(Mg.) Maestría en Ciencias con mención en Tecnología de la Información

Browse

Browsing (Mg.) Maestría en Ciencias con mención en Tecnología de la Información by Subject "Aprendizaje"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Algoritmos de aprendizaje automático supervisado en la predicción del rendimiento académico
    (Universidad Nacional de San Martín. Fondo Editorial, 2022-11-09) Montilla Garcia, Henrry; Valles Coral, Miguel Angel
    El objetivo general fue analizar la eficiencia de los algoritmos de aprendizaje automático supervisado en la predicción del rendimiento académico en matemática de los estudiantes del quinto grado de secundaria de la I. E. “Santa Rosa”, y los objetivos específicos: predecir el rendimiento académico para el 2021 con el algoritmo de aprendizaje automático supervisado más eficiente; determinar la relación entre las calificaciones del 2010 al 2020 y la predicción del rendimiento académico para el 2021; y pronosticar el rendimiento académico en matemática desde 2021 al 2027. La investigación fue de tipo básica, nivel descriptivo, compuesto, predictivo, no experimental. La muestra censal fue de 2933 estudiantes. La hipótesis general planteó que existen algoritmos de aprendizaje automático supervisado que predicen el rendimiento académico en matemática de los estudiantes del quinto grado, con una eficiencia mayor o igual al 95%. La investigación concluyó con que hay algoritmos de aprendizaje automático supervisado que predicen el rendimiento académico con eficiencias mayores o iguales al 95%. Además, la predicción del rendimiento académico para el 2021 en matemática es confiable con el 100% de aciertos, usando el algoritmo de aprendizaje automático supervisado K vecinos más cercanos, como el más eficiente; no existe una relación significativa entre las calificaciones del 2010 al 2020 y la predicción del rendimiento académico para el 2021 con el algoritmo K vecinos más cercanos; y el pronóstico del rendimiento académico en matemática del 2021 al 2027 tiene una tendencia positiva e incremental.
  • Thumbnail Image
    Item
    Deep Learning y el proceso de aprendizaje en los estudiantes de nivel secundario de la Institución Educativa Juan Miguel Pérez Rengifo, Tarapoto, 2022
    (Universidad Nacional de San Martín. Fondo Editorial, 2025-02-07) Rios del Aguila, Victor Luis; Riascos Armas, Juan Orlando
    El propósito de la investigación fue establecer la relación entre la utilización de una Deep Learning en el proceso de aprendizaje en los estudiantes de nivel secundario de la Institución Educativa Juan Miguel Pérez Rengifo, utilizándose un enfoque cuantitativo, con un diseño de estudio no experimental de corte transversal y un nivel correlacional, encuestando a 217 involucrados en el estudio mediante un cuestionario como método de recolección de datos, los resultados del estudio señalan una conexión significativa entre el uso del sistema con Deep Learning y su impacto en el proceso de aprendizaje en los estudiantes de nivel secundario de la Institución Educativa Juan Miguel Pérez Rengifo, destacando una relación positiva muy fuerte (correlación de 0.877) entre el uso de la Deep Learning y su impacto en el proceso de aprendizaje, obteniendo una significancia estadística obtenida de p<0.001; en resumen, los resultados sugieren que el impacto de la Deep Learning sobre el proceso de aprendizaje influyen positivamente, implicando que su uso efectivo del Sistema con Deep Learning probablemente resulte en un desempeño óptimo en el aprendizaje de los estudiantes de la Institución Educativa Juan Miguel Pérez Rengifo.
  • Thumbnail Image
    Item
    Uso de las TICs en el proceso de enseñanza y aprendizaje en docentes de áreas urbanas y rurales, UGEL-SM 2022
    (Universidad Nacional de San Martín. Fondo Editorial, 2022-11-21) Torres Delgado, Wilson; Garcia Castro, Juan Carlos
    Este trabajo investigativo tuvo como objetivo comparar el uso de las TICs en el proceso de enseñanza y aprendizaje en docentes de áreas urbanas y rurales, UGEL-SM 2022. Se desarrolló una investigación de tipo básica, que responde a un diseño no experimental de nivel descriptivo comparativo. Mediante un muestreo probabilístico aleatorio simple, la muestra seleccionada estuvo delimitada por 70 docentes de zona urbana y 70 docentes de zona rural en el nivel de Educación Secundaria, cuyo instrumento de recojo de datos fue el cuestionario de preguntas con escala tipo Likert. Los resultados fueron procesados mediante el Software SPSS 27; donde a través de la prueba estadística “t” Student se determinó que el uso de las TICs como estrategia de enseñanza y aprendizaje según las dimensiones de docente y estudiante se diferencian significativamente en locales educativos de zona urbana y rural (Sig.<0.05); mientras que en las dimensiones de contenido y variables ambientales no presentan una diferencia considerativa (Sig.<0.05). En tal sentido, se concluyó que, si existe una diferencia significativa en el uso de las TICs en el proceso de enseñanza y aprendizaje en docentes de áreas urbanas y rurales, UGEL-SM 2022; dado que se obtuvo un p-valor menor a 0.05 (Sig.=0.000) y un valor Z significativo que está en la zona rechazo de la decisión probabilística (Zc=3.58 > Zt=1.66). Asimismo, se encontró una diferencia considerativa en las medias obtenidas de puntajes para docentes ubicados en la zona urbana (71.671) y zona rural (59.643).