Estudio del rendimiento académico mediante la comparación de modelos de regresión y árboles de clasificación
| Date | 01 January 2025 |
| Author |
TELOS: Revista de Estudios Interdisciplinarios en Ciencias Sociales
ISSN 1317-0570 / ISSN (e) 2343-5763
Vol.
27
(1)
. Enero-Abril
2025
94
Universidad Privada Dr. Rafael Belloso Chacín, Venezuela
ESTUDIO DEL RENDIMIENTO ACADÉMICO MEDIANTE LA
COMPARACIÓN DE MODELOS DE REGRESIÓN Y ÁRBOLES
DE CLASIFICACIÓN
Johanna Enith Aguilar-Reyes
https://orcid.org/0000-0002-1230-2503
Edwin Fernando Mejía-Peñafiel
https://orcid.org/0000-0001-6888-4621
Tania Paulina Morocho-Barrionuevo
https://orcid.org/0000-0002-1019-6049
Geoconda-Marisela Velasco Castelo
https://orcid.org/0000-0001-8120-1549
RECIBIDO: 15/10/2024 / ACEPTADO: 17/12/2024 / PUBLICADO: 15/01/2025
RESUMEN
Este artículo tiene como objetivo identificar los factores que afectan el rendimiento académico a
partir de la comparación de los modelos de r egresión y árboles de decisión para determinar los
factores que involucra. La metodología adoptada es de naturaleza cuantitativa utilizando modelo
de regresión y árboles de clasificación y la población estudiada incluye a los estudiantes de
nivelación en la carrera de estadística, a quienes se les realizó un análisis exploratorio y
descriptivo, empleando dos métodos estadísticos. Se emplearon dos técnicas de modelado: la
regresión logística multinomial y los árboles de clasificación. Las variables evaluadas incluyeron
factores sociodemográficos, rendimiento académico previo y características del entorno
educativo. Los resultados mostraron que el modelo de regresión logística alcanzó una precisión
del 100% con un área bajo la curva de 1, lo que indica una capacidad perfecta de clasificación.
En comparación, el modelo de árbol de clasificación tuvo una precisión del 70.83 % con un área
bajo la curva de 0.7042, lo que refleja una capacidad moderada de clasificación. A partir de estos
resultados, se identificar on factores clave que afectan el rendimiento académico, como los
Autor de correspondenci a. Ingeniera en Estadística Informática. Máster Universitario en Estadística Aplicada. Docente en la Escuela
Superior Politécnica de Chimborazo – Ecuador. johannae.aguilar@espoch.edu.ec
Ingeniero en Sistemas. Magíster en Informática Aplicada por la Escuela Superi or Politécnica de Chimborazo – Ecuador. Especialista
en Inteligencia Artificial. Docente en la Escuela Superior Politécnica de Chimborazo – Ecuador. efmejia@espoch.edu.ec
Biofísica. Máster Universitario en Estadística Aplicada. Docente en la Escuela Superior Politécnica de Chimb orazo – Ecuador.
tpaulina.morochob@espoch.edu.ec
Ingeniera Mecánica. Magíster en Física Aplicada, mención Física Computacional. Magíster en Gestión Industrial y Sistemas
Productivos. Docente en la Escuela Superior Politécnica de Chimborazo – Ecuador. geoconda.velasco @espoch.edu.ec
Cómo citar: Aguilar-Reyes, J., Mejía-Peñafiel, E., Morocho-Barrionuevo, T., Velasco Castelo, G.
(2025). Estudio del rendimiento académico mediante la comparación de modelos de regresión y árboles
de clasifica ción. Telos: Revista de Estudios Interdisciplinarios en Ciencias Sociales, 27(1), 94-115.
www.doi.org/10.36390/telos271.08
Aguilar-Reyes, Mejía-Peñafiel, Moroch o-Barrionuevo y Velasco Castelo
Vol.
27(1). Enero-Abril 2025
95
hábitos de estudio, el interés en la carrera y aspectos psicológicos. En conclusión, la regresión
logística multinomial fue más eficaz y precisa para analizar las relaciones cuantitativas entre las
variables que afectan el rendimiento académico, superando al método de árboles de
clasificación.
Palabras clave: Rendimiento Académico, Regresión Logística, Árboles De Clasificación, Matriz
De Confusión
Study of academic performance through comparison of regression models and
classification trees
ABSTRACT
This article aims to identify the factors that affect academic performance by comparing regression
models and decision trees to determine the factors involved. The methodology adopted is
quantitative in nature, focused on the collection of numerical data and its statistical analysis, in
order to evaluate the relationsh ips between different variables and determine those factors that
influence academic performance. The population studied includes remedial students in the
statistics career, who underwent an exploratory and descriptive analysis, using two statistical
methods. Two modeling techniques were used: multinomial logistic regression and classification
trees. The variables evaluated included sociodemographic factors, pr evious acade mic
performance, and characteristics of the educational environment. The results showed that the
logistic regression model achieved 100% accuracy with an AUC of 1, indicating perfect
classification ability. In comparison, the classification tree model had an accuracy of 70.83% with
an AUC of 0.7042, reflecting moderate classification ability. From these results, key factor s that
affect academic performance were identified, such as study habits, interest in the career and
psychological aspects. In conclusion, multinomial logistic regression was more effective and
accurate in analyzing the quantitative relationships between the variables that affect academic
performance, outperforming the classification tree method.
Keywords: Academic Performance, Logistic Regression, Classification Trees, Confusion Matrix.
Introducción
El uso de análisis predictivos y modelización estadística puede considerarse un
procedimiento muy útil cuando se trata de interpretar y anticipar comportamientos de datos en
diversos escenarios (Álvarez et al., 2024). En ese sentido, es una valiosa herramienta en el
análisis de aquellos factores que intervienen, positiva o negativamente, en el contexto que rodea
el rendimiento académico de los estudiantes universitarios, bien sea en Ecuador u otros países
latinoamericanos. Al respecto, la comparación de modelos de regresión y árboles de clasificación
puede proporcionar una visión profunda sobre los factores que influyen en el desempeño
académico en las universidades.
De acuerdo con Li zares (2017), en la actualidad existe una preocupación intelectual,
en cuanto a la necesidad de implementar la estadística aplicada en el estudio del rendimiento
académico, ya sea en los niveles medios o universitarios. Se trata de una iniciativa que procura
dotar a las instituciones educativas de las herramientas adecuadas en la predicción de ese
Get this document and AI-powered insights with a free trial of vLex and Vincent AI
Get Started for FreeUnlock full access with a free 7-day trial
Transform your legal research with vLex
-
Complete access to the largest collection of common law case law on one platform
-
Generate AI case summaries that instantly highlight key legal issues
-
Advanced search capabilities with precise filtering and sorting options
-
Comprehensive legal content with documents across 100+ jurisdictions
-
Trusted by 2 million professionals including top global firms
-
Access AI-Powered Research with Vincent AI: Natural language queries with verified citations
Unlock full access with a free 7-day trial
Transform your legal research with vLex
-
Complete access to the largest collection of common law case law on one platform
-
Generate AI case summaries that instantly highlight key legal issues
-
Advanced search capabilities with precise filtering and sorting options
-
Comprehensive legal content with documents across 100+ jurisdictions
-
Trusted by 2 million professionals including top global firms
-
Access AI-Powered Research with Vincent AI: Natural language queries with verified citations
Unlock full access with a free 7-day trial
Transform your legal research with vLex
-
Complete access to the largest collection of common law case law on one platform
-
Generate AI case summaries that instantly highlight key legal issues
-
Advanced search capabilities with precise filtering and sorting options
-
Comprehensive legal content with documents across 100+ jurisdictions
-
Trusted by 2 million professionals including top global firms
-
Access AI-Powered Research with Vincent AI: Natural language queries with verified citations
Unlock full access with a free 7-day trial
Transform your legal research with vLex
-
Complete access to the largest collection of common law case law on one platform
-
Generate AI case summaries that instantly highlight key legal issues
-
Advanced search capabilities with precise filtering and sorting options
-
Comprehensive legal content with documents across 100+ jurisdictions
-
Trusted by 2 million professionals including top global firms
-
Access AI-Powered Research with Vincent AI: Natural language queries with verified citations
Unlock full access with a free 7-day trial
Transform your legal research with vLex
-
Complete access to the largest collection of common law case law on one platform
-
Generate AI case summaries that instantly highlight key legal issues
-
Advanced search capabilities with precise filtering and sorting options
-
Comprehensive legal content with documents across 100+ jurisdictions
-
Trusted by 2 million professionals including top global firms
-
Access AI-Powered Research with Vincent AI: Natural language queries with verified citations
