Diseño de una app para identificar factores de riesgo asociados deserción académica usando IA.

El objetivo de este trabajo es el diseño e implementación de un prototipo utilizando técnicas de inteligencia artificial, específicamente redes neuronales, a través de bibliotecas como pandas y scikit-learn, y utilizando plataformas como Google Colab y Streamlit, para crear un modelo que permita analizar la retención y deserción en universidades a partir de datos de entrada como tasas de graduación y retención, y resultados académicos. Todo este esfuerzo está enfocado en agilizar el proceso analítico para poder actuar y tomar decisiones más rápidamente respecto a estrategias de retención universitaria. El propósito de este proyecto es implementar una aplicación de datos que, mediante el uso de algoritmos de aprendizaje automático, permita asistir el análisis de retención y deserción universitaria utilizando datos académicos y demográficos como entrada. Debido a la problemática que representa la deserción universitaria para la educación superior, es indispensable un análisis rápido y confiable de esta situación con el fin de tomar acciones ágiles de mitigación y/o prevención que prevengan la pérdida de estudiantes que causa este fenómeno. En este proyecto, se busca diseñar, implementar y validar un prototipo que permita reducir tiempos en el proceso de análisis de datos, siguiendo la metodología de desarrollo CRISP-DM.

• Autores: Barrera, Daniel Fernando; Duran, Cristian David; Palmet, Santiago
• Fecha de publicación: 2023
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/11877
• Acceso en línea: http://hdl.handle.net/10584/11877
• Palabra clave: Google Colab; Pandas; Pyspark; Scikit-learn; Streamlit; Aprendizaje automático; Retención universitaria; Deserción universitaria; Educación superior
• License: Universidad del Norte