El rendimiento académico de los estudiantes de primer año ha recibido mucha atención en la práctica educativa y la teoría. Los trabajos anteriores utilizaron algunas variables, que deberían obtenerse durante el curso o en el transcurso del semestre a través de encuestas y entrevistas, para construir modelos de predicción. Estos modelos no pueden proporcionar un apoyo oportuno suficiente para los estudiantes con bajo rendimiento, causado por factores económicos. Por lo tanto, se necesitan otras variables que nos permitan obtener resultados de predicción antes. Este estudio intenta utilizar variables del entorno familiar que se pueden obtener antes del inicio del semestre para construir modelos de predicción del rendimiento académico de los estudiantes de primer año utilizando algoritmos de bosque aleatorio (RF), C5.0, CART y perceptrón multicapa (MLP). Se empleará una muestra real de 2407 estudiantes de primer año que se inscribieron en 12 departamentos de una universidad vocacional de Taiwán. Los resultados experimentales mostraron que CART supera a los algoritmos C5.0, RF y MLP. Las características más importantes fueron , , , , y . Se espera que las reglas de conocimiento extraídas sean indicadores para la predicción temprana del rendimiento de los estudiantes para que se pueda planificar una intervención estratégica antes de que los estudiantes comiencen el semestre.