Construcción de modelos de machine learning con aprendizaje supervisado para determinar la deserción académica en estudiantes universitarios

En esta investigación, se ha fijado como objetivo hacer uso del aprendizaje automático para generar predicciones sobre el estado de deserción estudiantil, específicamente para los programas de Ingeniería Eléctrica y de Ingeniería Catastral en la Universidad Distrital Francisco José de Caldas. Para el caso de Ingeniería Eléctrica, se han utilizado datos de 1834 estudiantes desde el semestre 2009-1 hasta el semestre 2018-3, mientras que para Ingeniería Catastral se utilizaron datos 2335 estudiantes desde el semestre 2009-3 hasta el semestre 2018-3. En las bases de datos se encuentran características relacionadas con factores pre-universitarios, socioeconómicos, demográficos, académicos e institucionales. Para realizar las predicciones en los 10 semestres que duran ambos planes de estudios, se utilizaron los siguientes algoritmos: árbol de decisión, regresión logística, KNN (K-vecinos más cercanos), SVM (máquinas de vectores de soporte) clasificador y Naive Bayes. Con los resultados obtenidos, se ha concluido que el aprendizaje automático es una buena opción para predecir la deserción de los estudiantes y que la información que se obtiene en las predicciones puede ayudar en la búsqueda de estrategias que permitan reducir la deserción universitaria.

• Autores: Pineda Martínez, Andrés Fabián; Garzón Parra, Jhon Alexander
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/36760
• Acceso en línea: http://hdl.handle.net/11349/36760
• Palabra clave: Deserción estudiantil; Aprendizaje automático; Árbol de decisión; Regresión logística; SVM; KNN; Ingeniería Industrial -- Tesis y disertaciones académicas; Deserción estudiantil; Aprendizaje automático; Ingeniería eléctrica; Ingeniería catastral; Student Dropout; Machine Learning; Decision Tree; Logistic Regression; SVM; KNN
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional