Modelo de minería de datos educativos utilizando máquina de vectores de soporte para la evaluación del rendimiento académico de los estudiantes

En el panorama educativo, la minería de datos educativos ha surgido como una herramienta indispensable para las instituciones que buscan ofrecer educación excepcional y de alta calidad. Sin embargo, los datos educativos revelaron un rendimiento académico subóptimo entre una parte significativa de la población estudiantil, lo que resultó en un retraso en la graduación. Esta investigación experimental tiene como objetivo general evaluar los resultados de graduación de los estudiantes. Mientras tanto, el objetivo específico es predecir el rendimiento académico de los estudiantes aplicando el modelo de máquina de vectores de soporte (SVM) basado en técnicas de muestreo. El modelo propuesto se evalúa utilizando conjuntos de datos provenientes de una de las Universidades Islámicas Estatales. El conjunto de datos tiene tanto estados de graduación a tiempo como retrasados. Los resultados muestran que el modelo de máquina de vectores de soporte basado en el muestreo aleatorio del conjunto de datos de lengua y literatura árabe (BSA) produce un rendimiento excelente en ambas pruebas con valores de precisión superiores al 90% y un área bajo la curva (AUC) superior a 0.9. Mientras tanto, el conjunto de datos de gestión de educación islámica (MPI) produce un rendimiento excelente al aplicar una máquina de vectores de soporte basada en muestreo estratificado con valores de precisión superiores al 90% y AUC superior a 0.9. Por lo tanto, se puede concluir que el modelo propuesto tiene un rendimiento excelente y confiable.