estudiantes del primer nivel de la carrera de Contabilidad, jornada nocturna, en un instituto superior universitario. Se planteó como objetivo principal construir y comparar modelos matemáticos que permitan identificar patrones predictivos asociados a la aprobación o reprobación estudiantil. Se aplicó una metodología cuantitativa, de alcance explicativo y enfoque correlacional, utilizando técnicas de regresión logística binaria sobre una muestra intencionada. Inicialmente, se desarrolló un modelo orientado a la evaluación del aprendizaje, que ofreció un ajuste aceptable pero limitado en términos de poder predictivo. Posteriormente, se estimó un modelo centrado en la gestión del conocimiento, del cual se seleccionó una versión reducida como resultado óptimo. Este modelo mostró métricas destacables: un AIC bajo (30.061), un área bajo la curva ROC (AUC) de 0.9883 y un McFadden R² de 0.8496. Además, se identificó que la variable “ha repetido al menos una materia” tuvo un efecto negativo altamente significativo sobre la probabilidad de aprobación. Estos hallazgos confirmaron la importancia de la trayectoria académica previa como indicador de riesgo, coincidiendo con investigaciones previas sobre factores de bajo desempeño. Se concluyó que el modelo reducido constituye una herramienta predictiva sólida, con potencial para apoyar la toma de decisiones institucionales orientadas a fortalecer el acompañamiento académico y prevenir la deserción estudiantil. [ABSTRACT FROM AUTHOR] |
| Abstract (Portuguese): |
O presente estudo abordou a necessidade de compreender os fatores que influenciam o desempenho acadêmico de estudantes do primeiro nível do curso de Contabilidade, no turno noturno, em um instituto superior universitário. O principal objetivo foi construir e comparar modelos matemáticos que permitissem identificar padrões preditivos associados à aprovação ou reprovação estudantil. Aplicou-se uma metodologia quantitativa, de alcance explicativo e enfoque correlacional, utilizando técnicas de regressão logística binária sobre uma amostra intencional. Inicialmente, foi desenvolvido um modelo voltado para a avaliação da aprendizagem, o qual apresentou um ajuste aceitável, porém limitado em termos de poder preditivo. Posteriormente, estimou-se um modelo centrado na gestão do conhecimento, do qual se selecionou uma versão reduzida como resultado ideal. Este modelo apresentou métricas destacadas: um AIC baixo (30.061), uma área sob a curva ROC (AUC) de 0,9883 e um R² de McFadden de 0,8496. Ademais, identificou-se que a variável “repetiu pelo menos uma disciplina” teve um efeito negativo altamente significativo sobre a probabilidade de aprovação. Esses achados confirmaram a importância da trajetória acadêmica anterior como indicador de risco, corroborando investigações anteriores sobre fatores de baixo desempenho. Concluiu-se que o modelo reduzido constitui uma ferramenta preditiva robusta, com potencial para apoiar a tomada de decisões institucionais voltadas ao fortalecimento do acompanhamento acadêmico e à prevenção da evasão estudantil. [ABSTRACT FROM AUTHOR] |
|
Copyright of Ciencia y Educación (2707-3378) is the property of Duanys Miguel Pena Lopez and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.) |
| Database: |
Education Research Complete |
