Development of an integrated database for accurate stress detection in university students in Ecuador: A multifaceted approach from software engineering
Keywords:
Estrés académico, estudiantes universitarios, banco de datos, bienestar estudiantil, factores desencadenantesAbstract
Academic stress is a significant problem in university students, especially in contexts with high academic demands and socioeconomic limitations. This study analyzed the level of perceived stress in 400 students from the Technical University of Manabí, Ecuador, using a database based on self-reported responses. The results revealed that 52% of students present moderate levels of stress and 30% high levels, with exams, deadlines, and financial problems being the main triggering factors. In addition, a significant correlation was observed between the level of stress and academic workload (r = 0.76), as well as adaptation difficulties in students with higher levels of stress. The implementation of the database allowed to integrate and analyze self-reported responses efficiently, identifying key patterns to design personalized intervention strategies. This approach highlights the need to address both academic and external factors to improve student well-being and promote a healthier educational environment. As future lines, it is proposed to expand the population scope, integrate physiological data to improve the accuracy in stress detection and develop digital tools for real-time monitoring. Likewise, it is recommended to evaluate stress management programs that strengthen students' resilience to academic demands.
Downloads
References
Álvarez Maldonado, M. A. (2023). Estrés académico y adaptación a la universidad en estudiantes de primer semestre de una universidad pública en Ecuador. ResearchGate. https://www.researchgate.net/publication/XXXXXX (añadir el enlace correcto si está disponible)
Andrews, S., & Wilding, J. (2004). The relation of depression and anxiety to life-stress and achievement in students. British Journal of Psychology, 95(4), 509–521. https://doi.org/10.1348/0007126042369802
Barreno López, J. S. (2020). Estrés académico en estudiantes universitarios de la Facultad de Ciencias de la Salud [Tesis de licenciatura, Universidad Técnica de Ambato].
Brown, T., et al. (2020). Scalable database design for large-scale data integration. Journal of Database Management, 31(2), 1–16.
Chávez, M. E., & Coaquira, J. (2021). Estrés académico en universitarios durante la pandemia de COVID-19. Revista Electrónica Educare, 25(2), 1–20. https://doi.org/10.15359/ree.25-2.10
Chen, L., et al. (2018). Integrative data analysis for stress detection in university students. Computers in Human Behavior, 86, 58–65.
García, A., et al. (2023). Integrated database model for stress prediction among Latin American university students. In International Conference on Software Engineering (pp. 76–82).
Garcia, M., & Martinez, F. (2021). Machine learning algorithms for stress detection in university students. Expert Systems with Applications, 175, 114836. https://doi.org/10.1016/j.eswa.2021.114836
Guzmán, J. (2022). Estrategias de manejo del estrés académico. Revista Psicología Hoy, 10(1), 101–115.
Guzmán, J., Pérez, M., & Rodríguez, L. (2023). Estrés académico en estudiantes universitarios. Revista Salud UIS, 55(1), 9–16.
Hernández, M. A. (2021). La percepción del estrés académico en estudiantes universitarios y su relación con la ansiedad. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 11(22), 1–25. https://doi.org/10.23913/ride.v11i22.1073
Hernández, R., & Mendoza, S. (2022). User acceptance of stress monitoring systems in educational settings. Journal of Information Technology in Education, 18(4), 321–335.
Jones, A., & Johnson, B. (2019). Transition to university: A longitudinal study of first-year students' stress and coping. College Student Journal, 51(2), 249–258.
Jones, K., & Brown, R. (2020). Integrating information systems for stress management in higher education. IEEE Transactions on Education, 45(3), 234–245.
Kessler, R. C., et al. (2005). Prevalence, severity, and comorbidity of 12-month DSM-IV disorders in the National Comorbidity Survey Replication. Archives of General Psychiatry, 62(6), 617–627. https://doi.org/10.1001/archpsyc.62.6.617
Khan, A. R., Uddin, M. F., & Karim, S. M. A. (2020). Stress detection in university students using integrated database approach. In IEEE International Conference on Innovations in Software Engineering (pp. 112–117).
Kim, S., et al. (2021). Biometric approaches for stress detection: A review. IEEE Access, 9, 112308–112328.
Li, Y., et al. (2020). Data mining techniques for stress analysis in educational settings. Knowledge-Based Systems, 194, 105590. https://doi.org/10.1016/j.knosys.2020.105590
Lopez, R., & Perez, S. (2023). Privacy and security in educational data systems: Challenges and solutions. Journal of Information Security and Applications, 58, 103019. https://doi.org/10.1016/j.jisa.2021.103019
Moya Lara, I. N., Barreno López, J. S., & Álvarez Maldonado, M. A. (2023). Estrés académico y adaptación a la universidad en estudiantes de primer semestre de una universidad pública en Ecuador. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 4(4), 247–258.
Müller, R., et al. (2019). Biometric data integration for stress monitoring in academic environments. IEEE Transactions on Learning Technologies, 12(1), 71–83.
Rivera Vergaray, K. (2021). Modelo predictivo para la detección temprana de estudiantes con alto riesgo de deserción académica. Innovación y Software, 2(2), 6–13. https://www.redalyc.org/journal/6738/673870839001/
Romero Romo, L. I. (2024). Desarrollo de una aplicación web para la detección temprana de estrés en estudiantes de la UTN utilizando técnicas de aprendizaje automático [Tesis de pregrado, Universidad Técnica del Norte]. Repositorio UTN. https://repositorio.utn.edu.ec/handle/123456789/16580
Salas, L., et al. (2018). Psychological well-being and academic stress among university students in Mexico. Educational Psychology, 38(5), 570–584. https://doi.org/10.1080/01443410.2018.1452415
Smith, J., et al. (2019). Stress and its impact on academic performance in university students. Journal of Educational Psychology, 108(4), 651–659.
Smith, J., et al. (2021). Chronic stress among university students: Risk factors and implications. Journal of Educational Psychology, 35(2), 112–125.
Smith, K., & Allen, R. (2022). Predictive modeling for early stress intervention in college students. International Journal of Educational Technology in Higher Education, 19(1), 12. https://doi.org/10.1186/s41239-022-00347-4
Terán, M. A., & Martínez, J. (2022). Diagnóstico de estrés académico en estudiantes universitarios. Revista Venezolana de Investigación en Salud, 4(5), 42–50.
Vizoso, C. M., & Arias Gundín, O. (2016). Estresores académicos percibidos por estudiantes universitarios y su relación con el burnout y el rendimiento académicos. Anuario de Psicología / The UB Journal of Psychology, 46(2), 90–97. https://www.elsevier.es/es-revista-anuario-psicologia-the-ub-199-articulo-estresores-academicos-percibidos-por-estudiantes-S0066512616300125
Williams, C., & Nguyen, T. (2019). Self-reported surveys versus biometric data in stress research. Journal of Behavioral Science, 14(3), 205–215.
Zamora, J. (2021). Prevalencia de estrés académico en estudiantes universitarios de la Universidad Técnica de Ambato y Pontificia Universidad Católica del Ecuador Sede Ambato [Tesis de licenciatura, Pontificia Universidad Católica del Ecuador Sede Ambato].
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jhon Rafael Carrera Salgado, Enrique Javier Macías Arias , Nexar Bolivar Lucas Ostaiza
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
El Copyright posee el propósito de proteger tanto la propiedad intelectual de los autores como sus resultados. El comité editorial de la Revista Sinapsis se compromete con los autores a proteger, defender y preservar tanto su trabajo como su reputación, y toma muy en serio las acusaciones de infracción, plagio, disputas éticas y fraude. Si un autor se da cuenta de un posible plagio, copia de resultados, fraude o infracción, le rogamos que se comunique con la mayor brevedad posible con el comité editorial de la revista Sinapsis.
CC BY-NC-ND: esta licencia permite a los reutilizadores copiar y distribuir el material en cualquier medio o formato solo sin adaptarlo, solo con fines no comerciales y siempre que se le atribuya al creador.
Términos de Licencia:
Reconocimiento: debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial: no puede utilizar el material con fines comerciales.
No Derivada: si remezcla, transforma o construye sobre el material, no puede distribuir el material modificado.
Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que permita la licencia.
El autor esta en la obligación de seguir las exigencias según lo instruido en la licencia ubicada en el enlace: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
