A medida que la inteligencia artificial (IA) se integra cada vez más en los entornos educativos, adoptar un enfoque centrado en el ser humano es esencial para mejorar los resultados de los estudiantes. Este estudio investiga el papel de los factores de personalidad en la predicción del rendimiento académico, enfatizando la necesidad de sistemas de IA explicables y éticos. Utilizando el conjunto de datos SAPEx-D (Exploración del Rendimiento Académico de Estudiantes) de la Universidad del Aire, Islamabad, que comprende 494 registros, exploramos cómo los rasgos de personalidad individuales pueden impactar el éxito académico. Empleamos modelos de regresión avanzados, incluyendo el Regresor de Aumento Gradiente, el Regresor de Vecinos Más Cercanos, la Regresión Lineal y la Regresión de Vectores de Soporte, para predecir el Promedio de Calificaciones Acumulativas (CGPA) de los estudiantes. Nuestros hallazgos revelan que el Regresor de Aumento Gradiente logró un valor R-cuadrado de 0.63 con el menor Error Cuadrático Medio (MSE); la incorporación de factores de personalidad elevó el R-cuadrado a 0.83, mejorando significativamente la precisión predictiva. Para la clasificación de calificaciones en letras, la incorporación de factores de personalidad mejoró la precisión para clases distintas a 0.67 y a 0.85 para categorías de clases más amplias. La integración de la técnica de Explicaciones Aditivas de Shapley (SHAPs) permitió además interpretar cómo los rasgos de personalidad interactúan con otros factores, subrayando su papel en la configuración de los resultados académicos. Esta investigación destaca la importancia de diseñar sistemas de IA que no solo sean precisos, sino también interpretables y alineados con los valores humanos, fomentando así un paisaje educativo más equitativo. El trabajo futuro ampliará estos hallazgos explorando los efectos de interacción de los rasgos de personalidad y aplicando técnicas de aprendizaje automático más sofisticadas.