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 e...
- 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
- Rights
- License
- Attribution-NonCommercial-NoDerivatives 4.0 Internacional
| id |
UDISTRITA2_73f73b160ba65ff05e55141bf8e2d2e2 |
|---|---|
| oai_identifier_str |
oai:repository.udistrital.edu.co:11349/36760 |
| network_acronym_str |
UDISTRITA2 |
| network_name_str |
RIUD: repositorio U. Distrital |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Construcción de modelos de machine learning con aprendizaje supervisado para determinar la deserción académica en estudiantes universitarios |
| dc.title.titleenglish.spa.fl_str_mv |
Construction of machine learning models with supervised learning to determine academic dropout in university students |
| title |
Construcción de modelos de machine learning con aprendizaje supervisado para determinar la deserción académica en estudiantes universitarios |
| spellingShingle |
Construcción de modelos de machine learning con aprendizaje supervisado para determinar la deserción académica en estudiantes universitarios 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 |
| title_short |
Construcción de modelos de machine learning con aprendizaje supervisado para determinar la deserción académica en estudiantes universitarios |
| title_full |
Construcción de modelos de machine learning con aprendizaje supervisado para determinar la deserción académica en estudiantes universitarios |
| title_fullStr |
Construcción de modelos de machine learning con aprendizaje supervisado para determinar la deserción académica en estudiantes universitarios |
| title_full_unstemmed |
Construcción de modelos de machine learning con aprendizaje supervisado para determinar la deserción académica en estudiantes universitarios |
| title_sort |
Construcción de modelos de machine learning con aprendizaje supervisado para determinar la deserción académica en estudiantes universitarios |
| dc.creator.fl_str_mv |
Pineda Martínez, Andrés Fabián Garzón Parra, Jhon Alexander |
| dc.contributor.advisor.none.fl_str_mv |
Contreras Bravo, Leonardo Emiro |
| dc.contributor.author.none.fl_str_mv |
Pineda Martínez, Andrés Fabián Garzón Parra, Jhon Alexander |
| dc.contributor.orcid.spa.fl_str_mv |
0000-0003-4625-8835 |
| dc.contributor.orcid.none.fl_str_mv |
Contreras Bravo, Leonardo Emiro [0000-0003-4625-8835] |
| dc.subject.spa.fl_str_mv |
Deserción estudiantil Aprendizaje automático Árbol de decisión Regresión logística SVM KNN |
| topic |
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 |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería Industrial -- Tesis y disertaciones académicas Deserción estudiantil Aprendizaje automático Ingeniería eléctrica Ingeniería catastral |
| dc.subject.keyword.spa.fl_str_mv |
Student Dropout Machine Learning Decision Tree Logistic Regression SVM KNN |
| description |
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. |
| publishDate |
2023 |
| dc.date.created.none.fl_str_mv |
2023-02-08 |
| dc.date.accessioned.none.fl_str_mv |
2024-06-21T20:32:40Z |
| dc.date.available.none.fl_str_mv |
2024-06-21T20:32:40Z |
| dc.type.spa.fl_str_mv |
bachelorThesis |
| dc.type.degree.spa.fl_str_mv |
Investigación-Innovación |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11349/36760 |
| url |
http://hdl.handle.net/11349/36760 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.*.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 Internacional Attribution-NonCommercial-NoDerivatives 4.0 Internacional Attribution-NonCommercial-NoDerivatives 4.0 Internacional Attribution-NonCommercial-NoDerivatives 4.0 Internacional |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.acceso.spa.fl_str_mv |
Abierto (Texto Completo) |
| rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
pdf |
| institution |
Universidad Distrital Francisco José de Caldas |
| bitstream.url.fl_str_mv |
https://repository.udistrital.edu.co/bitstreams/babe76d0-aebf-49f5-8f72-a34f66363760/download https://repository.udistrital.edu.co/bitstreams/fe069ba1-f8fb-4fd0-83c4-01c2bd8787e0/download https://repository.udistrital.edu.co/bitstreams/583515a4-d193-452c-8429-e0381862078a/download https://repository.udistrital.edu.co/bitstreams/293c0d49-599a-4400-b9ce-669186a3b539/download https://repository.udistrital.edu.co/bitstreams/224ee023-3b3e-43fa-b98a-5b2231b87d3b/download https://repository.udistrital.edu.co/bitstreams/ad546432-459a-43cd-ada8-69d438e8ad9b/download |
| bitstream.checksum.fl_str_mv |
54dd953534e5007fced622c1e7b38d58 2aa366acfe1c6397dc3e1582c66c3c74 4460e5956bc1d1639be9ae6146a50347 997daf6c648c962d566d7b082dac908d 8c5d98d0180e5832134b5c36033af57d 12a6785a7601d0982dd26255f75a5c92 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Distrital |
| repository.mail.fl_str_mv |
repositorio@udistrital.edu.co |
| _version_ |
1828165345643331584 |
| spelling |
Contreras Bravo, Leonardo EmiroPineda Martínez, Andrés FabiánGarzón Parra, Jhon Alexander0000-0003-4625-8835Contreras Bravo, Leonardo Emiro [0000-0003-4625-8835]2024-06-21T20:32:40Z2024-06-21T20:32:40Z2023-02-08http://hdl.handle.net/11349/36760En 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.In this investigation, the objective has been set to make use of machine learning to generate predictions about the status of the student dropout, specifically for the Electrical Engineering and the Cadastral Engineering programs of the District University of Francisco José de Caldas. For the case of Electrical Engineering, data of 1834 students were used from semester 2009-1 to the semester 2018-3, while Cadastral Engineering, data of 2335 students were used from semester 2009-3 to the semester 2018-3. Features related to pre-university, socioeconomic, demographic, academic, and institutional factors are found in the databases. To make the predictions in the 10 semesters of duration of both programs, the following algorithms were used: decisión tree, logistic regression, KNN (K-nearest neighbor), SVM (Support Vector Machine) classifier and Naive Bayes. With the results obtained, it has been concluded that machine learning it’s a good option to predict the student dropout and that the information obtained by the predictions could be useful to help in the search of strategies that allow to reduce the universitary dropout.pdfspaAttribution-NonCommercial-NoDerivatives 4.0 InternacionalAttribution-NonCommercial-NoDerivatives 4.0 InternacionalAttribution-NonCommercial-NoDerivatives 4.0 InternacionalAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Abierto (Texto Completo)http://purl.org/coar/access_right/c_abf2Deserción estudiantilAprendizaje automáticoÁrbol de decisiónRegresión logísticaSVMKNNIngeniería Industrial -- Tesis y disertaciones académicasDeserción estudiantilAprendizaje automáticoIngeniería eléctricaIngeniería catastralStudent DropoutMachine LearningDecision TreeLogistic RegressionSVMKNNConstrucción de modelos de machine learning con aprendizaje supervisado para determinar la deserción académica en estudiantes universitariosConstruction of machine learning models with supervised learning to determine academic dropout in university studentsbachelorThesisInvestigación-Innovacióninfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fORIGINALPinedaMartínezAndrésFabián2023.pdfPinedaMartínezAndrésFabián2023.pdfTrabajo de gradoapplication/pdf1451871https://repository.udistrital.edu.co/bitstreams/babe76d0-aebf-49f5-8f72-a34f66363760/download54dd953534e5007fced622c1e7b38d58MD51Licencia de uso y publicación.pdfLicencia de uso y publicación.pdfLicencia de uso y publicaciónapplication/pdf667478https://repository.udistrital.edu.co/bitstreams/fe069ba1-f8fb-4fd0-83c4-01c2bd8787e0/download2aa366acfe1c6397dc3e1582c66c3c74MD56CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repository.udistrital.edu.co/bitstreams/583515a4-d193-452c-8429-e0381862078a/download4460e5956bc1d1639be9ae6146a50347MD57LICENSElicense.txtlicense.txttext/plain; charset=utf-87167https://repository.udistrital.edu.co/bitstreams/293c0d49-599a-4400-b9ce-669186a3b539/download997daf6c648c962d566d7b082dac908dMD58THUMBNAILPinedaMartínezAndrésFabián2023.pdf.jpgPinedaMartínezAndrésFabián2023.pdf.jpgIM Thumbnailimage/jpeg5859https://repository.udistrital.edu.co/bitstreams/224ee023-3b3e-43fa-b98a-5b2231b87d3b/download8c5d98d0180e5832134b5c36033af57dMD59Licencia de uso y publicación.pdf.jpgLicencia de uso y publicación.pdf.jpgIM Thumbnailimage/jpeg11356https://repository.udistrital.edu.co/bitstreams/ad546432-459a-43cd-ada8-69d438e8ad9b/download12a6785a7601d0982dd26255f75a5c92MD51011349/36760oai:repository.udistrital.edu.co:11349/367602024-06-22 01:02:12.198http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internacionalopen.accesshttps://repository.udistrital.edu.coRepositorio Universidad Distritalrepositorio@udistrital.edu.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 |