Mostrar el registro sencillo del ítem

dc.contributor.authorRoda-Segarra, Jacobo
dc.contributor.authorde-la-Peña, Cristina
dc.contributor.authorMengual-Andrés, Santiago
dc.date2024
dc.date.accessioned2024-06-19T08:46:14Z
dc.date.available2024-06-19T08:46:14Z
dc.identifier.citationRoda-Segarra, J., de-la-Peña, C., & Mengual-Andrés, S. (2024). Effectiveness of Artificial Intelligence Models for Predicting School Dropout: A Meta-Analysis. Multidisciplinary Journal of Educational Research, 1–24. https://doi.org/10.17583/remie.13342es_ES
dc.identifier.issn2014-2862
dc.identifier.urihttps://reunir.unir.net/handle/123456789/16774
dc.descriptionSchool dropout is a major concern in the educational systems of all countries. In recent years, artificial intelligence is playing an important role in predicting school dropout in the different educational stages of formal education. In this context, it is crucial to know that these predictions are accurate and understandable. This meta-analytic study aims to investigate the effectiveness of dropout prediction models conducted until May 2022. The databases used are Web of Science, Scopus, PubMed, ERIC, PsyInfo, Dialnet and Scielo. 15 studies with a sample size of 199,015 participants are analyzed. The meta-analysis uses a random-effects proportions model with 95% confidence interval. Statistical evidence indicates that artificial intelligence models performed well (91%; 95% CI = 89-93%) in predicting dropout; specifically, the Decision Tree model significantly (95.3%; 95% CI = 93-98%) predicts dropout better than other models such as Random Forest, Artificial Neural Network, Support Vector Machines, Logistic Regression and Stacking Ensemble. Consequently, more models should be applied in the dropout field with larger numbers of participants to confirm these findings and improve the quality of education.es_ES
dc.description.abstractEl abandono escolar es una de las principales preocupaciones de los sistemas educativos de todos los países. En los últimos años, la inteligencia artificial está desempeñando un papel importante en la predicción del abandono escolar en las diferentes etapas educativas de la educación formal. En este contexto, es crucial saber si estas predicciones son precisas y comprensibles. Este estudio meta-analítico tiene como objetivo investigar la eficacia de los modelos de predicción del abandono escolar realizados hasta mayo de 2022. Las bases de datos utilizadas son Web of Science, Scopus, PubMed, ERIC, PsyInfo, Dialnet y Scielo. Se analizan 15 estudios con un tamaño muestral de 199.015 participantes. El metaanálisis utiliza un modelo de proporciones de efectos aleatorios con un intervalo de confianza del 95%. Las pruebas estadísticas indican que los modelos de inteligencia artificial obtuvieron buenos resultados (91%; IC del 95% = 89-93%) en la predicción del abandono; concretamente, el modelo de árbol de decisión predice significativamente (95,3%; IC del 95% = 93-98%) mejor el abandono que otros modelos como Random Forest, Artificial Neural Network, Support Vector Machines, Logistic Regression y Stacking Ensemble. En consecuencia, deberían aplicarse más modelos en el campo del abandono con un mayor número de participantes para confirmar estos resultados y mejorar la calidad de la educación.es_ES
dc.language.isoenges_ES
dc.publisherMultidisciplinary Journal of Educational Researches_ES
dc.relation.urihttps://hipatiapress.com/hpjournals/index.php/remie/article/view/13342es_ES
dc.rightsopenAccesses_ES
dc.subjectinteligencia artificial (IA)es_ES
dc.subjectabandonoes_ES
dc.subjecteducación formales_ES
dc.subjectmeta-análisises_ES
dc.subjectartificial intelligencees_ES
dc.subjectdropoutes_ES
dc.subjectformal educationes_ES
dc.subjectmeta-analysises_ES
dc.titleEficacia de los Modelos de Inteligencia Artificial para Predecir el Abandono Escolar: Un Meta-Análisises_ES
dc.title.alternativeEffectiveness of Artificial Intelligence Models for Predicting School Dropout: A Meta-Analysises_ES
dc.typearticlees_ES
reunir.tag~OPUes_ES
dc.identifier.doihttps://doi.org/10.17583/remie.13342


Ficheros en el ítem

Thumbnail

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

Mostrar el registro sencillo del ítem