| Summary: | La presente investigación tuvo como objetivo desarrollar un sistema predictivo capaz de detectar patrones de procrastinación académica en estudiantes universitarios digitales, analizando la relación entre el uso de redes sociales y la adicción a internet. Se aplicaron dos instrumentos validados: la Escala de Procrastinación Académica (APS-SV) y el Test de Adicción a Internet (IAT), en una muestra de 145 estudiantes del Instituto Superior Tecnológico Particular “Bolívar Madero Vargas”. A través de una metodología computacional basada en aprendizaje supervisado, se diseñó un sistema predictivo compuesto por un modelo de red neuronal multicapa (MLP), complementado con análisis estadísticos correlacionales y regresión logística. Los resultados revelaron que el modelo MLP alcanzó una precisión del 87.6% en la clasificación de los niveles de procrastinación, siendo superior a otros clasificadores. Se identificó una correlación significativa (? = 0.61, p < 0.001) entre el uso intensivo de redes sociales y la procrastinación académica, así como una asociación directa entre el nivel de adicción a internet y la propensión a procrastinar (OR = 2.002). La arquitectura computacional propuesta demostró ser funcional, escalable y aplicable a entornos universitarios virtuales, permitiendo la generación de reportes predictivos para el monitoreo educativo. Se concluye que la integración de modelos predictivos y análisis estadístico permite detectar eficazmente patrones de procrastinación, proponiendo un enfoque novedoso y tecnológico para la intervención educativa preventiva.
|
|---|
