Determinación de un Modelo mediante Aprendizaje Automático para obtener la Idoneidad del Personal Naval Profesional
Palabras clave:
algoritmos, aprendizaje automático, clasificación, idoneidad, modelos
Resumen
La falta de automatización del proceso para la selección del personal naval profesional para ocupar puestos sensibles en la institución militar ha contribuido a aumentar el grado de subjetividad en los evaluadores. El objetivo de este trabajo de investigación es entrenar y evaluar modelos de predicción utilizando datos obtenidos de los resultados de las evaluaciones realizadas al personal naval profesional desde el año 2017 hasta agosto del 2024. Se realizó un muestreo no probabilístico por conveniencia. El enfoque metodológico de esta investigación es cuantitativa con un diseño cuasiexperimental y un alcance de investigación correlacional. Este estudio emplea tres algoritmos de aprendizaje automático supervisado de clasificación para la predicción: Árboles de Decisión, Naives Bayes Bernoulli y K-Nearest Neighbors. Los resultados indican que la evaluación de la métrica exactitud (accuracy) para los tres algoritmos antes indicados dieron como resultado un valor superior al 90% y con la métrica AUC obtuvieron un valor superior al 0,9. Se puede concluir que, entre los tres modelos entrenados y evaluados, el algoritmo Árboles de Decisión es el mejor modelo a implementar, logrando la mejor exactitud del 99,81%, demostrando un buen rendimiento y la aplicabilidad para este trabajo de investigación.
Descargas
La descarga de datos todavía no está disponible.
Citas
Adillah, M. F. N., Suakanto, S., & Utama, N. I. (2025). Implementation of Machine Learning-Based Classification Model in Employee Recruitment Decision Prediction. Journal La Multiapp, 6(2), 341-352.
Ali, A. N. F., Sulaima, M. F., Razak, I. A. W. A., Kadir, A. F. A., & Mokhlis, H. (2023). Artificial intelligence application in demand response: Advantages, issues, status, and challenges. IEEE access, 11, 16907-16922.
Arana, C. (2021). Modelos de aprendizaje automoático mediante árboles de decisión.
Borja-Robalino, R., Monleón-Getino, A., & Rodellar, J. (2020). Estandarización de métricas de rendimiento para clasificadores Machine y Deep Learning. Revista Ibérica de Sistemas e Tecnologias de Informação(E30), 184-196.
Contreras, L., Fuentes, H., & Rodríguez, J. (2024). Algoritmos supervisados y de ensamble con python: Implementación y estrategia de optimización. Ediciones de la U.
Creswell, J. W., & Creswell, J. D. (2017). Research design: Qualitative, quantitative, and mixed methods approaches. Sage publications.
Chamorro, A. (2020). Malware Detection with Machine Learning.
Gupta, V., Mishra, V. K., Singhal, P., & Kumar, A. (2022). An overview of supervised machine learning algorithm. 2022 11th International Conference on System Modeling & Advancement in Research Trends (SMART),
Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2014). Metodología de la Investigación, Sexta Edición México. DF, Editores, SA de CV.
Chen Shih , J. (2025). Relación entre inteligencia emocional y rendimiento académico en estudiantes de nivel superior de Arequipa en la postpandemia . Ciencia Y Reflexión, 4(2), 648–667. https://doi.org/10.70747/cr.v4i2.299
Alcántara , R. L. (2025). Acompañamiento Pedagógico Estrategia Colaborativa. Ciencia Latina Revista Científica Multidisciplinar, 9(3), 7881-7886. https://doi.org/10.37811/cl_rcm.v9i3.18412
Agila Mocha, R. J., Vivanco Ureña, C. I., León Bravo, F. E., & Reyes Carrión , J. P. (2025). Software Educativos para el Proceso de Enseñanza Aprendizaje de Matemáticas en Bachillerato. Ciencia Y Reflexión, 4(2), 1341–1369. https://doi.org/10.70747/cr.v4i2.334
Chen Shih , J. (2025). Relación entre inteligencia emocional y rendimiento académico en estudiantes de nivel superior de Arequipa en la postpandemia . Ciencia Y Reflexión, 4(2), 648–667. https://doi.org/10.70747/cr.v4i2.299
Quelal Morejón , C. E., Rogel Calderón , A. S., Loaiza Dávila , L. E., & Maqueira Caraballo, G. D. L. C. (2025). Los juegos predeportivos: una alternativa para la inclusión de estudiantes con Trastorno del Espectro Autista (TEA) a la clase de Educación Física. Arandu UTIC, 12(2), 2169–2189. https://doi.org/10.69639/arandu.v12i2.1055
Guadalupe Beltrán , E. S., Palomeque Zambrano, J. Y., & Loor Avila, B. A. (2025). Desafíos de la Educación Superior en Contextos Híbridos: Análisis de las Prácticas Docentes en la Universidad Estatal de Milagro durante el Periodo Académico 2025. Revista Veritas De Difusão Científica, 6(2), 1259–1281. https://doi.org/10.61616/rvdc.v6i2.685
Lozano Flores, L. D. (2025). Gamificación en el aprendizaje de unidades de tiempo: el caso de Sims 4. Emergentes - Revista Científica, 5(2), 68–86. https://doi.org/10.60112/erc.v5.i1.373
Velásquez Torres, A. O., González Bautista, G., Neira Vera , M., & García Montañez , A. M. (2025). Formación Docente en la Resolución Pacífica de Conflictos: Diagnóstico de una Necesidad Curricular en Colombia. Estudios Y Perspectivas Revista Científica Y Académica , 5(2), 2936–2952. https://doi.org/10.61384/r.c.a.v5i2.1329
Duarte Gahona, Y. K. (2025). Aplicación de la Inteligencia Artificial en la Personalización del Aprendizaje para Estudiantes con Necesidades Educativas Especiales . Revista Científica De Salud Y Desarrollo Humano , 6(2), 33–53. https://doi.org/10.61368/r.s.d.h.v6i2.575
Lu, Y., Ye, T., & Zheng, J. (2022). Decision tree algorithm in machine learning. 2022 IEEE International Conference on Advances in Electrical Engineering and Computer Applications (AEECA),
Romero, J. L. (2025). Análisis integral de algoritmos de clasificación en aprendizaje automático: perspectivas, comparaciones y aplicaciones. Serie Científica de la Universidad de las Ciencias Informáticas, 18(1), 283-304.
Salamanca, I. N., & Castro, E. J. (2020). Técnicas de aprendizaje automático aplicadas en los sistemas de predicción. Tecnología Investigación y Academia, 8(1), 37-53.
Salau, A. O., Assegie, T. A., Akindadelo, A. T., & Eneh, J. N. (2023). Evaluation of Bernoulli Naive Bayes model for detection of distributed denial of service attacks. Bulletin of Electrical Engineering and Informatics, 12(2), 1203-1208.
Sindayigaya, L., & Dey, A. (2022). Machine learning algorithms: a review. Inf Syst J, 11(8), 1127-1133.
Singh, A., Thakur, N., & Sharma, A. (2016). A review of supervised machine learning algorithms. 2016 3rd international conference on computing for sustainable global development (INDIACom),
Somvanshi, M., Chavan, P., Tambade, S., & Shinde, S. (2016). A review of machine learning techniques using decision tree and support vector machine. 2016 international conference on computing communication control and automation (ICCUBEA),
Turing, A. M. (1936). On computable numbers, with an application to the Entscheidungsproblem. J. of Math, 58(345-363), 5.
Valiant, L. G. (1984). A theory of the learnable. Communications of the ACM, 27(11), 1134-1142.
Ali, A. N. F., Sulaima, M. F., Razak, I. A. W. A., Kadir, A. F. A., & Mokhlis, H. (2023). Artificial intelligence application in demand response: Advantages, issues, status, and challenges. IEEE access, 11, 16907-16922.
Arana, C. (2021). Modelos de aprendizaje automoático mediante árboles de decisión.
Borja-Robalino, R., Monleón-Getino, A., & Rodellar, J. (2020). Estandarización de métricas de rendimiento para clasificadores Machine y Deep Learning. Revista Ibérica de Sistemas e Tecnologias de Informação(E30), 184-196.
Contreras, L., Fuentes, H., & Rodríguez, J. (2024). Algoritmos supervisados y de ensamble con python: Implementación y estrategia de optimización. Ediciones de la U.
Creswell, J. W., & Creswell, J. D. (2017). Research design: Qualitative, quantitative, and mixed methods approaches. Sage publications.
Chamorro, A. (2020). Malware Detection with Machine Learning.
Gupta, V., Mishra, V. K., Singhal, P., & Kumar, A. (2022). An overview of supervised machine learning algorithm. 2022 11th International Conference on System Modeling & Advancement in Research Trends (SMART),
Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2014). Metodología de la Investigación, Sexta Edición México. DF, Editores, SA de CV.
Chen Shih , J. (2025). Relación entre inteligencia emocional y rendimiento académico en estudiantes de nivel superior de Arequipa en la postpandemia . Ciencia Y Reflexión, 4(2), 648–667. https://doi.org/10.70747/cr.v4i2.299
Alcántara , R. L. (2025). Acompañamiento Pedagógico Estrategia Colaborativa. Ciencia Latina Revista Científica Multidisciplinar, 9(3), 7881-7886. https://doi.org/10.37811/cl_rcm.v9i3.18412
Agila Mocha, R. J., Vivanco Ureña, C. I., León Bravo, F. E., & Reyes Carrión , J. P. (2025). Software Educativos para el Proceso de Enseñanza Aprendizaje de Matemáticas en Bachillerato. Ciencia Y Reflexión, 4(2), 1341–1369. https://doi.org/10.70747/cr.v4i2.334
Chen Shih , J. (2025). Relación entre inteligencia emocional y rendimiento académico en estudiantes de nivel superior de Arequipa en la postpandemia . Ciencia Y Reflexión, 4(2), 648–667. https://doi.org/10.70747/cr.v4i2.299
Quelal Morejón , C. E., Rogel Calderón , A. S., Loaiza Dávila , L. E., & Maqueira Caraballo, G. D. L. C. (2025). Los juegos predeportivos: una alternativa para la inclusión de estudiantes con Trastorno del Espectro Autista (TEA) a la clase de Educación Física. Arandu UTIC, 12(2), 2169–2189. https://doi.org/10.69639/arandu.v12i2.1055
Guadalupe Beltrán , E. S., Palomeque Zambrano, J. Y., & Loor Avila, B. A. (2025). Desafíos de la Educación Superior en Contextos Híbridos: Análisis de las Prácticas Docentes en la Universidad Estatal de Milagro durante el Periodo Académico 2025. Revista Veritas De Difusão Científica, 6(2), 1259–1281. https://doi.org/10.61616/rvdc.v6i2.685
Lozano Flores, L. D. (2025). Gamificación en el aprendizaje de unidades de tiempo: el caso de Sims 4. Emergentes - Revista Científica, 5(2), 68–86. https://doi.org/10.60112/erc.v5.i1.373
Velásquez Torres, A. O., González Bautista, G., Neira Vera , M., & García Montañez , A. M. (2025). Formación Docente en la Resolución Pacífica de Conflictos: Diagnóstico de una Necesidad Curricular en Colombia. Estudios Y Perspectivas Revista Científica Y Académica , 5(2), 2936–2952. https://doi.org/10.61384/r.c.a.v5i2.1329
Duarte Gahona, Y. K. (2025). Aplicación de la Inteligencia Artificial en la Personalización del Aprendizaje para Estudiantes con Necesidades Educativas Especiales . Revista Científica De Salud Y Desarrollo Humano , 6(2), 33–53. https://doi.org/10.61368/r.s.d.h.v6i2.575
Lu, Y., Ye, T., & Zheng, J. (2022). Decision tree algorithm in machine learning. 2022 IEEE International Conference on Advances in Electrical Engineering and Computer Applications (AEECA),
Romero, J. L. (2025). Análisis integral de algoritmos de clasificación en aprendizaje automático: perspectivas, comparaciones y aplicaciones. Serie Científica de la Universidad de las Ciencias Informáticas, 18(1), 283-304.
Salamanca, I. N., & Castro, E. J. (2020). Técnicas de aprendizaje automático aplicadas en los sistemas de predicción. Tecnología Investigación y Academia, 8(1), 37-53.
Salau, A. O., Assegie, T. A., Akindadelo, A. T., & Eneh, J. N. (2023). Evaluation of Bernoulli Naive Bayes model for detection of distributed denial of service attacks. Bulletin of Electrical Engineering and Informatics, 12(2), 1203-1208.
Sindayigaya, L., & Dey, A. (2022). Machine learning algorithms: a review. Inf Syst J, 11(8), 1127-1133.
Singh, A., Thakur, N., & Sharma, A. (2016). A review of supervised machine learning algorithms. 2016 3rd international conference on computing for sustainable global development (INDIACom),
Somvanshi, M., Chavan, P., Tambade, S., & Shinde, S. (2016). A review of machine learning techniques using decision tree and support vector machine. 2016 international conference on computing communication control and automation (ICCUBEA),
Turing, A. M. (1936). On computable numbers, with an application to the Entscheidungsproblem. J. of Math, 58(345-363), 5.
Valiant, L. G. (1984). A theory of the learnable. Communications of the ACM, 27(11), 1134-1142.
Publicado
2025-09-18
Cómo citar
Vivanco Toala , D. M., & Camero Berrones, R. G. (2025). Determinación de un Modelo mediante Aprendizaje Automático para obtener la Idoneidad del Personal Naval Profesional. Ciencia Latina Revista Científica Multidisciplinar, 9(4), 8653-8676. https://doi.org/10.37811/cl_rcm.v9i4.19442
Número
Sección
Ciencias de la Educación
Derechos de autor 2025 Danny Marcelo Vivanco Toala , Rosa Gabriela Camero Berrones
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.png)
.png)
1.png)
