REDES NEURONALES ARTIFICIALES PARA PREDECIR EL RENDIMIENTO ACADÉMICO DE ESTUDIANTES DE EDUCACIÓN SUPERIOR EN AMÉRICA LATINA. UNA REVISIÓN SISTEMÁTICA DE 2015 - 2023

Abstract

La revisión sistemática destaca la importancia de las redes neuronales artificiales en la predicción del rendimiento académico de estudiantes de educación superior en América Latina entre 2015 y 2023. Se analizaron 25 artículos de investigación de diferentes países, publicados en revistas indexadas en bases de datos como Scopus, ProQuest, Scielo y Dialnet. La mayoría de los estudios utilizaron técnicas de aprendizaje supervisado y modelos de redes neuronales como MLP, RNN, y CNN. Se enfocaron en predecir el rendimiento académico y la identificación de factores que influyen en el desempeño de los estudiantes, como género, edad, ingreso familiar, formación previa, etc. Los resultados indican que las redes neuronales tienen un alto potencial para predecir el rendimiento académico en América Latina. Además, la duración de la mayoría de los estudios fue de 12 a 36 meses, lo que refleja la seriedad y rigor de la investigación en la región.