Examinando por Autor "Gómez Apaza, Roel Dante"
Mostrando 1 - 4 de 4
Resultados por página
Opciones de ordenación
Ítem Desarrollo de un Serious Gaming para estudiantes de Primer Año de Primaria aplicando la Metodología SUM(Universidad Peruana Unión, 2019-12-03) Arenas Cancapa, Kevin Maximiliano; Gómez Apaza, Roel DanteEn nuestro país existe una gran preocupación con respecto a la educación, específicamente en el bajo rendimiento de los estudiantes, una de las causas principales es el desinterés de los estudiantes en las materias. Con la finalidad de solucionar este problema se pretende usar una herramienta que logre captar el interés de los estudiantes. Para lograr esto se toma a los videojuegos como medio efectivo para estimular a los estudiantes y a la vez educarlos por medio de los Serious Gaming. Por esta razón el presente proyecto tiene como objetivo el desarrollo y liberación de un Serious Gaming para el reforzamiento de estudiantes de educación primaria en el área de matemática basándonos en el plan curricular del estado peruano “Programa curricular de Educación nivel Primaria” con el objetivo de presentar esta materia a los estudiantes desde un punto de vista más lúdico y de esta forma mejorar el rendimiento académico. Para lograr este objetivo nos enfocamos en el diseño y desarrollo del Serious Gaming aplicando la metodología ágil SUM para el desarrollo del software como también la metodología de Pérez Marques para el desarrollo del concepto del videojuego.Ítem Mejora del control y monitoreo de los ambientes de laboratorios de cómputo mediante una aplicación web para la Universidad Peruana Unión, Juliaca - 2018(Universidad Peruana Unión, 2018-12-14) Castañeda Guevara, Caleb; Gómez Apaza, Roel DanteLa presente investigación propone el desarrollo de una aplicación web que ayude a mejorar el control y monitoreo de los ambientes de laboratorios de cómputo de la Universidad Peruana Unión (UPeU) – Juliaca, este estudio surge ante la necesidad de brindar un buen servicio a los estudiantes del campus. En la UPeU – Juliaca, existe 11 laboratorios de computo que se encuentran gestionados por el área de servicios computacionales de la dirección de tecnologías de información (DTI), las personas encargas de controlar son 5 personas en horarios diferentes el cual tienen dificultades en agilizar la atención, los operadores de laboratorio se encargan de hacer los cambios de horas, registrar entrada y salida, hacer reporte y entrega de objetos olvidados, compartir las reglas y políticas de los laboratorios, y otras funciones más que demanda tiempo para agilizar las actividades mencionadas que son parte del control y monitoreo que realizan a diario. Por tal motivo el objetivo del proyecto es desarrollar una aplicación web que ayude a mejorar el control y monitoreo de los ambientes de laboratorios de Computo, durante el desarrollo utilizaré la metodología Ágil Scrum que ayudará en todo el desarrollo de la presente investigación y el producto final (aplicación web). Justificación: Con la aplicación web se pretende agilizar el proceso de los cambios de hora, reservas y préstamos de laboratorios, registro de entrada y salida de estudiantes, entre otros que son parte del control y monitoreo; cabe decir que la aplicación estará disponible para todo los usuarios del campus; a su vez éste permitirá visualizar el estado de los ambientes de cómputo en tiempo real, siendo de gran ayuda para los encargados de laboratorios y para los docentes y estudiantes que día a día hacen uso para realizar sus actividades académicas.Ítem Modelo de Aprendizaje Automático Supervisado para Identificar Patrones de Bajo Rendimiento Académico en los Ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca(Universidad Peruana Unión, 2021-03-04) Rojas Pari, Rudy Jhean; Gómez Apaza, Roel DanteEl presente estudio se llevó a cabo en el Instituto de Educación Superior Pedagógico Público Juliaca (IESPPJ), ubicado en el distrito de San Miguel de la Provincia de San Román, durante el año 2020, tuvo como objetivo general implementar un modelo de aprendizaje automático supervisado para identificar patrones de bajo rendimiento académico en los ingresantes al Instituto de Educación Superior Pedagógico Público – Juliaca, para su desarrollo de empleó la metodología de minería de datos denominado: CRISP-DM (Cross Industry Standard Process for Data Mining), el algoritmo Random Forest Classifier, dicho algoritmo fue entrenado con datos socioeconómicos, datos de admisión y datos académicos logrando un accuracy del 86%, permitiendo identificar las variables que más influyen en el rendimiento académico tales como: El promedio final del examen de admisión, edad, número de horas diarias que actualmente dedica al estudio, distrito en donde está ubicado el centro de estudios secundarios de procedencia, programa de estudios al que está postulando, número de dormitorios de su vivienda, cantidad de años en la que cursó la educación secundaria, idioma nativo que habla, ¿Cada cuánto tiempo recibes ayuda económica?, sexo, ¿La persona que mantiene su hogar es?, tipo de preparación que recibiste para postular al IESP, número de veces que postulaste a otros Institutos / Universidades, tipo de material de la vivienda, las variables identificadas influyen en el orden mencionado. Como trabajos futuros en el área de educación se propone profundizar el estudio utilizando nuevas fuentes de información, tales como información psicológica y/o historial médico de los estudiantes, para mejorar la toma de decisión.Ítem Modelo de clasificación basado en chatbot y algoritmos no supervisados para determinar programas de intervención psicológica en estudiantes universitarios peruanos(Universidad Peruana Unión, 2022-03-03) Huamán Labán, Joyse Baldwin; Gómez Apaza, Roel Dante; Lévano Rodríguez, Danny; Valles Coral, Miguel ÁngelA strategy that supports the student’s academic and personal formation is that university consider tutoring as a mechanism that supports with favorable results to fight against the desertion of students. However, there are related prob-lems in performing student segmentation and conducting psychological interven-tions. The objective was to formulate a classification model for intervention pro-grams in university students based on unsupervised algorithms. For this, we car-ried out a non-experimental, simple descriptive study on a population of 60 uni-versity students; we carried out the data extraction process through a chatbot that applied the BarOn ICE test. After we obtained the data, the unsupervised k-means algorithm was used to group the students into sets determined based on the closest mean value obtained from the psychological test. We built a model for classifying students based on their answers to the BarOn ICE test based on K-means, with which we obtained five groups. The model classifies students by applying a dif-ferent mathematical method to that used by the models applied by psychologists.