Modelo de predictivo de estilos de aprendizaje y rendimiento académico en estudiantes recién admitidos a la Universidad Nacional del Altiplano 2023-I

Abstract

El estudio se desarrolló en la Universidad Nacional del Altiplano durante el semestre 2023-I con el propósito de analizar la relación entre los estilos de aprendizaje de Kolb y el rendimiento académico de los estudiantes recién admitidos, así como formular un modelo predictivo que integre dimensiones cognitivas y factores sociodemográficos. Se aplicó un diseño de investigación del tipo no experimental, transversal y correlacional, con una muestra de 440 estudiantes seleccionados de las áreas de Ciencias Sociales, Biomédicas e Ingenierías. El Inventario de Estilos de Aprendizaje de Kolb (LSI) permitió identificar los estilos predominantes, y el rendimiento académico se evaluó mediante el promedio ponderado final. Se utilizaron pruebas de fiabilidad (Omega total, Spearman–Brown), correlación Chi-cuadrado, análisis de varianza, regresión lineal múltiple y algoritmos de machine learning (XGB, SVM, ANN). Los hallazgos mostraron asociación entre estilos de aprendizaje y rendimiento académico (χ² = 13,410; p < 0,05), siendo los estilos Convergente (38,2 %) y Asimilador (32,0 %) los predominantes. El modelo XGB obtuvo una precisión de 72 %, en tanto que la regresión múltiple explicó 45,8 % de la varianza del rendimiento. Las dimensiones Conceptualización Abstracta (CA) y Experimentación Activa (EA) fueron las que más influyeron. Se determina que la combinación de métodos estadísticos y de aprendizaje automático es una forma efectiva de determinar factores asociados al éxito académico y desarrollar estrategias pedagógicas personalizadas para los estilos de aprendizaje.