Aplicación del aprendizaje de máquina en el estudio de la deserción estudiantil en la Universidad de Sucre
En este trabajo implementamos el aprendizaje de máquina para estudiar la deserción estudiantil en la Universidad de Sucre utilizando un modelo algorítmico de regresión logística ya que este es un modelo simple y eficaz que se pueden usar en este tipo de estudios. Para predecir la deserción estudiant...
- Autores:
-
Paternina Triviño, Steffany
Audivet Puerta, Yarlidys Isabela
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad de Sucre
- Repositorio:
- Repositorio Unisucre
- Idioma:
- OAI Identifier:
- oai:repositorio.unisucre.edu.co:001/1781
- Acceso en línea:
- https://repositorio.unisucre.edu.co/handle/001/1781
https.//repositorio.unisucre.edu.co
- Palabra clave:
- Deserción Estudiantil - Investigaciones
Derserción Estudiantil - Aspectos Socioeconómicos
Deserción Estudiantil - Universidad de Suce- Colombia
Trabajo de grado Licenciatura en Física
- Rights
- License
- https://creativecommons.org/licenses/by-nc-sa/4.0/
| id |
RUNISUCRE2_f0ac493171ef9394ae2f2391f7c14945 |
|---|---|
| oai_identifier_str |
oai:repositorio.unisucre.edu.co:001/1781 |
| network_acronym_str |
RUNISUCRE2 |
| network_name_str |
Repositorio Unisucre |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Aplicación del aprendizaje de máquina en el estudio de la deserción estudiantil en la Universidad de Sucre |
| title |
Aplicación del aprendizaje de máquina en el estudio de la deserción estudiantil en la Universidad de Sucre |
| spellingShingle |
Aplicación del aprendizaje de máquina en el estudio de la deserción estudiantil en la Universidad de Sucre Deserción Estudiantil - Investigaciones Derserción Estudiantil - Aspectos Socioeconómicos Deserción Estudiantil - Universidad de Suce- Colombia Trabajo de grado Licenciatura en Física |
| title_short |
Aplicación del aprendizaje de máquina en el estudio de la deserción estudiantil en la Universidad de Sucre |
| title_full |
Aplicación del aprendizaje de máquina en el estudio de la deserción estudiantil en la Universidad de Sucre |
| title_fullStr |
Aplicación del aprendizaje de máquina en el estudio de la deserción estudiantil en la Universidad de Sucre |
| title_full_unstemmed |
Aplicación del aprendizaje de máquina en el estudio de la deserción estudiantil en la Universidad de Sucre |
| title_sort |
Aplicación del aprendizaje de máquina en el estudio de la deserción estudiantil en la Universidad de Sucre |
| dc.creator.fl_str_mv |
Paternina Triviño, Steffany Audivet Puerta, Yarlidys Isabela |
| dc.contributor.advisor.none.fl_str_mv |
Serna Algarín, Fernando Enrique |
| dc.contributor.author.none.fl_str_mv |
Paternina Triviño, Steffany Audivet Puerta, Yarlidys Isabela |
| dc.subject.lemb.none.fl_str_mv |
Deserción Estudiantil - Investigaciones Derserción Estudiantil - Aspectos Socioeconómicos Deserción Estudiantil - Universidad de Suce- Colombia |
| topic |
Deserción Estudiantil - Investigaciones Derserción Estudiantil - Aspectos Socioeconómicos Deserción Estudiantil - Universidad de Suce- Colombia Trabajo de grado Licenciatura en Física |
| dc.subject.proposal.none.fl_str_mv |
Trabajo de grado Licenciatura en Física |
| description |
En este trabajo implementamos el aprendizaje de máquina para estudiar la deserción estudiantil en la Universidad de Sucre utilizando un modelo algorítmico de regresión logística ya que este es un modelo simple y eficaz que se pueden usar en este tipo de estudios. Para predecir la deserción estudiantil, se recopilaron y analizaron varios factores que pueden influir en la decisión de un estudiante para abandonar la universidad. Estos factores incluyen demográficos (edad, género, origen socioeconómico), académicos (calificaciones) y personales (número de hermanos, compromiso laboral, etc.). El proceso comienza con la recopilación de datos sobre los estudiantes, estos datos se reunieron por medio de una encuesta al semestre 2 (2024 - 01) de Licenciatura en Física. Estos datos se utilizaron para entrenar un modelo de regresión logística, identificando variables con una relación significativa con las tasas de deserción. Con este modelo de regresión logística con los datos entrenados y validados, logramos identificar con alta precisión a los estudiantes con mayor riesgo de abandonar los estudios. Esta información nos permite diseñar intervenciones personalizadas y proactivas. |
| publishDate |
2024 |
| dc.date.issued.none.fl_str_mv |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2025-01-29T14:30:22Z |
| dc.date.available.none.fl_str_mv |
2025-01-29T14:30:22Z |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unisucre.edu.co/handle/001/1781 |
| dc.identifier.instname.none.fl_str_mv |
Universidad de Sucre |
| dc.identifier.reponame.none.fl_str_mv |
Repositorio Digital Universidad de Sucre |
| dc.identifier.repourl.none.fl_str_mv |
https.//repositorio.unisucre.edu.co |
| url |
https://repositorio.unisucre.edu.co/handle/001/1781 https.//repositorio.unisucre.edu.co |
| identifier_str_mv |
Universidad de Sucre Repositorio Digital Universidad de Sucre |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.license.none.fl_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) http://purl.org/coar/access_right/c_abf2 |
| dc.format.extent.none.fl_str_mv |
53 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad de Sucre |
| dc.publisher.faculty.none.fl_str_mv |
Facultad Educación y Ciencias |
| dc.publisher.place.none.fl_str_mv |
Sincelejo |
| dc.publisher.program.none.fl_str_mv |
Licenciatura en Física |
| publisher.none.fl_str_mv |
Universidad de Sucre |
| dc.source.none.fl_str_mv |
Repositorio Digital Universidad de Sucre |
| institution |
Universidad de Sucre |
| bitstream.url.fl_str_mv |
https://repositorio.unisucre.edu.co/bitstreams/6735e9ab-6750-4230-a686-5a1a26fa2875/download https://repositorio.unisucre.edu.co/bitstreams/ec37f460-28ff-4c7c-a54b-07dccc7693b1/download https://repositorio.unisucre.edu.co/bitstreams/cb39c818-45dc-4e6e-9422-a7c01f8c0c36/download https://repositorio.unisucre.edu.co/bitstreams/9011ee34-a181-451d-894f-d2e6d057fe00/download |
| bitstream.checksum.fl_str_mv |
d36a2ecd23ccd1feb0c6da928148bf8c 5f839364c91422e4b2a78812717048fb a519984e5487d452e6ae5e5ba7221e66 dd01f1aa52bbd926efd8a96b660ce5a3 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad de Sucre |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1828169778370445312 |
| spelling |
Serna Algarín, Fernando EnriquePaternina Triviño, SteffanyAudivet Puerta, Yarlidys Isabela2025-01-29T14:30:22Z2025-01-29T14:30:22Z2024https://repositorio.unisucre.edu.co/handle/001/1781Universidad de SucreRepositorio Digital Universidad de Sucrehttps.//repositorio.unisucre.edu.coEn este trabajo implementamos el aprendizaje de máquina para estudiar la deserción estudiantil en la Universidad de Sucre utilizando un modelo algorítmico de regresión logística ya que este es un modelo simple y eficaz que se pueden usar en este tipo de estudios. Para predecir la deserción estudiantil, se recopilaron y analizaron varios factores que pueden influir en la decisión de un estudiante para abandonar la universidad. Estos factores incluyen demográficos (edad, género, origen socioeconómico), académicos (calificaciones) y personales (número de hermanos, compromiso laboral, etc.). El proceso comienza con la recopilación de datos sobre los estudiantes, estos datos se reunieron por medio de una encuesta al semestre 2 (2024 - 01) de Licenciatura en Física. Estos datos se utilizaron para entrenar un modelo de regresión logística, identificando variables con una relación significativa con las tasas de deserción. Con este modelo de regresión logística con los datos entrenados y validados, logramos identificar con alta precisión a los estudiantes con mayor riesgo de abandonar los estudios. Esta información nos permite diseñar intervenciones personalizadas y proactivas.In this work, we implemented machine learning to study student dropout rates at the University of Sucre by using a logistic regression algorithmic model. This model is one of the simplest and most effective models that can be utilized in this type of study. To predict student dropout, various factors that may influence a student's decision to leave the university were collected and analyzed. These factors include demographic (age, gender, socioeconomic background), academic (grades), and personal (number of siblings, work commitment, etc.). The process begins with the collection of these data about the students, which were gathered through a survey conducted during the second semester of the physics undergraduate program. These data were used to train a logistic regression model, identifying variables with a significant relationship to dropout rates. With this trained and validated logistic regression model, we were able to accurately identify students at a higher risk of dropping out. This information allows us to design personalized and proactive interventions.PregradoLicenciado(a) en FísicaPrimera edición53 páginasapplication/pdfUniversidad de SucreFacultad Educación y CienciasSincelejoLicenciatura en FísicaAl consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://creativecommons.org/licenses/by-nc-sa/4.0/Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)http://purl.org/coar/access_right/c_abf2Repositorio Digital Universidad de SucreAplicación del aprendizaje de máquina en el estudio de la deserción estudiantil en la Universidad de SucreTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/coar/version/c_970fb48d4fbd8a85Deserción Estudiantil - InvestigacionesDerserción Estudiantil - Aspectos SocioeconómicosDeserción Estudiantil - Universidad de Suce- ColombiaTrabajo de grado Licenciatura en FísicaPublicationORIGINALT371.2913 P295.pdfT371.2913 P295.pdfapplication/pdf1210671https://repositorio.unisucre.edu.co/bitstreams/6735e9ab-6750-4230-a686-5a1a26fa2875/downloadd36a2ecd23ccd1feb0c6da928148bf8cMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81366https://repositorio.unisucre.edu.co/bitstreams/ec37f460-28ff-4c7c-a54b-07dccc7693b1/download5f839364c91422e4b2a78812717048fbMD52TEXTT371.2913 P295.pdf.txtT371.2913 P295.pdf.txtExtracted texttext/plain66857https://repositorio.unisucre.edu.co/bitstreams/cb39c818-45dc-4e6e-9422-a7c01f8c0c36/downloada519984e5487d452e6ae5e5ba7221e66MD53THUMBNAILT371.2913 P295.pdf.jpgT371.2913 P295.pdf.jpgGenerated Thumbnailimage/jpeg6777https://repositorio.unisucre.edu.co/bitstreams/9011ee34-a181-451d-894f-d2e6d057fe00/downloaddd01f1aa52bbd926efd8a96b660ce5a3MD54001/1781oai:repositorio.unisucre.edu.co:001/17812025-01-30 04:01:09.072https://creativecommons.org/licenses/by-nc-sa/4.0/Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.open.accesshttps://repositorio.unisucre.edu.coRepositorio Institucional Universidad de Sucrebdigital@metabiblioteca.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 |