Publication:
Calidad educativa en Cali Colombia: desarrollo de una aplicación web basada en el sistema inmunitario y machine learning para mejorar el rendimiento en las pruebas saber 11

Thumbnail Image
Files

Files

Conejo, Yeison-2025.pdf (936.07 KB)
 Autorización .pdf (146.88 KB)
View Statistics
Reference Managers
Mendeley
Indexers
Google Scholar CORE
QR Code
QR Code
Authors

Authors

Conejo Sandoval, Yeison Eduardo
Abstract (Spanish)
Este trabajo propone el desarrollo de un prototipo de aplicación web basado en conceptos del sistema inmunitario y modelos de machine learning, con el objetivo de mejorar los resultados de las pruebas Saber 11 en Colombia. La aplicación identifica factores clave que afectan el rendimiento académico, predice los resultados de las pruebas y evalúa el impacto de intervenciones educativas. Inspirada en el sistema inmunitario, detecta "fallas" en el sistema educativo, como bajos niveles de lectura o acceso limitado a recursos y sugiere estrategias correctivas.
Abstract (English)
This study proposes the development of a web application prototype based on concepts from the immune system and machine learning models, aimed at improving the results of the Saber 11 tests in Colombia. The application identifies key factors affecting academic performance, predicts test outcomes, and evaluates the impact of educational interventions. Inspired by the immune system, it detects "failures" in the educational system, such as low reading levels or limited access to resources, and suggests corrective strategies.
Director

Advisors/Directors

Santos Hernández, Andrés Felipe
Sarmiento Espinosa, Hugo Rene
Extent
84 páginas
URI: https://repositorio.escuelaing.edu.co/handle/001/3654
Collections

Collections

GD - Trabajos de Grado Maestría en Ingeniería Industrial
References

Acosta, E., & Ramirez, A. (2020). Estudio comparativo de técnicas de analítica del aprendizaje para predecir el rendimiento académico de los estudiantes de educación superior. Humanidades y ciencias de la conducta, 63-74.

Báez, L. (2020). Confiabilidad de las pruebas estandarizadas que se aplican en Colombia para medir y evaluar la calidad de la educación. Revista espacios.

Baeza, J. (Enero de 2020). Repositorio UNAB Chile. Obtenido de https://repositorio.unab.cl/xmlui/handle/ria/35773: https://repositorio.unab.cl/xmlui/handle/ria/35773

Bedoya, J. (2015). Calidad educativa en la comuna 13 de Cali, medido a través del puntaje obtenido en las pruebas ICFES saber 11° del año 2013, segundo periodo. Santiago de Cali, Valle del Cauca, Colombia: Universidad del Valle.

Buizza, C., Dagani, J., Ferrari, C., Cela, H., & Ghilardi, A. (2022). Machine learning approaches to identify profiles and predictors of psychosocial discomfort among Italian college students. Salud mental, 213-226.

Cardozo, S., Silveira, A., & Fonseca, B. (2022). Detección temprana del riesgo escolar. Predicción de trayectorias de rezago en la educación primaria en Uruguay mediante técnicas de machine learning. Revista latinoamericana de estudios educativos, 297-326.

Chen, T., & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785-794.

DANE. (2021). Encuesta de tecnologías de la información y las comunicaciones en hogares ENTIC hogares 2021. Bogotá: MinTic.

Darmoul, S., Pierreval, H., & Hajri - Gabouj, S. (2013). Handling disruptions in manufacturing systems: An immune perspective. Engineering Applications of Artificial Intelligence, 110121.

Demarchi, G. D. (2020). La evaluación desde las pruebas estandarizadas en la educación en Latinoamérica. En contexto, 107-133.

Díaz, M., & Tobar, J. (Febrero de 2016). Causas de las diferencias en desempeño escolar entre colegio públicos y privados: Colombia en las pruebas saber 11 2014. Bogotá, Bogotá, Colombia: Pontificia Universidad Javeriana.

Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From Data Mining to Knowledge Discovery in Databases. AI Magazine, 37-54.

Friedman, J. (2001). GREEDY FUNCTION APPROXIMATION: A GRADIENT BOOSTING MACHINE. The Annals of Statistics, 1189-1232.

González, D. (Julio de 2022). Efectos de la presencia de cultivos de coca en el desempeño académico de niñas, niños y jóvenes en Colombia. Efectos de la presencia de cultivos de coca en el desempeño académico de niñas, niños y jóvenes en Colombia. Bogotá, Bogotá, Colombia: Pontificia Universidad Javeriana.

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. Montreal: MIT Press.

ICFES. (2020). Guia de orientación saber 11.°. 2021, 1. Bogota: ICFES.

ICFES. (2022). Informe nacional de resultados del examen Saber 11° 2021.

ICFES. (28 de Febrero de 2023). Reporte de resultados por aplicación del Examen Saber 11° para Municipio. Cali, Valle del Cauca, Colombia: ICFES.

Kuz, A., & Morales, R. (24 de Julio de 2023). https://orcid.org/0000-0002-8696-0859. Obtenido de Universidad de Monterrey: https://orcid.org/0000-0002-8696-0859

Larrarte, C. (14 de Diciembre de 2022). Minería de Datos Educativos (EDM): análisis de los factores determinantes que influyeron el desempeño de las pruebas SABER en Cundinamarca (Colombia) entre 2017 a 2021 . Bogotá, Bogotá, Colombia: Escuela Colombiana de Ingeniería Julio Garavito.

Martienez, C. (28 de Agosto de 2022). icfes.gov.co. Obtenido de ICFES: https://www.icfes.gov.co/

Martínez, J. (16 de Noviembre de 2019). Datasmarts. Obtenido de https://datasmarts.net/es/quees-el-accuracy/

MEN. (2022). ABC de la prueba PISA 2022. Obtenido de https://www.mineducacion.gov.co/

Ministerio de Educación Nacional. (10 de Agosto de 2023). Mineducación Colombia. Obtenido de Mineducación Colombia: https://www.mineducacion.gov.co/portal/salaprensa/Comunicados/416324:Cerca-de-660mil-personas-fueron-citadas-para-presentar-las-pruebas-Saber-11-calendario-A

Mora, J. (2022). Proyecciones de la ciencia de datos en la cirugía cardíaca. Revista médica clínica las Condes, 294-306.

Newbold, P., Carlson, W., & Thorne, B. (2008). Estadistica para administración y economía. Madrid: Pearson educación S.A.

Orobio Montaño, A., & Zapata Castañeda, P. N. (2017). Influencia curricular en el desempeño en el área de matemáticas de las pruebas PISA (2012). TED, 97-113.

Otero, F. (2019). Brecha en el desempeño escolar entre grupos Iindígenas del Cauca y Nariño: un análisis de descomposición Oaxaca-Blinder. Cali, Valle del Cauca, Colombia: Universidad del Valle.

Pinto, R., & Goncalvez, G. (2022). Application of Artificial Immune Systems in Advanced Manufacturing. Array.

Powers, D. (2020). EVALUATION: FROM PRECISION, RECALL AND F-MEASURE TO ROC, INFORMEDNESS, MARKEDNESS & CORRELATION. Journal of Machine Learning Technologies, 37-63.

Rastrollo, J., Gómez, J., & Arturo , D. (2020). Analyzing and Predicting Students’ Performance by Means of Machine Learning: A Review. Applied sciences, 2-16.

Romero, V. (14 de Febrero de 2018). Unicef Colombia. Obtenido de https://www.unicef.org/colombia/educacion

Rubio, A., & Esquivel, N. (Mayo de 2022). ¿Cuáles son los mejores predictores del valor agregado en el desempeño académico en Colombia? Una aplicación de Machine Learning. Bogota, Bogota, Colombia: Pontificia Universidad Javeriana.

Sokolova, M., & Lapalme, G. (2009). A systematic analysis of performance measures for classification tasks. Information Processing and Management, 427-437.

Sotiropoulos, D., Giatzitzoglou, D., & Tsihrintzis, G. (2024). Adaptive boundary-aware artificial immune recognition system for data classification. Information Sciences.

Suárez, D. (2022). Aplicación de técnicas Data Mining para el análisis del desempeño escolar en Cundinamarca (Colombia) 2015 a 2019. Bogota, Bogota, Colombia: Escuela Colombiana de Ingeniería Julio Garavito.

Tharwat, A. (2021). Classification assessment methods. Applied Computing and Informatics, 168192.

Timaran Pereira, S., Hernandéz Arteaga, I., Caicedo Zambrano, S., Hidalgo Troya, A., & Alvarado Perez, J. (2016). El proceso de descubrimiento de conocimiento en bases de datos. Ediciones Universidad Cooperativa de Colombia, 63-86.

Vera, A., & Sandoval, F. (1 de Agosto de 2019). Aglomeración geográfica de colegios y su relación con los resultados en las pruebas académicas de estado: el caso de Bogotá D.C. Bogotá, Bogotá, Colombia: PONTIFICIA UNIVERSIDAD JAVERIANA.

Xue, Y. (2019). An overview of overfitting and its solutions. Journal of Physics, 12-26.