Modelo de aprendizaje automático para clasificación del desempeño docente en una universidad, Chimbote, 2024
| dc.contributor.advisor | Villarreal Torres, Henry Henry | |
| dc.contributor.author | Aquino Gonzales, Corina Aracelli | |
| dc.date.accessioned | 2025-05-12T11:06:35Z | |
| dc.date.accessioned | 2025-06-12T20:03:11Z | |
| dc.date.available | 2025-05-12T11:06:35Z | |
| dc.date.available | 2025-06-12T20:03:11Z | |
| dc.date.issued | 2025-03-03 | |
| dc.description.abstract | El proyecto tuvo como objetivo desarrollar un modelo innovador basado en aprendizaje automático para clasificar el desempeño docente. Este modelo está diseñado para optimizar los procesos evaluativos mediante técnicas avanzadas de minería de datos. La investigación es de tipo aplicada, orientada a la resolución de problemas prácticos mediante el uso de herramientas tecnológicas avanzadas. Con un enfoque predictivo, se busca identificar patrones y tendencias mediante el análisis de datos. El diseño no experimental transversal permite observar y analizar las variables sin manipulación directa. La población consta de 800 registros de desempeño docente recopilados durante el año 2024. Debido a la disponibilidad completa de los datos, no se seleccionará muestra, la recolección de datos se realizará mediante la técnica de análisis documental, utilizando una ficha estructurada que será previamente validada por un panel de expertos y sometida a pruebas piloto para medir su confiabilidad y consistencia. Concluyendo que se determinó que la realización de actividades de investigación emergió como el factor más influyente, evidenciado por el valor más alto de Information Gain (0.067) y un destacado puntaje ReliefF (0.146). La adscripción a la Facultad de Ciencias de la Salud se posicionó como el segundo factor más relevante, con un Information Gain de 0.040 y un valor chi-cuadrado de 561.130, sugiriendo que las exigencias específicas de las carreras de salud podrían generar un entorno más propicio para la excelencia docente. | es_ES |
| dc.description.uri | Tesis | es_ES |
| dc.format | application/pdf | es_ES |
| dc.identifier.uri | https://hdl.handle.net/20.500.12976/26575 | |
| dc.language.iso | spa | es_ES |
| dc.publisher | Universidad San Pedro | es_ES |
| dc.publisher.country | PE | es_ES |
| dc.rights | info:eu-repo/semantics/openAccess | es_ES |
| dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | es_ES |
| dc.source | Universidad San Pedro | es_ES |
| dc.source | Repositorio Institucional - USP | es_ES |
| dc.subject | Aprendizaje automático | es_ES |
| dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | es_ES |
| dc.title | Modelo de aprendizaje automático para clasificación del desempeño docente en una universidad, Chimbote, 2024 | es_ES |
| dc.type | info:eu-repo/semantics/masterThesis | es_ES |
| renati.advisor.dni | 32948880 | es_ES |
| renati.advisor.orcid | 0000-0002-5989-4534 | es_ES |
| renati.discipline | 612037 | |
| renati.juror | Angeles Morales, Julio Julio | es_ES |
| renati.juror | Cruz Cruz, Oscar Oscar | es_ES |
| renati.juror | Vigo Bardales, Luis Luis | es_ES |
| renati.level | https://purl.org/pe-repo/renati/level#maestro | |
| renati.type | https://purl.org/pe-repo/renati/type#tesis | |
| thesis.degree.discipline | Maestria | es_ES |
| thesis.degree.grantor | Universidad San Pedro. Escuela De Postgrado | es_ES |
| thesis.degree.level | Maestria | es_ES |
| thesis.degree.name | Maestro En Ingeniería Informática Y De Sistemas Con Mención En Gestión De Tecnologías De Información Y Comunicaciones | es_ES |
| thesis.degree.program | Maestria | es_ES |