Resultados

Autores/as

Wildon Rojas Paucar, Universidad Nacional de Moquegua; Alberto Octavio Carranza López, Universidad Nacional Mayor de San Marcos; Alberto Limache Flores, Universidad Nacional de Moquegua; Elena Miriam Chávez Garcés, Universidad Nacional Jorge Basadre Grohmann; Elvis Alberto Pareja Granda, Universidad Nacional de Moquegua

Sinopsis

Este capítulo presenta los resultados y análisis de la investigación sobre la relación entre la productividad educativa y los algoritmos de aprendizaje automático. El análisis descriptivo detalla las percepciones de los 90 estudiantes encuestados sobre dimensiones como aptitud, instrucción, medio ambiente y aprendizaje. El análisis inferencial, mediante la prueba Rho de Spearman, revela una correlación positiva muy alta (0.940) entre ambas variables, confirmando todas las hipótesis específicas. Se concluye que los algoritmos (Decision Trees, Random Forest, Naive Bayes) son predictores efectivos de la productividad educativa, validando estudios previos.

Descargas

Publicado

diciembre 1, 2025

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Cómo citar

Rojas Paucar, W., Carranza López, A. O., Limache Flores, A., Chávez Garcés, E. M., & Pareja Granda, E. A. (2025). Resultados. In Productividad educativa y algoritmos de aprendizaje automático en escuela de ingeniería de sistemas e informática, Universidad Nacional de Moquegua- 2023 (pp. 82-152). Omniscens Publishing. https://doi.org/10.71112/23nxem35