Predicción de desempeño en matemática: ¿redes neuronales o regresión clásica?

Abstract

Modelos predictivos tales como Redes Neuronales Artificiales (RNA) han sido muy utilizados en campos como la ingeniería, meteorología, oceanografía y economía. Resulta un método muy útil para reconocer patrones entre los datos y clasificar futuros resultados. Sin embargo, su estudio y aplicaciones en el ámbito educacional son muy recientes. Estos sistemas simples de proceso interconectados que, operando de forma paralela en varios estilos, consiguen resolver problemas relacionados con diversas aplicaciones: reconocimiento de formas o patrones, predicción, codificación, control y optimización. Las RNA procesan datos a través de entidades de procesamiento múltiples que aprenden y se adaptan acorde a los patrones de las variables de entrada que se le presenta, construyendo una relación matemática para un cierto patrón específico de datos sobre la base de la coincidencia de esas variables con los resultados de salida para cada caso. Objetivo. Comparar el poder predictivo del método de RNA con otros métodos de predicción clásicos (análisis discriminante, regresión múltiple y regresión logística), en su uso para predecir el rendimiento matemático, al considerar variables de tipo cognitivo, de autoregulación, estrategias de aprendizaje y sociodemográficas.