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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