Una revisión sobre la predicción del rendimiento académico mediante métodos de ensamble

Introduction: This article is a product of the research “Ensemble methods to estimate the academic perfor-mance of higher education students”, developed at the Universidad Distrital Francisco José de Caldas in the year 2021, focusing on the review of research work developed in the last five years related to the prediction of academic performance using ensemble algorithms. Objective: The literature review aims to identify the most used algorithms and the most relevant variables in the prediction of academic performance.Methodology: A systematic review of the literature was carried out in different academic databases (Science Direct, Scopus, SAGE Journals, EBSCO, ResearchGate, Google Scholar), using search equations built with keywords.Results: 54 related articles were found that meet the inclusion criteria of the review. Additionally, benefits were found in the application of ensemble methods in the prediction of academic performance.Conclusion: It was found that the most influential variables in academic performance correspond to the aca-demic factor. The algorithm used that presents the best results is Random Forest; in addition to being the most used. The use of these algorithms is an accurate tool to predict academic performance at any stage of university life, and at the same time provide information to generate strategies to improve dropout and academic retention indicators.Introducción: El presente artículo es producto de la investigación “Métodos de ensamble para estimar el ren-dimiento académico de estudiantes de educación superior”, desarrollado en la Universidad Distrital Francisco José de Caldas en el año 2021 y se centra en la revisión de trabajos de investigación desarrollados en los últimos cinco años relacionados a la predicción del rendimiento académico utilizando algoritmos de ensamble.Objetivo: La revisión de la literatura tiene como objetivo identificar los algoritmos más utilizados y las variables más relevantes en la predicción del rendimiento académico.Metodología: Se realizó una revisión sistemática de la literatura en distintas bases de datos académicas (Science Direct, Scopus, SAGE Journals, EBSCO, ResearchGate, Google Scholar), utilizando ecuaciones de bús-queda construidas con palabras claves.Resultados: Se encontraron 54 artículos relacionados que cumplen con los criterios de inclusión de la revisión. Además, se encontraron beneficios en la aplicación de métodos de ensamble en la predicción del rendimiento académico. Conclusión: Se encontró que las variables más influyentes en el rendimiento académico corresponden al factor académico, el algoritmo utilizado que presenta mejores resultados es Random Forest, además de que fue el más utilizado, y que el uso de estos algoritmos es una herramienta precisa para predecir el rendimiento acadé-mico en cualquier etapa de la vida universitaria, y a su vez brindar la información para generar estrategias que permitan mejorar los indicadores de deserción y retención académica