Modelo predictivo de la mortalidad académica del programa de Ingeniería de Sistemas de la USTA Seccional Tunja basado en técnicas de Machine Learning
El objetivo del proyecto consistió en desarrollar un modelo predictivo con técnicas de machine learning, que permitió identificar los casos de mortalidad académica que pueden conllevar a la deserción de los estudiantes en el programa de ingeniería de sistemas. El trabajo inició con un análisis bibli...
- Autores:
-
Mendoza Santamaría, Juana Valentina
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/51470
- Acceso en línea:
- http://hdl.handle.net/11634/51470
- Palabra clave:
- Student Dropout
Higher Education
Computer Science
Machine Learning
Academic Dropout
Deserción Estudiantil
Educación Superior
Ingeniería de Sistemas
Machine Learning
Mortalidad Académica
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| Summary: | El objetivo del proyecto consistió en desarrollar un modelo predictivo con técnicas de machine learning, que permitió identificar los casos de mortalidad académica que pueden conllevar a la deserción de los estudiantes en el programa de ingeniería de sistemas. El trabajo inició con un análisis bibliométrico para recopilar los datos de las investigaciones que hayan implementado el aprendizaje automático en el estudio de la deserción académica. Asimismo, se indagó sobre las técnicas de machine learning que mejor se ajustan al tema y las experiencias internacionales. Posteriormente, se consolidó el dataset a partir de la información académica de los estudiantes de ingeniería de sistemas durante los periodos 2018-1 al 2021-2. Después, se aplicó la ingeniería de características para determinar cuáles eran las más relevantes para un predictor de deserción. De esta forma, se determinó el modelo de aprendizaje automático para la predicción de estudiantes de ingeniería de sistemas en la universidad. Este proceso se realizó mediante la comparación de índices de desempeño, al utilizar diferentes algoritmos de machine learning con la información previamente recopilada. Posteriormente, se realizó la validación del modelo, mediante la técnica de la validación cruzada. Por último, se desplegó un dashboard con los factores que influyen en la deserción académica estudiantil y las predicciones de riesgo de deserción en los estudiantes. |
|---|