ANÁLISIS DEL CUESTIONARIO MSLQ-SF MEDIANTE ALGORITMOS DE CIENCIA DE DATOS

Resumen

En el contexto educativo actual, el uso de datos provenientes de instrumentos psicométricos ha sido común para realizar correlaciones y pronósticos. Sin embargo, con la aparición de la Ciencia de Datos Educativos, se ha vuelto esencial emplear técnicas más avanzadas para el análisis de datos educativos. Este estudio se enfoca en el procesamiento del cuestionario MSLQ-SF mediante algoritmos de Ciencia de Datos utilizando Python.   El análisis se lleva a cabo en dos etapas: un Análisis Exploratorio de Datos (EDA) para comprender mejor la información disponible y la aplicación de modelos de Machine Learning para predecir si los estudiantes aprobarán o reprobarán. Se utilizan varios algoritmos, incluyendo Redes Neuronales Artificiales y Regresión Logística, y se evalúan en función de su precisión. Las Redes Neuronales Artificiales son las más precisas con un 76.32%.   El uso de Python y algoritmos de Ciencia de Datos proporciona flexibilidad y personalización en el análisis de datos educativos. Sin embargo, se señalan desafíos como la necesidad de una curva de aprendizaje para los usuarios y la falta de una ecuación matemática específica. Además, se discuten las implicaciones de la interpretación de los resultados y se sugiere que la mejora de la situación depende tanto del compromiso de los estudiantes como del apoyo institucional para abordar las causas subyacentes de los problemas identificados.   Se destaca la importancia de elegir el enfoque correcto (algorítmico o estadístico) según el contexto y subraya las ventajas y desventajas de utilizar Ciencia de Datos en el campo educativo.