Trujillo Zapata, Ana María

Profile Picture

Filters

20201
Reset filters

Settings

Citations

Publication Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Publication
    Análisis estadístico de los requisitos matemáticos para estudiantes de nuevo ingreso en la UPRM
    (2020-12-11) Trujillo Zapata, Ana María; Macchiavelli, Raúl E.; College of Arts and Sciences - Sciences; Lorenzo González, Edgardo; Torres Saavedra, Pedro A.; Department of Mathematics; Parés, Carmen P.
    En este trabajo se usó la base de datos de estudiantes de nuevo ingreso proporcionada por la Oficina de Planificación, Investigación y Mejoramiento Institucional (OPIMI) del Recinto Universitario de Mayagüez. Se buscó establecer qué características de los estudiantes y desempeño académico de cursos anteriores influyen en la probabilidad de aprobar un curso de matemáticas. También se estudian variables asociadas al número de repeticiones hasta aprobar un curso y se buscó establecer un criterio nuevo de selección que permita clasificar los estudiantes de nuevo ingreso del RUM en los cursos de matemáticas, teniendo en cuenta el promedio entre el puntaje obtenido en la prueba de aprovechamiento matemático (APR) y el puntaje obtenido en la prueba de aptitud matemática (APT) del CEEB. Se usaron árboles de clasificación, el modelo logístico-normal y Poisson. Una de las ventajas de estos métodos es que permiten analizar el rendimiento de los estudiantes en los cursos Precálculo I, Precálculo II y Cálculo I según los criterios de selección establecidos por el RUM. El modelo logístico-normal se usó para modelar la probabilidad de aprobar por primera vez los cursos de matemáticas. Los árboles de clasificación se usaron para establecer criterios nuevos de ubicación de los estudiantes. El árbol de clasificación seleccionado sugiere que el puntaje del índice general de solicitud (IGS) y el promedio entre (puntaje obtenido en la prueba de aprovechamiento matemático (APR) y el puntaje obtenido en la prueba de aptitud matemática (APT)) son las dos variables más relevantes para predecir la nota obtenida la primera vez que se toma Precálculo I. Por último, se ajustaron tres modelos de regresión Poisson por curso para determinar las variables que se relacionan con el número de repeticiones por estudiante basado en los árboles de decisión y la nota obtenida en los cursos Precálculo I, Precálculo II y Cálculo I. Al final se recomienda un nuevo algoritmo para ubicar los estudiantes y se discute sus implicaciones en el proceso de admisión.