Mostrar el registro sencillo del ítem

dc.contributor.advisorSoria Solis, Ivanes_PE
dc.contributor.authorFlores Moscoso, Geraldine Nilaes_PE
dc.date.accessioned2024-09-04T15:29:06Z
dc.date.available2024-09-04T15:29:06Z
dc.date.issued2024
dc.identifier.urihttps://hdl.handle.net/20.500.14168/849
dc.description.abstractLa presente investigación se enfoca en la predicción del nivel de estrés académico en estudiantes de la Universidad Nacional José María Arguedas mediante la aplicación de un modelo de inteligencia artificial. El objetivo principal es desarrollar un modelo capaz de predecir el nivel de estrés académico en los estudiantes, utilizando técnicas de inteligencia artificial. Para lograr este objetivo, se recopilaron datos de una muestra representativa de estudiantes de la UNAJMA, incluyendo variables relacionadas con el estrés académico, como la carga de trabajo, la presión académica, la calidad del sueño y la aplicación del inventario SISCO. Estos datos se utilizaron para entrenar y validar un modelo de inteligencia artificial, específicamente un modelo de aprendizaje automático. El modelo de inteligencia artificial fue diseñado siguiendo las etapas de la metodología CRISP-DM (Cross Industry Standard Process for Data Mining), para analizar los datos recopilados y generar predicciones lo más exactas posible sobre el nivel de estrés académico de los estudiantes. Además, se llevaron a cabo pruebas y validaciones exhaustivas para evaluar la exactitud del modelo. Los resultados obtenidos mostraron que el modelo de inteligencia artificial fue capaz de predecir el nivel de estrés académico en los estudiantes de la UNAJMA con una exactitud significativa. Estos hallazgos tienen importantes implicaciones para el desarrollo de estrategias de intervención temprana y programas de apoyo dirigidos a reducir el estrés académico en los estudiantes universitarios, brindando además una base sólida para futuras investigaciones.es_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Nacional José María Arguedases_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectPredicción,es_PE
dc.subjectnivel de estrés académico,es_PE
dc.subjectestudiantes,es_PE
dc.subjectmodelo de inteligencia artificial.es_PE
dc.titlePredicción del nivel de estrés académico en estudiantes de la Universidad Nacional José María Arguedas aplicando un modelo de inteligencia artificiales_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.nameIngeniero Sistemases_PE
thesis.degree.grantorUniversidad Nacional José María Arguedas, Facultad de Ingenieríaes_PE
thesis.degree.disciplineIngeniería Sistemases_PE
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_PE
dc.publisher.countryPEes_PE
renati.author.dni70420760
renati.advisor.dni40725333
renati.advisor.orcidhttps://orcid.org/0000- 0003-4202-9402es_PE
renati.typehttps://purl.org/pe-repo/renati/type#tesises_PE
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_PE
renati.discipline612076es_PE
renati.jurorCarrión Abollaneda, Richardes_PE
renati.jurorFarfán Inca Roca, Jesúses_PE
renati.jurorManejes Palomino, Neptalíes_PE
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.04es_PE


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(es)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess
Universidad Nacional José María Arguedas

Jr. Juan Francisco Ramos N° 380. Andahuaylas - Apurimac - Perú | Telf. 083-422176 anexo 1000

Todos los contenidos de repositorio.unajma.edu.pe están bajo la Licencia Creative Commons

Contacto: repositorio@unajma.edu.pe