Diseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de Los Andes por medio de técnicas de machine learning.
Este proyecto tiene por objetivo presentar un estudio descriptivo para identificar causas y reconocer las características más importantes que generen la deserción de un estudiante de pregrado del departamento de ingeniería eléctrica y electrónica de la Universidad de los Andes.
- Autores:
-
Reyes Rodríguez, Isabella
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/58923
- Acceso en línea:
- http://hdl.handle.net/1992/58923
- Palabra clave:
- Deserción estudiantil
Random forest
Machine Learning
Árboles de decisión
Feature importance
Deserción
Ingeniería
- Rights
- openAccess
- License
- Atribución 4.0 Internacional
| id |
UNIANDES2_116a96da6328fe8ecefdb66141030d00 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/58923 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Diseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de Los Andes por medio de técnicas de machine learning. |
| title |
Diseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de Los Andes por medio de técnicas de machine learning. |
| spellingShingle |
Diseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de Los Andes por medio de técnicas de machine learning. Deserción estudiantil Random forest Machine Learning Árboles de decisión Feature importance Deserción Ingeniería |
| title_short |
Diseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de Los Andes por medio de técnicas de machine learning. |
| title_full |
Diseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de Los Andes por medio de técnicas de machine learning. |
| title_fullStr |
Diseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de Los Andes por medio de técnicas de machine learning. |
| title_full_unstemmed |
Diseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de Los Andes por medio de técnicas de machine learning. |
| title_sort |
Diseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de Los Andes por medio de técnicas de machine learning. |
| dc.creator.fl_str_mv |
Reyes Rodríguez, Isabella |
| dc.contributor.advisor.none.fl_str_mv |
Zambrano Jacobo, Andrés Felipe Giraldo Trujillo, Luis Felipe |
| dc.contributor.author.none.fl_str_mv |
Reyes Rodríguez, Isabella |
| dc.contributor.jury.none.fl_str_mv |
Guerrero Hurtado, Mauricio |
| dc.subject.keyword.none.fl_str_mv |
Deserción estudiantil Random forest Machine Learning Árboles de decisión Feature importance Deserción |
| topic |
Deserción estudiantil Random forest Machine Learning Árboles de decisión Feature importance Deserción Ingeniería |
| dc.subject.themes.es_CO.fl_str_mv |
Ingeniería |
| description |
Este proyecto tiene por objetivo presentar un estudio descriptivo para identificar causas y reconocer las características más importantes que generen la deserción de un estudiante de pregrado del departamento de ingeniería eléctrica y electrónica de la Universidad de los Andes. |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-07-18T15:16:54Z |
| dc.date.available.none.fl_str_mv |
2022-07-18T15:16:54Z |
| dc.date.issued.none.fl_str_mv |
2022 |
| dc.type.es_CO.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/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.es_CO.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/58923 |
| dc.identifier.instname.es_CO.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.es_CO.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.es_CO.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/58923 |
| identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.es_CO.fl_str_mv |
A. Poveda Caputo, Diseño de una metodología estructurada para crear un modelo de predicción de deserción estudiantil en la Universidad de Los Andes, Master Degree Thesis in Industrial Engineering, Universidad de los Andes, Bogotá D.C., 2015. C. Prieto Arciniegas, Uso de Regresión Logística para predecir deserción estudiantil temprana, Universidad de los Andes, Bogotá D.C., 2015. Ministerio de Educación Nacional República de Colombia, Deserción estudiantil en la educación superior colombiana, metodología de seguimiento, diagnóstico y elementos para su prevención, Bogotá D.C., 2009. M. Zúñiga, Deserción estudiantil en el nivel superior. Causas Y Solución, Dialnet, México, 2006. V. Tinto, Definir la deserción: una cuestión de perspectiva, Revista de la Educación Superior Número 71, 1989. V. Tinto, Limits of theory and practice in student attrition, The Journal of Higher Education 53rd ed, 1982. Scikit-learn: Machine Learning in Python, Pedregosa et al., JMLR 12, pp. 2825-2830, 2011. C. Molnar, Interpretable Machine Learning. A Guide for Making Black Box Models Explainable. P.E. Ramírez y E.E. Grandón Predicción de la deserción académica en una universidad pública chilena a través de la clasificación basada en árboles de decisión con parámetros optimizados, Junio, 2018. L. Gonzalez, AprendeIA. Aprendizaje Supervisado: Decision Tree Classification, 2018. J.A Rodrigo, Random Forest con Python, Octubre, 2020. P. Aznar, What is the difference between Extra Trees and Random Forest, 2020. IBM. Regresión Logística. Wikipedia. Perceptrón multicapa. Ministerio de Educación Nacional, Calendario y Jornada Escolar, 2018. Establecimiento educativo activo de preescolar, básica y media a nivel nacional del sector oficial y privado con histórico hasta 2017. Disponible en: https://www.datos.gov.co/Educaci-n/Establecimientos-educativos-de-preescolar-b-sica_H/ea56-rtcx/data |
| dc.rights.license.spa.fl_str_mv |
Atribución 4.0 Internacional |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución 4.0 Internacional http://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
48 páginas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.es_CO.fl_str_mv |
Ingeniería Electrónica |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/0a10d626-dd66-4f86-9832-7017752c9840/download https://repositorio.uniandes.edu.co/bitstreams/c1c49d4e-a974-404f-b1e7-476fb98af06d/download https://repositorio.uniandes.edu.co/bitstreams/20a7914d-1265-4ed2-98a4-2022c07f2920/download https://repositorio.uniandes.edu.co/bitstreams/c9a623ff-a363-4547-96aa-8806bd608f4a/download https://repositorio.uniandes.edu.co/bitstreams/8eaab159-5f79-4633-b6f0-630f4601ad51/download https://repositorio.uniandes.edu.co/bitstreams/a3662523-2862-49f5-99c4-239993005c3b/download https://repositorio.uniandes.edu.co/bitstreams/6be08612-88cc-47ce-9810-88ba707c40e0/download https://repositorio.uniandes.edu.co/bitstreams/52461736-55ef-464e-9121-37426ec773f6/download |
| bitstream.checksum.fl_str_mv |
cd003d74d9745a9a927434f66723f0e8 07c873387289b7f85c36856166a043cd ea86d6c7414ba84d23842a02e6bd60fb 28b87dae0f57ee79c3bb58f03e5ff83d 0175ea4a2d4caec4bbcc37e300941108 5aa5c691a1ffe97abd12c2966efcb8d6 3cec7b726ece3c954cf991de686810c2 aad43ac9348fc55f9fedc2ac18f61be8 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812133865753411584 |
| spelling |
Atribución 4.0 Internacionalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Zambrano Jacobo, Andrés Felipec49bc877-3a25-4e5f-9a1a-db6079decfb7600Giraldo Trujillo, Luis Felipevirtual::4387-1Reyes Rodríguez, Isabella119b1e5e-f096-449e-b84e-25608abd142a600Guerrero Hurtado, Mauricio2022-07-18T15:16:54Z2022-07-18T15:16:54Z2022http://hdl.handle.net/1992/58923instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Este proyecto tiene por objetivo presentar un estudio descriptivo para identificar causas y reconocer las características más importantes que generen la deserción de un estudiante de pregrado del departamento de ingeniería eléctrica y electrónica de la Universidad de los Andes.El estudio de la deserción en la educación superior implica muchos retos debido a la variedad de causas que existen, sin embargo, el análisis de este fenómeno es clave para implementar alternativas de solución que mitiguen el problema. Se han propuesto técnicas de Machine Learning (ML) para modelar la dinámica de distintas variables que caracterizan aspectos socioeconómicos, individuales y variables académicas globales de un estudiante. La mayoría de los estudios de la deserción cuentan con pequeñas bases de datos o se enfocan en una perspectiva netamente académica. Sin embargo, la decisión de un estudiante en desertar no necesariamente es por su desempeño académico. Muchos de ellos se ven motivados por otras razones tal como se evidenció en las entrevistas realizadas en este estudio. En este trabajo, se aplicaron las técnicas de ML Decision Trees, Random Forest, Extra Trees Classifier, Logistic Regression y Multi Layer Perceptron para analizar datos de variables de estudiantes del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes. Se propuso una metodología que busca caracterizar la deserción creando un modelo descriptivo para determinar sus causas. Igualmente, se identificó la necesidad de incluir datos académicos debido a su relevancia dentro de la predicción de deserción. Se aplicó un estudio de correlación lineal que permite junto al feature importance señalar que la pandemia afectó el comportamiento de los datos frente a la deserción creando una variación en los resultados. Adicionalmente, muestra que las variables socioeconómicas como el estrato, el ingreso del hogar y la educación de los padres tuvieron una correlación inversa a la deserción.Ingeniero ElectrónicoPregrado48 páginasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaDiseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de Los Andes por medio de técnicas de machine learning.Trabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPDeserción estudiantilRandom forestMachine LearningÁrboles de decisiónFeature importanceDeserciónIngenieríaA. Poveda Caputo, Diseño de una metodología estructurada para crear un modelo de predicción de deserción estudiantil en la Universidad de Los Andes, Master Degree Thesis in Industrial Engineering, Universidad de los Andes, Bogotá D.C., 2015.C. Prieto Arciniegas, Uso de Regresión Logística para predecir deserción estudiantil temprana, Universidad de los Andes, Bogotá D.C., 2015.Ministerio de Educación Nacional República de Colombia, Deserción estudiantil en la educación superior colombiana, metodología de seguimiento, diagnóstico y elementos para su prevención, Bogotá D.C., 2009.M. Zúñiga, Deserción estudiantil en el nivel superior. Causas Y Solución, Dialnet, México, 2006.V. Tinto, Definir la deserción: una cuestión de perspectiva, Revista de la Educación Superior Número 71, 1989.V. Tinto, Limits of theory and practice in student attrition, The Journal of Higher Education 53rd ed, 1982.Scikit-learn: Machine Learning in Python, Pedregosa et al., JMLR 12, pp. 2825-2830, 2011.C. Molnar, Interpretable Machine Learning. A Guide for Making Black Box Models Explainable.P.E. Ramírez y E.E. Grandón Predicción de la deserción académica en una universidad pública chilena a través de la clasificación basada en árboles de decisión con parámetros optimizados, Junio, 2018.L. Gonzalez, AprendeIA. Aprendizaje Supervisado: Decision Tree Classification, 2018.J.A Rodrigo, Random Forest con Python, Octubre, 2020.P. Aznar, What is the difference between Extra Trees and Random Forest, 2020.IBM. Regresión Logística.Wikipedia. Perceptrón multicapa.Ministerio de Educación Nacional, Calendario y Jornada Escolar, 2018.Establecimiento educativo activo de preescolar, básica y media a nivel nacional del sector oficial y privado con histórico hasta 2017. Disponible en: https://www.datos.gov.co/Educaci-n/Establecimientos-educativos-de-preescolar-b-sica_H/ea56-rtcx/data201714629Publicationhttps://scholar.google.es/citations?user=4TGvo8AAAAJvirtual::4387-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000802506virtual::4387-1eb386eec-3ec8-40c2-829d-ae8cbf0e384evirtual::4387-1eb386eec-3ec8-40c2-829d-ae8cbf0e384evirtual::4387-1ORIGINALDiseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes por medio de técnicas de Machine Learning.pdfDiseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes por medio de técnicas de Machine Learning.pdfTrabajo de gradoapplication/pdf1894863https://repositorio.uniandes.edu.co/bitstreams/0a10d626-dd66-4f86-9832-7017752c9840/downloadcd003d74d9745a9a927434f66723f0e8MD54Formato autorizacio¿n entrega biblioteca trabajo grado electro¿nica firmado.pdfFormato autorizacio¿n entrega biblioteca trabajo grado electro¿nica firmado.pdfHIDEapplication/pdf189812https://repositorio.uniandes.edu.co/bitstreams/c1c49d4e-a974-404f-b1e7-476fb98af06d/download07c873387289b7f85c36856166a043cdMD53TEXTDiseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes por medio de técnicas de Machine Learning.pdf.txtDiseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes por medio de técnicas de Machine Learning.pdf.txtExtracted texttext/plain66286https://repositorio.uniandes.edu.co/bitstreams/20a7914d-1265-4ed2-98a4-2022c07f2920/downloadea86d6c7414ba84d23842a02e6bd60fbMD55Formato autorizacio¿n entrega biblioteca trabajo grado electro¿nica firmado.pdf.txtFormato autorizacio¿n entrega biblioteca trabajo grado electro¿nica firmado.pdf.txtExtracted texttext/plain1599https://repositorio.uniandes.edu.co/bitstreams/c9a623ff-a363-4547-96aa-8806bd608f4a/download28b87dae0f57ee79c3bb58f03e5ff83dMD57CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8908https://repositorio.uniandes.edu.co/bitstreams/8eaab159-5f79-4633-b6f0-630f4601ad51/download0175ea4a2d4caec4bbcc37e300941108MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81810https://repositorio.uniandes.edu.co/bitstreams/a3662523-2862-49f5-99c4-239993005c3b/download5aa5c691a1ffe97abd12c2966efcb8d6MD51THUMBNAILDiseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes por medio de técnicas de Machine Learning.pdf.jpgDiseño de un modelo de caracterización de la deserción de un estudiante de pregrado del departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los Andes por medio de técnicas de Machine Learning.pdf.jpgIM Thumbnailimage/jpeg13875https://repositorio.uniandes.edu.co/bitstreams/6be08612-88cc-47ce-9810-88ba707c40e0/download3cec7b726ece3c954cf991de686810c2MD56Formato autorizacio¿n entrega biblioteca trabajo grado electro¿nica firmado.pdf.jpgFormato autorizacio¿n entrega biblioteca trabajo grado electro¿nica firmado.pdf.jpgIM Thumbnailimage/jpeg16825https://repositorio.uniandes.edu.co/bitstreams/52461736-55ef-464e-9121-37426ec773f6/downloadaad43ac9348fc55f9fedc2ac18f61be8MD581992/58923oai:repositorio.uniandes.edu.co:1992/589232024-03-13 12:40:34.772http://creativecommons.org/licenses/by/4.0/restrictedhttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |