"

Caracterización Del Nivel De Estrés De Alumnos De Ingeniería Mediante Herramientas De Data Mining

Published in: Prospective and trends in technology and skills for sustainable social development. Leveraging emerging technologies to construct the future: Proceedings of the 19th LACCEI International Multi-Conference for Engineering, Education and Technology
Date of Conference: July 19-23, 2021
Location of Conference: Virtual
Authors: Cesar Augusto Corrales Riveros (Pontificia Universidad Católica del Perú, PE)
Jonatán Edward Rojas Polo (Pontificia Universidad Católica del Perú, PE)
Wilmer Johnny Atoche Diaz (Pontificia Universidad Católica del Perú, PE)
Alexia Andrea Cáceres Cansaya (Pontificia Universidad Católica del Perú, PE)
Miguel Ángel Rodriguez Anticona (Pontificia Universidad Católica del Perú, PE)
Full Paper: #489

Abstract:

La presente investigación aborda el análisis del nivel de estrés que enfrentan los alumnos universitarios de ingeniería industrial ubicada en Lima metropolitana mediante herramientas de minería de datos. En situaciones normales la carga diaria del alumno de octavo a decimo ciclo de una universidad se dividía entre los estudios universitarios y el trabajo de prácticas profesionales exigidos en la malla curricular, lo cual significaba una carga promedio de 25 horas de clases, 30 horas de trabajo en empresa y 33 horas de estudio en ejecución de tareas académicas a la semana. Esta carga se ha visto afectada desde el 15 de marzo del 2020, cuando el ministerio de educación estableció la educación a distancia – virtual y el ministerio de salud estableció el confinamiento a causa del COVID 19, lo cual impactó en un mayor nivel de estrés. La primera fase de la investigación inició con la recolección de datos, para esta fase se utilizó el Inventario de Estrés Académico SISCO propuesta por Rosanna [1]; en la segunda fase se realizó el preprocesamiento de datos; en la tercera fase se identificó cuáles son las variables significativas que influyen en una alta medición del nivel de estrés de los alumnos, siendo los principales métodos el uso de regresión logística se determinó un modelo con un p_value de 95.7%, un valor del criterio de Akaike y un AIC; en el método de árbol de clasificación se obtuvo un nivel de precisión del 78%; finalmente se determinó cuáles son las variables significativas que afectan el nivel de estrés de los alumnos, tales como las condiciones ergonómicas para el estudio y realización de actividades del hogar que en promedio son 20 horas a la semana. La investigación concluye con la medición y caracterización del nivel de estrés, recomendaciones a los docentes para poder motivar a los alumnos y buscar herramientas complementarias para fortalecer el aprendizaje.