Estudio de la deserción estudiantil en el programa de Química de la Universidad De Córdoba usando modelos de regresión

La deserción universitaria se refiere al fenómeno en el cual los estudiantes abandonan sus estudios antes de completar su programa académico, lo que tiene un impacto negativo tanto para los individuos como para las instituciones educativas. En este trabajo, se abordó la deserción estudiantil en el p...

Full description

Autores:
Londoño García, Pamela
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2025
Institución:
Universidad de Córdoba
Repositorio:
Repositorio Institucional Unicórdoba
Idioma:
spa
OAI Identifier:
oai:repositorio.unicordoba.edu.co:ucordoba/9151
Acceso en línea:
https://repositorio.unicordoba.edu.co/handle/ucordoba/9151
https://repositorio.unicordoba.edu.co
Palabra clave:
Modelo
Logística
Probit
Random
Forest
Cuantílica
Regresión
Logistic
Regression
Model
Probit
Random
Forest
Quantile
Rights
openAccess
License
Copyright Universidad de Córdoba, 2025
id UCORDOBA2_230bed245d645735c7a8d29842436a53
oai_identifier_str oai:repositorio.unicordoba.edu.co:ucordoba/9151
network_acronym_str UCORDOBA2
network_name_str Repositorio Institucional Unicórdoba
repository_id_str
dc.title.spa.fl_str_mv Estudio de la deserción estudiantil en el programa de Química de la Universidad De Córdoba usando modelos de regresión
title Estudio de la deserción estudiantil en el programa de Química de la Universidad De Córdoba usando modelos de regresión
spellingShingle Estudio de la deserción estudiantil en el programa de Química de la Universidad De Córdoba usando modelos de regresión
Modelo
Logística
Probit
Random
Forest
Cuantílica
Regresión
Logistic
Regression
Model
Probit
Random
Forest
Quantile
title_short Estudio de la deserción estudiantil en el programa de Química de la Universidad De Córdoba usando modelos de regresión
title_full Estudio de la deserción estudiantil en el programa de Química de la Universidad De Córdoba usando modelos de regresión
title_fullStr Estudio de la deserción estudiantil en el programa de Química de la Universidad De Córdoba usando modelos de regresión
title_full_unstemmed Estudio de la deserción estudiantil en el programa de Química de la Universidad De Córdoba usando modelos de regresión
title_sort Estudio de la deserción estudiantil en el programa de Química de la Universidad De Córdoba usando modelos de regresión
dc.creator.fl_str_mv Londoño García, Pamela
dc.contributor.advisor.none.fl_str_mv Martínez Flórez, Guillermo Domingo
dc.contributor.author.none.fl_str_mv Londoño García, Pamela
dc.contributor.jury.none.fl_str_mv Tovar Falon, Roger Jesús
Treco Hernandez, Manuel Antonio
dc.subject.proposal.none.fl_str_mv Modelo
Logística
Probit
Random
Forest
Cuantílica
Regresión
topic Modelo
Logística
Probit
Random
Forest
Cuantílica
Regresión
Logistic
Regression
Model
Probit
Random
Forest
Quantile
dc.subject.keywords.none.fl_str_mv Logistic
Regression
Model
Probit
Random
Forest
Quantile
description La deserción universitaria se refiere al fenómeno en el cual los estudiantes abandonan sus estudios antes de completar su programa académico, lo que tiene un impacto negativo tanto para los individuos como para las instituciones educativas. En este trabajo, se abordó la deserción estudiantil en el programa de Química de la Universidad de Córdoba, utilizando diversos modelos de clasificación y regresión para predecir la deserción. Los modelos de clasificación mostraron resultados satisfactorios, con una exactitud (accuracy) superior a 0.68, lo que demuestra su efectividad para predecir el abandono. Además, se implementó un modelo de regresión cuantílica, en el que se analizaron los cuantiles 25, 50 y 75 para evaluar qué influye en el rendimiento académico y cómo estas variables afectan la probabilidad de deserción en distintos niveles. En este modelo, se exploraron varias distribuciones para comprender mejor las variaciones en los datos, lo que permitió obtener una visión más detallada del comportamiento de los estudiantes en relación con su rendimiento académico.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-05-01T15:50:18Z
dc.date.available.none.fl_str_mv 2025-05-01T15:50:18Z
dc.date.issued.none.fl_str_mv 2025-05-01
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.none.fl_str_mv Text
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unicordoba.edu.co/handle/ucordoba/9151
dc.identifier.instname.none.fl_str_mv Universidad de Córdoba
dc.identifier.reponame.none.fl_str_mv Repositorio Institucional Unicórdoba
dc.identifier.repourl.none.fl_str_mv https://repositorio.unicordoba.edu.co
url https://repositorio.unicordoba.edu.co/handle/ucordoba/9151
https://repositorio.unicordoba.edu.co
identifier_str_mv Universidad de Córdoba
Repositorio Institucional Unicórdoba
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv Escarria A. S (2010). Deserción universitaria en Colombia. Academia y virtualidad, 3(1), 50-60.
Ruiz, S. (2017). Introdução à análise de dados categóricos com aplicações. Edgard Blucher Ltda. p. 119-135
Mazucheli, J., Menezes, AF y Dey, S. (2019). Distribución Unit- Gompertz con aplicaciones. Statistica , 79 (1), 25–43. https:// rivista-statistica.unibo.it/article/view/8497/9401
Ministerio de Educación Nacional. (2023). Tasas de deserción en educación superior en Colombia. Recuperado de https://www.mineducacion.gov. co/sistemasdeinformacion/1735/articles-357549_recurso_5.pdf
Kassambara A. (2021). rstatix: Pipe-Friendly Framework for Basic Statis- tical Tests. R package version 0.7.0.
Orlandoni, J. (2016). Regresión cuantílica y análisis de doble diferencias en el estudio del rendimiento académico de estudiantes universitarios. En- cuentro Internacional en Educación Matemática, 154–165.
Castro Alarcón, F., López Roa, L., Vargas López, J. (2021). Estudio de caso: análisis de los factores determinantes de la deserción estudiantil del programa Ser Pilo Paga. Universidad Externado de Colombia.
Burgos Flórez, J. A., Ruales Suárez, A. E., Bastidas García, M. P., Córdoba Segovia, J. F. (2020). Determinantes probabilísticos del riesgo de deserción en las Universidades de Nariño y del Valle (Colombia) a partir de los re- gistros establecidos por el Ministerio de Educación Nacional (2007-2017). Cultura Educación y Sociedad, 11(3), 45-62.
Opazo, D., Moreno, S., Álvarez-Miranda, E., Pereira, J. (2021). Analysis of first-year university student dropout through machine learning models: A comparison between universities. Mathematics, 9(20), 2599.
Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861–874. https://doi.org/10.1016/j.patrec.2005.10. 010
Breiman L. (2001). Random forests. Machine Learning, 45(1), 5-32.
Pereira G. (2021). unitquantreg: Unit Distribution Quantile Regression.
Sing T., Sander O., Beerenwinkel N., Lengauer T. (2005). ROCR: visuali- zing classifier performance in R. Bioinformatics, 21(20), 3940-3941.
Leeper T.J. (2021). margins: Marginal Effects for Model Objects.
Gertel, H., Giuliodori, H., Vera, M. L., Bustos, G., Costanzo, S. (2010). Heterogeneidad en el desempeño académico de los estudiantes de Argentina: Evidencia a partir de regresión por cuantiles. Investigaciones de Economía de la Educación, 5, 117–138.
Kuhn M. (2008). Building Predictive Models in R Using the caret Package. Journal of Statistical Software, 28(5), 1-26.
Khuhn (2013) Maneja técnicas de muestreo y partición de datos para en- trenamiento y validación de modelos.
Robin X., Turck N., Hainard A., et al. (2011). pROC: an open-source packa- ge for R and S+ to analyze and compare ROC curves. BMC Bioinformatics, 12(77).
Wickham H., François R., Henry L., Müller K. (2023). dplyr: A Grammar of Data Manipulation. R package version 1.1.0.
Kuhn M., Silge J. (2023). tidymodels: A Collection of Packages for Modeling and Machine Learning.
Robinson D., Hayes A., Couch S. (2021). broom: Convert Statistical Objects into Tidy Tibbles. R package version 0.7.9.
Páez Martínez, L. I. (2022). DistribuciónWeibull Unitaria Bivariada.
Mazucheli, J., Alve, B. (2021). The Unit-Gompertz quantile regression mo- del for bounded responses. preprint, 0(0), 1-20
Merino, R. F. M., Chacón, C. I. Ñ. (2017). Bosques aleatorios como exten- sión de los árboles de clasificación con los programas R y Python. Interfases, (10), 165-189.
Soliz Villafuerte, M. X. (2024). Variaciones del modelo de Hotelling: Modelo de Hotelling: ciudad lineal con funciones de densidad no uniformes. el caso de la función de Kumaraswamy (Bachelor’s thesis, Quito: EPN, 2024.).
Bradley, A. P. (1997). The use of the area under the ROC curve in the evaluation of machine learning algorithms. Pattern Recognition, 30(7), 1145–1159. https://doi.org/10.1016/S0031-3203(96)00142-2
González, L. E. (2005). Estudio sobre la repitencia y deserción en la edu- cación superior chilena. Digital Observatory for higher education in Latín América and The Caribbean. IESALC- UNESCO.
Cade, B. S., Noon, B. R. (2003). A gentle introduction to quantile re- gression for ecologists. Frontiers in Ecology and the Environment, 1(8), 412-420.
Arceo-Gómez, E. O., Campos-Vázquez, R. M. (2014). Evolución de la brecha salarial de género en México. El trimestre económico, 81(323), 619- 653.
Vidoni, M. L., Reininger, B. M., Lee, M. (2019). A comparison of mean- based and quantile regression methods for analyzing self-report dietary in- take data. Journal of Probability and Statistics, 2019.
Rieck, J.R.; Nedelman, J.R. (1991) A log-linear model for the Birn- baum–Saunders distribution. Technometrics, 33, 51–60.
Sánchez, L.; Leiva, V.; Saulo, H.; Marchant, C.; Sarabia, J.M. (2021). A New Quantile Regression Model and Its Diagnostic Analytics for a Weibull Distributed Response with Applications. Mathematics 9, 2768. https:// doi.org/10.3390/math9212768
López Gutiérrez, I., Marín Fontela, G., García Rodríguez, M. E. (2012). Deserción escolar en el primer año de la carrera de Medicina. Educación médica superior, 26(1), 45-52.
Salazar Jeria, T. P. (2024). Modelamiento espectral predictivo del contacto entre la zona primaria y secundaria del yacimiento Los Bronces, Chile.
Sánchez Torres, F., Márquez Zúñiga, J. (2012). La Deserción en la Edu- cación Superior en Colombia durante la Primera Década del Siglo XXI: ¿Por qué ha aumentado tanto? (No. 010311). UNIVERSIDAD DE LOS ANDES-CEDE.
Birnbaum, Z.W.; Saunders, S.C. (1969) A New Family of Life Distributions. J. Appl. Probab. 6, 319–327.
Zhang, Y., Pan, J. (2015). Quantile regression analysis of fatigue life under variable amplitude loading conditions. International Journal of Fatigue, 74, 38-46.
Barbosa-Fontecha, I. L., Pinzón-Plazas, D. M. (2018). Incidencia de la financiación en la deserción Universitaria en Bogotá.
Bravo Castillo, M., Mejía Giraldo, A. (2010). Los retos de la educación superior en Colombia: una reflexión sobre el fenómeno de la deserción uni- versitaria. Revista Educación en Ingeniería, 5(10), 85–98.
Diaz, D. B., Garzón, L. P. (2013). Elementos para la comprensión del fenó- meno de la deserción universitaria en Colombia. Más allá de las mediciones. Cuadernos latinoamericanos de Administración, 9(16), 55-66
Mazucheli, J., Alves, B., Menezes, A. F., Leiva, V. (2022). An overview on parametric quantile regression models and their computational implemen- tation with applications to biomedical problems including COVID-19 data. Computer methods and programs in biomedicine, 221, 106816.
Vásquez Velásquez, J. C. (2003). Determinantes de la deserción estudiantil en la Universidad de Antioquia. Articulos revista ciencias economicas.
Colombia, M. d. (2006). Plan Decenal de Educación 2006-2016, Pac- to Social por la Educación. https://www.mineducacion.gov.co/ sistemasdeinformacion/1735/articles-254702_libro_desercion. pdf
Córdoba, U. d. (s.f.). Universidad de Córdoba. Obtenido de Uni- versidad de Córdoba: https://www.unicordoba.edu.co/index.php/ facultad-ciencias-basicas/quimica/
Constitucional, C. (2012). DERECHO FUNDAMENTAL A LA EDUCACION. Obtenido de Sentencia T-068/12: https://www. corteconstitucional.gov.co/RELATORIA/2012/T-068-12.htm
Galvis, D.M., García, M.D., Hurtado, L.F. y Méndez, R.M. (2016) Modelo para el seguimiento y control de la deserción en la población universitaria. Universidad del Quindio, Armenia-Colombia.
Amaya Torrado, Y. K., Barrientos Avendaño, E. (2013). Modelo predictivo de deserción estudiantil utilizando técnicas de minería de datos aplicado al sistema de información académico de la Universidad Simón Bolívar.
Bolívar, L. (2010). El derecho a la educación.
CEDE. Centro de Estudios sobre Desarrollo Económico. Universi- dad de los Andes. Informe Determinantes de la Deserción. Mi- nisterio de Educación Nacional. 2014. Colombia: Bogotá. Dispo- nible en http://www.mineducacion.gov.co/sistemasdeinformacion/ 1735/articles-254702_Informe_determinantes_desercion.pdf
Rikard, M., Jones, K. (2010). Quantile regression analysis of fish growth in polluted environments. Marine Biology Journal, 45(2), 189-205.
Parra, C. N. C., Duarte, M. A. G., Rueda, J. S. M., Bernal, J. T. O., Chacón, L. Y. C. (2018). Sistema de información para la generación de alertas tempranas de estudiantes con riesgo de deserción. Revista Matices Tecnológicos, 10, 38-46.
Bean. (1985). “Student Attrition, Intentions and Confidence”. Research in Higher Education, 17: 291 – 320.
Sánchez, F., Quirós, M., Reverón, C. Rodríguez, A. (2002). Equidad Social en el Acceso y Permanencia en la Universidad Publica Determinantes y Factores Asociados. CEDE Universidad de los Andes, Bogotá.
Manski, C. F., Thompson, E. (1987). The Maximum Score Estimator of the Binary Response Model. Journal of Econometrics, 35(3), 103-116.
Espinosa, O. (2017). Educación superior para indígenas de la Amazonía peruana: balance y desafíos. Pontificia Universidad Católica del Perú. http: //www.scielo.org.pe/pdf/anthro/v35n39/a05v35n39.pdf.
Caballero Salas, R. G. y Medina Flores, W. A. (Dir.) (2022). Deserción estudiantil asháninka en el contexto de la educa- ción universitaria en la provincia de Satipo (). Recuperado de https://repositorio.uncp.edu.pe/bitstream/handle/20.500. 12894/8001/T010_20010936_D.pdf?sequence=1
Carrión, J. E. V. (2014). Características y Determinantes del Trabajo In- fantil y su Influencia en la Deserción Escolar en el Ecuador, 2012 (Doctoral dissertation, Universidad de Cuenca).
Merlino, A. (2015). Experiencias en investigación educativa: deser- ción, regulación emocional y representaciones en estudiantes uni- versitarios. Córdoba, Argentina: Editorial Brujas. Recuperado de https://public-digitaliapublishing-com.ezproxy.biblored.gov. co/viewepub/?id=41850
Martínez, I. (2010) Regresión Cuantil. Trabajo de máster, Universidad de Santiago de Compostela.
Vicéns, J. y Sánhez, B. (2012). Regresión cuantílica: Estimación y Constrastes. Instituto L.R. Klein. Centro Gauss. U.A.M. D.T. nº 21, Uni- versidad Autónoma de Madrid. Madrid-España.
Miranda, D. (2016). Comparación de la calidad de los ajustes ob- tenidos mediante los modelos de respuesta binaria: LOGIT vs PRO- BI, en índices de inestabilidad atmosférica para la ocurrencia o no de precipitaciones. http://saber.ucv.ve/bitstream/10872/14957/1/ T026800016194-0-FINAL-Defensa_DanielMiranda-000.pdf
Gupta, D. and Gupta, R. C. (2008). Analyzing skewed data by power nor- mal model. Test, 17, 197-210.
Azzalini, A. (1985). A class of distributions which includes the normal ones. Scandinavian Journal of Statistics, 12, 171-178.
Henze, N. (1986). A probabilistic representation of the skew-normal distri- bution. Scandinavian Journal of Statistics, 13, 271-275
Chiogna, M., (1998). Some results on the scalar Skew-normal distribution. Journal of the Italian Statistical Society, 1, 1-14.
Pewsey, A. (2000). Problems of inference for Azzalini’s skew-normal distri- bution. Journal of Applied Statistics, 27:859-870.
Gómez, H. W., Venegas, O. and Bolfarine, H. (2007). Skew-symmetric dis- tributions generated by the distribution function of the normal distribution. Environmetrics, 18, 395-407.
Lehmann, E. L. (1953). The power of rank tests. Annals of Mathematical Statistics, 24, 23-43.
Durrans, SR. (1992). Distributions of fractional order statistics in hydro- logy. Water Resources Research, 28, 1649-1655
Martínez-Flórez, G., Moreno-Arenas, G. and Vergara-Cardoso, S. (2013) Properties and Inference for Proportional Hazard Models. Colombian Jour- nal of Statistics 36 (2013) 95-114.
Martínez-Flórez, G., Bolfarine, H. and Gómez, H. W. (2013). Skew-normal Alpha-Power Model, Statistics-doi 10.1080/02331888.2013.826659.
Martínez-Flórez, G.; Bolfarine, H.; Gómez, H.W. Doubly censored power- normal regression models with inflation. Test 2014, 24, 265-286.
Elal-Olivero. D. (2010a). Alpha-skew-normal distribution, Proyecciones Journal of Mathematics, 29, 3, 224-240.
Vicéns, J. y Sánhez, B. (2012). Regresión cuantílica: Estimación y Constras- tes. Instituto L.R. Klein. Centro Gauss. U.A.M. D.T. nº 21, Universidad Autónoma de Madrid. Madrid-España.
Koenker, R. (2005) Quantile Regression. Econometric Society Monographs. Cambridge university press. Version: November 10, 38.
Cade, B.S. y Noon, B.R. (2003). A gentle introduction to quantile regression for ecologists in Frontiers in Ecology and the Environment 1(8), pp.(412- 420).
Manski, C. F. y Thompson, T.S. (1986) Operational Characteristics of Ma- ximum Score Estimation, Journal of Econometrics, 32, pp. (85-108).
Mazucheli, J., Alve, B. (2021). The Unit-Gompertz quantile regression mo- del for bounded responses. preprint, 0(0), 1-20
Gallardo, D.I.; Bourguignon, M.; Gómez Y.M.; Caamaño-Carrillo, C.; Vene- gas, O. Parametric Quantile Regression Models for Fitting Double Bounded Response with Application to COVID-19 Mortality Rate Data. Mathema- tics 2022, 10, 2249. https://doi.org/10.3390/math10132249
Korkmaz, M.C.; Altun, E.; Alizadeh, M.; El-Morshedy, M. (2021) The Log Exponential-Power Distribution: Properties, Estimations and Quantile Regression Model. Mathematics, 9, 2634. https://doi.org/10.3390/ math9212634
Jöreskog, K., Söborn, D.(2013) Multilevel Generalized Linear Modeling Guide. Publicado dentro del software LISREL versión 9.10 para estudian- tes.
Enchautegui, M. (2008) Módulo de estudio sobre Modelos Probit y Logit. Publicado por Departamento de Economía de la Universidad de Puerto Rico Recinto de Río Piedras. Revisado el 29/10/13 desde http://economia.uprrp. edu/ notas
Gujarati, D. (2006) Principios de Econometria. Publicado por McGrawHill, tercera edición, España.
Agresti, A. (2002). Regresión logística. Análisis de datos categóricos.
Hair, J.; Anderson, R.; Tatham, R., Black, W.(1999). Análsis Multivarian- te. Prentice Hall, Madrid. 5ª ed.
Johnson, D. (1998). Modelos Multivariados Aplicados al Análisis de datos. International Thomson Editores, México.
Manríquez Pacheco, R. (2022). Modelo de deserción estudiantil (Doctoral dissertation, Universidad del Desarrollo. Facultad de Ingeniería).
Breiman, L. (2001). Random Forest. California: Statistics Department.
dc.rights.spa.fl_str_mv Copyright Universidad de Córdoba, 2025
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.license.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Copyright Universidad de Córdoba, 2025
https://creativecommons.org/licenses/by-nc-nd/4.0/
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidad de Córdoba
dc.publisher.faculty.none.fl_str_mv Facultad de Ciencias Básicas
dc.publisher.place.none.fl_str_mv Montería, Córdoba, Colombia
dc.publisher.program.none.fl_str_mv Estadística
publisher.none.fl_str_mv Universidad de Córdoba
institution Universidad de Córdoba
bitstream.url.fl_str_mv https://repositorio.unicordoba.edu.co/bitstreams/ab19a8b6-18ca-46b7-acfc-04203e7d99b8/download
https://repositorio.unicordoba.edu.co/bitstreams/dc0409be-6600-41d5-8c57-c9a4ec4b9ba7/download
https://repositorio.unicordoba.edu.co/bitstreams/cc7d0713-ec84-4c9f-b3b7-0520b97ab51f/download
https://repositorio.unicordoba.edu.co/bitstreams/f234d87b-8101-41bf-b50a-32939b79edd2/download
https://repositorio.unicordoba.edu.co/bitstreams/7d5665d6-9a61-4146-bce0-27d1754c00f4/download
https://repositorio.unicordoba.edu.co/bitstreams/73d691e9-b875-4000-9723-03fe8b8b6344/download
https://repositorio.unicordoba.edu.co/bitstreams/5f5b4f25-be8a-4392-8ac1-833881b5a997/download
bitstream.checksum.fl_str_mv d33aacbd26050b0a7d10584734d09266
fc8a9f1109f5d1244b3fbf265bc53ec7
73a5432e0b76442b22b026844140d683
5eeaa02152a30371c4b57b008fda63f7
88c3639967f1ed65effafec1f42897a6
4fd098de0c0afd8a46fa5c0dd18593e9
f37d7983c4499b040f41687f8424c06b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad de Córdoba
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1839636086063628288
spelling Martínez Flórez, Guillermo Domingo84460915-48dd-4515-8c0f-416f5a791524-1Londoño García, Pamela16d8225b-a2bb-4325-8768-ac52a4520d5e-1Tovar Falon, Roger Jesús056bd262-6ca2-4940-8dd6-600c88fbba37-1Treco Hernandez, Manuel Antonio2ab5b255-74c7-4864-a112-462569fa427c-12025-05-01T15:50:18Z2025-05-01T15:50:18Z2025-05-01https://repositorio.unicordoba.edu.co/handle/ucordoba/9151Universidad de CórdobaRepositorio Institucional Unicórdobahttps://repositorio.unicordoba.edu.coLa deserción universitaria se refiere al fenómeno en el cual los estudiantes abandonan sus estudios antes de completar su programa académico, lo que tiene un impacto negativo tanto para los individuos como para las instituciones educativas. En este trabajo, se abordó la deserción estudiantil en el programa de Química de la Universidad de Córdoba, utilizando diversos modelos de clasificación y regresión para predecir la deserción. Los modelos de clasificación mostraron resultados satisfactorios, con una exactitud (accuracy) superior a 0.68, lo que demuestra su efectividad para predecir el abandono. Además, se implementó un modelo de regresión cuantílica, en el que se analizaron los cuantiles 25, 50 y 75 para evaluar qué influye en el rendimiento académico y cómo estas variables afectan la probabilidad de deserción en distintos niveles. En este modelo, se exploraron varias distribuciones para comprender mejor las variaciones en los datos, lo que permitió obtener una visión más detallada del comportamiento de los estudiantes en relación con su rendimiento académico.University dropout refers to the phenomenon where students abandon their studies before completing their academic program, which has a negative impact on both individuals and educational institutions. In this study, student dropout in the Chemistry program at the University of Córdoba was addressed, using various classification and regression models to predict dropout. The classification models showed satisfactory results, with an accuracy greater than 0.68, demonstrating their effectiveness in predicting abandonment. Additionally, a quantile regression model was implemented, in which the 25th, 50th, and 75th percentiles were analyzed to evaluate what influences academic performance and how these variables affect the probability of dropout at different levels. In this model, several distributions were explored to better understand the variations in the data, providing a more detailed view of students’ behavior in relation to their academic performance.Planteamiento del problemaJustificaciónObjetivosObjetivo generalObjetivos específicosMarco teóricoEstado del arteDistribuciones y conceptosDistribución Kumaraswamy unitariaDistribución Gompertz unitariaDistribución Logística unitariaDistribución Weibull unitariaInferencia en el modelo PHFFunción scoreRandom forestVentajas de random forestLimitacionesAplicacionesConsideraciones prácticasModelo logitModelo probitVentajas del modelo probitDesvantajas del modelo probitModelo regresión cuantílicaInferencia etadísticaModelo de localización - escalaRegresión cuantil y regresión lineal simple en distribuciones normalesRegresión cuantil en modelos binariosMetodologíaResultadosAnálisis exploratorioModelo de regresión logísticaModelo probitDiscusión de los modelos logit y probitModelo random forestEvaluación de los modelosModelos de regresión cuantílicaModelo generalModelo general reducidoModelo con desertoresModelo con desertores reducidoModelo con estudiantes activos y graduadosModelo con estudiantes activos y graduados reducidoConclusiones y recomendacionesConclusionesRecomendacionesBibliografíaPregradoEstadístico(a)Trabajos de Investigación y/o ExtensiónspaUniversidad de CórdobaFacultad de Ciencias BásicasMontería, Córdoba, ColombiaEstadísticaCopyright Universidad de Córdoba, 2025https://creativecommons.org/licenses/by-nc-nd/4.0/Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Estudio de la deserción estudiantil en el programa de Química de la Universidad De Córdoba usando modelos de regresiónTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/acceptedVersionTextEscarria A. S (2010). Deserción universitaria en Colombia. Academia y virtualidad, 3(1), 50-60.Ruiz, S. (2017). Introdução à análise de dados categóricos com aplicações. Edgard Blucher Ltda. p. 119-135Mazucheli, J., Menezes, AF y Dey, S. (2019). Distribución Unit- Gompertz con aplicaciones. Statistica , 79 (1), 25–43. https:// rivista-statistica.unibo.it/article/view/8497/9401Ministerio de Educación Nacional. (2023). Tasas de deserción en educación superior en Colombia. Recuperado de https://www.mineducacion.gov. co/sistemasdeinformacion/1735/articles-357549_recurso_5.pdfKassambara A. (2021). rstatix: Pipe-Friendly Framework for Basic Statis- tical Tests. R package version 0.7.0.Orlandoni, J. (2016). Regresión cuantílica y análisis de doble diferencias en el estudio del rendimiento académico de estudiantes universitarios. En- cuentro Internacional en Educación Matemática, 154–165.Castro Alarcón, F., López Roa, L., Vargas López, J. (2021). Estudio de caso: análisis de los factores determinantes de la deserción estudiantil del programa Ser Pilo Paga. Universidad Externado de Colombia.Burgos Flórez, J. A., Ruales Suárez, A. E., Bastidas García, M. P., Córdoba Segovia, J. F. (2020). Determinantes probabilísticos del riesgo de deserción en las Universidades de Nariño y del Valle (Colombia) a partir de los re- gistros establecidos por el Ministerio de Educación Nacional (2007-2017). Cultura Educación y Sociedad, 11(3), 45-62.Opazo, D., Moreno, S., Álvarez-Miranda, E., Pereira, J. (2021). Analysis of first-year university student dropout through machine learning models: A comparison between universities. Mathematics, 9(20), 2599.Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861–874. https://doi.org/10.1016/j.patrec.2005.10. 010Breiman L. (2001). Random forests. Machine Learning, 45(1), 5-32.Pereira G. (2021). unitquantreg: Unit Distribution Quantile Regression.Sing T., Sander O., Beerenwinkel N., Lengauer T. (2005). ROCR: visuali- zing classifier performance in R. Bioinformatics, 21(20), 3940-3941.Leeper T.J. (2021). margins: Marginal Effects for Model Objects.Gertel, H., Giuliodori, H., Vera, M. L., Bustos, G., Costanzo, S. (2010). Heterogeneidad en el desempeño académico de los estudiantes de Argentina: Evidencia a partir de regresión por cuantiles. Investigaciones de Economía de la Educación, 5, 117–138.Kuhn M. (2008). Building Predictive Models in R Using the caret Package. Journal of Statistical Software, 28(5), 1-26.Khuhn (2013) Maneja técnicas de muestreo y partición de datos para en- trenamiento y validación de modelos.Robin X., Turck N., Hainard A., et al. (2011). pROC: an open-source packa- ge for R and S+ to analyze and compare ROC curves. BMC Bioinformatics, 12(77).Wickham H., François R., Henry L., Müller K. (2023). dplyr: A Grammar of Data Manipulation. R package version 1.1.0.Kuhn M., Silge J. (2023). tidymodels: A Collection of Packages for Modeling and Machine Learning.Robinson D., Hayes A., Couch S. (2021). broom: Convert Statistical Objects into Tidy Tibbles. R package version 0.7.9.Páez Martínez, L. I. (2022). DistribuciónWeibull Unitaria Bivariada.Mazucheli, J., Alve, B. (2021). The Unit-Gompertz quantile regression mo- del for bounded responses. preprint, 0(0), 1-20Merino, R. F. M., Chacón, C. I. Ñ. (2017). Bosques aleatorios como exten- sión de los árboles de clasificación con los programas R y Python. Interfases, (10), 165-189.Soliz Villafuerte, M. X. (2024). Variaciones del modelo de Hotelling: Modelo de Hotelling: ciudad lineal con funciones de densidad no uniformes. el caso de la función de Kumaraswamy (Bachelor’s thesis, Quito: EPN, 2024.).Bradley, A. P. (1997). The use of the area under the ROC curve in the evaluation of machine learning algorithms. Pattern Recognition, 30(7), 1145–1159. https://doi.org/10.1016/S0031-3203(96)00142-2González, L. E. (2005). Estudio sobre la repitencia y deserción en la edu- cación superior chilena. Digital Observatory for higher education in Latín América and The Caribbean. IESALC- UNESCO.Cade, B. S., Noon, B. R. (2003). A gentle introduction to quantile re- gression for ecologists. Frontiers in Ecology and the Environment, 1(8), 412-420.Arceo-Gómez, E. O., Campos-Vázquez, R. M. (2014). Evolución de la brecha salarial de género en México. El trimestre económico, 81(323), 619- 653.Vidoni, M. L., Reininger, B. M., Lee, M. (2019). A comparison of mean- based and quantile regression methods for analyzing self-report dietary in- take data. Journal of Probability and Statistics, 2019.Rieck, J.R.; Nedelman, J.R. (1991) A log-linear model for the Birn- baum–Saunders distribution. Technometrics, 33, 51–60.Sánchez, L.; Leiva, V.; Saulo, H.; Marchant, C.; Sarabia, J.M. (2021). A New Quantile Regression Model and Its Diagnostic Analytics for a Weibull Distributed Response with Applications. Mathematics 9, 2768. https:// doi.org/10.3390/math9212768López Gutiérrez, I., Marín Fontela, G., García Rodríguez, M. E. (2012). Deserción escolar en el primer año de la carrera de Medicina. Educación médica superior, 26(1), 45-52.Salazar Jeria, T. P. (2024). Modelamiento espectral predictivo del contacto entre la zona primaria y secundaria del yacimiento Los Bronces, Chile.Sánchez Torres, F., Márquez Zúñiga, J. (2012). La Deserción en la Edu- cación Superior en Colombia durante la Primera Década del Siglo XXI: ¿Por qué ha aumentado tanto? (No. 010311). UNIVERSIDAD DE LOS ANDES-CEDE.Birnbaum, Z.W.; Saunders, S.C. (1969) A New Family of Life Distributions. J. Appl. Probab. 6, 319–327.Zhang, Y., Pan, J. (2015). Quantile regression analysis of fatigue life under variable amplitude loading conditions. International Journal of Fatigue, 74, 38-46.Barbosa-Fontecha, I. L., Pinzón-Plazas, D. M. (2018). Incidencia de la financiación en la deserción Universitaria en Bogotá.Bravo Castillo, M., Mejía Giraldo, A. (2010). Los retos de la educación superior en Colombia: una reflexión sobre el fenómeno de la deserción uni- versitaria. Revista Educación en Ingeniería, 5(10), 85–98.Diaz, D. B., Garzón, L. P. (2013). Elementos para la comprensión del fenó- meno de la deserción universitaria en Colombia. Más allá de las mediciones. Cuadernos latinoamericanos de Administración, 9(16), 55-66Mazucheli, J., Alves, B., Menezes, A. F., Leiva, V. (2022). An overview on parametric quantile regression models and their computational implemen- tation with applications to biomedical problems including COVID-19 data. Computer methods and programs in biomedicine, 221, 106816.Vásquez Velásquez, J. C. (2003). Determinantes de la deserción estudiantil en la Universidad de Antioquia. Articulos revista ciencias economicas.Colombia, M. d. (2006). Plan Decenal de Educación 2006-2016, Pac- to Social por la Educación. https://www.mineducacion.gov.co/ sistemasdeinformacion/1735/articles-254702_libro_desercion. pdfCórdoba, U. d. (s.f.). Universidad de Córdoba. Obtenido de Uni- versidad de Córdoba: https://www.unicordoba.edu.co/index.php/ facultad-ciencias-basicas/quimica/Constitucional, C. (2012). DERECHO FUNDAMENTAL A LA EDUCACION. Obtenido de Sentencia T-068/12: https://www. corteconstitucional.gov.co/RELATORIA/2012/T-068-12.htmGalvis, D.M., García, M.D., Hurtado, L.F. y Méndez, R.M. (2016) Modelo para el seguimiento y control de la deserción en la población universitaria. Universidad del Quindio, Armenia-Colombia.Amaya Torrado, Y. K., Barrientos Avendaño, E. (2013). Modelo predictivo de deserción estudiantil utilizando técnicas de minería de datos aplicado al sistema de información académico de la Universidad Simón Bolívar.Bolívar, L. (2010). El derecho a la educación.CEDE. Centro de Estudios sobre Desarrollo Económico. Universi- dad de los Andes. Informe Determinantes de la Deserción. Mi- nisterio de Educación Nacional. 2014. Colombia: Bogotá. Dispo- nible en http://www.mineducacion.gov.co/sistemasdeinformacion/ 1735/articles-254702_Informe_determinantes_desercion.pdfRikard, M., Jones, K. (2010). Quantile regression analysis of fish growth in polluted environments. Marine Biology Journal, 45(2), 189-205.Parra, C. N. C., Duarte, M. A. G., Rueda, J. S. M., Bernal, J. T. O., Chacón, L. Y. C. (2018). Sistema de información para la generación de alertas tempranas de estudiantes con riesgo de deserción. Revista Matices Tecnológicos, 10, 38-46.Bean. (1985). “Student Attrition, Intentions and Confidence”. Research in Higher Education, 17: 291 – 320.Sánchez, F., Quirós, M., Reverón, C. Rodríguez, A. (2002). Equidad Social en el Acceso y Permanencia en la Universidad Publica Determinantes y Factores Asociados. CEDE Universidad de los Andes, Bogotá.Manski, C. F., Thompson, E. (1987). The Maximum Score Estimator of the Binary Response Model. Journal of Econometrics, 35(3), 103-116.Espinosa, O. (2017). Educación superior para indígenas de la Amazonía peruana: balance y desafíos. Pontificia Universidad Católica del Perú. http: //www.scielo.org.pe/pdf/anthro/v35n39/a05v35n39.pdf.Caballero Salas, R. G. y Medina Flores, W. A. (Dir.) (2022). Deserción estudiantil asháninka en el contexto de la educa- ción universitaria en la provincia de Satipo (). Recuperado de https://repositorio.uncp.edu.pe/bitstream/handle/20.500. 12894/8001/T010_20010936_D.pdf?sequence=1Carrión, J. E. V. (2014). Características y Determinantes del Trabajo In- fantil y su Influencia en la Deserción Escolar en el Ecuador, 2012 (Doctoral dissertation, Universidad de Cuenca).Merlino, A. (2015). Experiencias en investigación educativa: deser- ción, regulación emocional y representaciones en estudiantes uni- versitarios. Córdoba, Argentina: Editorial Brujas. Recuperado de https://public-digitaliapublishing-com.ezproxy.biblored.gov. co/viewepub/?id=41850Martínez, I. (2010) Regresión Cuantil. Trabajo de máster, Universidad de Santiago de Compostela.Vicéns, J. y Sánhez, B. (2012). Regresión cuantílica: Estimación y Constrastes. Instituto L.R. Klein. Centro Gauss. U.A.M. D.T. nº 21, Uni- versidad Autónoma de Madrid. Madrid-España.Miranda, D. (2016). Comparación de la calidad de los ajustes ob- tenidos mediante los modelos de respuesta binaria: LOGIT vs PRO- BI, en índices de inestabilidad atmosférica para la ocurrencia o no de precipitaciones. http://saber.ucv.ve/bitstream/10872/14957/1/ T026800016194-0-FINAL-Defensa_DanielMiranda-000.pdfGupta, D. and Gupta, R. C. (2008). Analyzing skewed data by power nor- mal model. Test, 17, 197-210.Azzalini, A. (1985). A class of distributions which includes the normal ones. Scandinavian Journal of Statistics, 12, 171-178.Henze, N. (1986). A probabilistic representation of the skew-normal distri- bution. Scandinavian Journal of Statistics, 13, 271-275Chiogna, M., (1998). Some results on the scalar Skew-normal distribution. Journal of the Italian Statistical Society, 1, 1-14.Pewsey, A. (2000). Problems of inference for Azzalini’s skew-normal distri- bution. Journal of Applied Statistics, 27:859-870.Gómez, H. W., Venegas, O. and Bolfarine, H. (2007). Skew-symmetric dis- tributions generated by the distribution function of the normal distribution. Environmetrics, 18, 395-407.Lehmann, E. L. (1953). The power of rank tests. Annals of Mathematical Statistics, 24, 23-43.Durrans, SR. (1992). Distributions of fractional order statistics in hydro- logy. Water Resources Research, 28, 1649-1655Martínez-Flórez, G., Moreno-Arenas, G. and Vergara-Cardoso, S. (2013) Properties and Inference for Proportional Hazard Models. Colombian Jour- nal of Statistics 36 (2013) 95-114.Martínez-Flórez, G., Bolfarine, H. and Gómez, H. W. (2013). Skew-normal Alpha-Power Model, Statistics-doi 10.1080/02331888.2013.826659.Martínez-Flórez, G.; Bolfarine, H.; Gómez, H.W. Doubly censored power- normal regression models with inflation. Test 2014, 24, 265-286.Elal-Olivero. D. (2010a). Alpha-skew-normal distribution, Proyecciones Journal of Mathematics, 29, 3, 224-240.Vicéns, J. y Sánhez, B. (2012). Regresión cuantílica: Estimación y Constras- tes. Instituto L.R. Klein. Centro Gauss. U.A.M. D.T. nº 21, Universidad Autónoma de Madrid. Madrid-España.Koenker, R. (2005) Quantile Regression. Econometric Society Monographs. Cambridge university press. Version: November 10, 38.Cade, B.S. y Noon, B.R. (2003). A gentle introduction to quantile regression for ecologists in Frontiers in Ecology and the Environment 1(8), pp.(412- 420).Manski, C. F. y Thompson, T.S. (1986) Operational Characteristics of Ma- ximum Score Estimation, Journal of Econometrics, 32, pp. (85-108).Mazucheli, J., Alve, B. (2021). The Unit-Gompertz quantile regression mo- del for bounded responses. preprint, 0(0), 1-20Gallardo, D.I.; Bourguignon, M.; Gómez Y.M.; Caamaño-Carrillo, C.; Vene- gas, O. Parametric Quantile Regression Models for Fitting Double Bounded Response with Application to COVID-19 Mortality Rate Data. Mathema- tics 2022, 10, 2249. https://doi.org/10.3390/math10132249Korkmaz, M.C.; Altun, E.; Alizadeh, M.; El-Morshedy, M. (2021) The Log Exponential-Power Distribution: Properties, Estimations and Quantile Regression Model. Mathematics, 9, 2634. https://doi.org/10.3390/ math9212634Jöreskog, K., Söborn, D.(2013) Multilevel Generalized Linear Modeling Guide. Publicado dentro del software LISREL versión 9.10 para estudian- tes.Enchautegui, M. (2008) Módulo de estudio sobre Modelos Probit y Logit. Publicado por Departamento de Economía de la Universidad de Puerto Rico Recinto de Río Piedras. Revisado el 29/10/13 desde http://economia.uprrp. edu/ notasGujarati, D. (2006) Principios de Econometria. Publicado por McGrawHill, tercera edición, España.Agresti, A. (2002). Regresión logística. Análisis de datos categóricos.Hair, J.; Anderson, R.; Tatham, R., Black, W.(1999). Análsis Multivarian- te. Prentice Hall, Madrid. 5ª ed.Johnson, D. (1998). Modelos Multivariados Aplicados al Análisis de datos. International Thomson Editores, México.Manríquez Pacheco, R. (2022). Modelo de deserción estudiantil (Doctoral dissertation, Universidad del Desarrollo. Facultad de Ingeniería).Breiman, L. (2001). Random Forest. California: Statistics Department.ModeloLogísticaProbitRandomForestCuantílicaRegresiónLogisticRegressionModelProbitRandomForestQuantilePublicationORIGINALPamelaLondoñoGarcía.pdfPamelaLondoñoGarcía.pdfapplication/pdf873957https://repositorio.unicordoba.edu.co/bitstreams/ab19a8b6-18ca-46b7-acfc-04203e7d99b8/downloadd33aacbd26050b0a7d10584734d09266MD53Formato de autorización.pdfFormato de autorización.pdfapplication/pdf355430https://repositorio.unicordoba.edu.co/bitstreams/dc0409be-6600-41d5-8c57-c9a4ec4b9ba7/downloadfc8a9f1109f5d1244b3fbf265bc53ec7MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-815543https://repositorio.unicordoba.edu.co/bitstreams/cc7d0713-ec84-4c9f-b3b7-0520b97ab51f/download73a5432e0b76442b22b026844140d683MD52TEXTPamelaLondoñoGarcía.pdf.txtPamelaLondoñoGarcía.pdf.txtExtracted texttext/plain102725https://repositorio.unicordoba.edu.co/bitstreams/f234d87b-8101-41bf-b50a-32939b79edd2/download5eeaa02152a30371c4b57b008fda63f7MD55Formato de autorización.pdf.txtFormato de autorización.pdf.txtExtracted texttext/plain5779https://repositorio.unicordoba.edu.co/bitstreams/7d5665d6-9a61-4146-bce0-27d1754c00f4/download88c3639967f1ed65effafec1f42897a6MD57THUMBNAILPamelaLondoñoGarcía.pdf.jpgPamelaLondoñoGarcía.pdf.jpgGenerated Thumbnailimage/jpeg6499https://repositorio.unicordoba.edu.co/bitstreams/73d691e9-b875-4000-9723-03fe8b8b6344/download4fd098de0c0afd8a46fa5c0dd18593e9MD56Formato de autorización.pdf.jpgFormato de autorización.pdf.jpgGenerated Thumbnailimage/jpeg14355https://repositorio.unicordoba.edu.co/bitstreams/5f5b4f25-be8a-4392-8ac1-833881b5a997/downloadf37d7983c4499b040f41687f8424c06bMD58ucordoba/9151oai:repositorio.unicordoba.edu.co:ucordoba/91512025-05-02 03:00:39.899https://creativecommons.org/licenses/by-nc-nd/4.0/Copyright Universidad de Córdoba, 2025open.accesshttps://repositorio.unicordoba.edu.coRepositorio Universidad de Córdobabdigital@metabiblioteca.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

Publicaciones similares