Feature Selection That Defines the Performance of University Students in the Use of LMS Platforms Applying Machine Learning Algorithms

En este documento se presenta la aplicación de algoritmos de aprendizaje automático para identificar los atributos más relevantes que definen el desempeño de estudiantes universitarios en el uso de sistemas de administración del aprendizaje. Se recolectaron datos de tres fuentes incluyendo la plataforma Brightspace y sistemas ERP de una Universidad Colombiana. Se utilizó un conjunto de datos de 99,826 registros con 24 atributos. La metodología KDD (Knowledge Discovery in Databases) permitió identificar los atributos más relevantes a partir de la aplicación de los algoritmos selección de atributos y árboles de decisión. Se identificó que los primeros cinco atributos más relevantes son: Nota, días_sin_ingreso_curso, semestre dias_sin_ingreso_plataforma, nombre_curso. Estos hallazgos favorecen la identificación sobre que la interacción en la plataforma juega un papel preponderante en el desempeño del estudiante, es decir, la interacción frecuente determina la acreditación del curso.