Navarro, N.2025-11-042025-06-16https://repositorio.grial.eu/handle/123456789/3214Este estudio emplea modelos de Machine Learning (ML) para predecir la adaptabilidad de los estudiantes en entornos de educación virtual. A través de variables como el género, nivel educativo, condiciones financieras y acceso a tecnología, se construyó un modelo predictivo que clasifica a los estudiantes según su capacidad de adaptación. El modelo Random Forest (RF) alcanzó una precisión del 88.8%, proporcionando herramientas útiles para que educadores y administradores anticipen necesidades y ajusten estrategias pedagógicas, promoviendo una experiencia de aprendizaje más eficiente y personalizadaesAprendizaje automaticoAdapatabilidad estudiantilEducación virtualAnálisis de datosBosques aleatoriosArticle