Detección de Agotamiento entre Estudiantes de Computación de Pregrado con Aprendizaje Automático Supervisado

Área de la Ciencia:

• Psicología Educativa
• Ciencias de la Computación
• Ciencia de Datos

Sus antecedentes:

• El agotamiento académico afecta negativamente la salud cognitiva y psicológica de los estudiantes, lo que puede conducir a problemas de comportamiento.
• La detección temprana del agotamiento estudiantil es vital para que las instituciones brinden apoyo e intervenciones.
• Los métodos de encuesta actuales para la detección del agotamiento enfrentan desafíos como el sesgo de respuesta y la carga administrativa.

Objetivo del estudio:

• Explorar la viabilidad de utilizar modelos de aprendizaje automático entrenados con datos administrativos universitarios para detectar el agotamiento académico.
• Desarrollar y evaluar modelos para identificar tres dimensiones del agotamiento: agotamiento, cinismo y baja eficacia profesional.
• Evaluar el potencial de un enfoque sin encuestas para la detección no invasiva del agotamiento estudiantil.

Principales métodos:

• Desarrollo de modelos de aprendizaje automático para detectar el agotamiento, el cinismo y la baja eficacia profesional.
• Utilización de cinco algoritmos: regresión logística, máquina de vectores de soporte, naive Bayes, árbol de decisión y gradient boosting extremo.
• Ingeniería de características exclusivamente a partir de registros administrativos universitarios, evitando encuestas psicológicas.

Principales resultados:

• El rendimiento del modelo varió entre las dimensiones del agotamiento, siendo la detección del agotamiento la que arrojó los resultados más altos.
• La regresión logística logró una puntuación F1 del 68,4% para la detección del agotamiento.
• La detección del cinismo mostró un rendimiento moderado, mientras que la detección de la eficacia profesional tuvo el rendimiento más bajo.

Conclusiones:

• La detección automatizada de signos de agotamiento académico, particularmente agotamiento y cinismo, es factible utilizando registros universitarios recopilados de forma pasiva.
• El estudio destaca las limitaciones para capturar constructos psicológicos únicamente a través de datos administrativos.
• Los hallazgos proporcionan una base para futuras investigaciones sobre métodos no invasivos para la detección del agotamiento estudiantil.