Diseño de un modelo predictivo sobre la deserción de un estudiante de ingeniería eléctrica y electrónica de la Universidad de los Andes utilizando técnicas de Machine Learning
El presente trabajo es la continuación de un proyecto anterior que buscó caracterizar la deserción estudiantil al interior del departamento de ingeniería eléctrica y electrónica. Lo aportes del presente fueron añadir descriptores de tipo académicos (promedios por grupos de materias e influencia de p...
- Autores:
-
Rivera Molina, Joshua
- 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:1992/59352
- Acceso en línea:
- http://hdl.handle.net/1992/59352
- Palabra clave:
- deserción
predicción
rendimiento en técnicas de Machine Learning
Random Forest classifier
descriptores influyentes
Ingeniería
- Rights
- openAccess
- License
- Atribución-CompartirIgual 4.0 Internacional
| id |
UNIANDES2_9c0948807906c6af4c95f99643f6b29b |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/59352 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Diseño de un modelo predictivo sobre la deserción de un estudiante de ingeniería eléctrica y electrónica de la Universidad de los Andes utilizando técnicas de Machine Learning |
| title |
Diseño de un modelo predictivo sobre la deserción de un estudiante de ingeniería eléctrica y electrónica de la Universidad de los Andes utilizando técnicas de Machine Learning |
| spellingShingle |
Diseño de un modelo predictivo sobre la deserción de un estudiante de ingeniería eléctrica y electrónica de la Universidad de los Andes utilizando técnicas de Machine Learning deserción predicción rendimiento en técnicas de Machine Learning Random Forest classifier descriptores influyentes Ingeniería |
| title_short |
Diseño de un modelo predictivo sobre la deserción de un estudiante de ingeniería eléctrica y electrónica de la Universidad de los Andes utilizando técnicas de Machine Learning |
| title_full |
Diseño de un modelo predictivo sobre la deserción de un estudiante de ingeniería eléctrica y electrónica de la Universidad de los Andes utilizando técnicas de Machine Learning |
| title_fullStr |
Diseño de un modelo predictivo sobre la deserción de un estudiante de ingeniería eléctrica y electrónica de la Universidad de los Andes utilizando técnicas de Machine Learning |
| title_full_unstemmed |
Diseño de un modelo predictivo sobre la deserción de un estudiante de ingeniería eléctrica y electrónica de la Universidad de los Andes utilizando técnicas de Machine Learning |
| title_sort |
Diseño de un modelo predictivo sobre la deserción de un estudiante de ingeniería eléctrica y electrónica de la Universidad de los Andes utilizando técnicas de Machine Learning |
| dc.creator.fl_str_mv |
Rivera Molina, Joshua |
| dc.contributor.advisor.none.fl_str_mv |
Zambrano Jacobo, Andrés Felipe |
| dc.contributor.author.none.fl_str_mv |
Rivera Molina, Joshua |
| dc.contributor.jury.none.fl_str_mv |
Giraldo Trujillo, Luis Felipe |
| dc.subject.keyword.none.fl_str_mv |
deserción predicción rendimiento en técnicas de Machine Learning Random Forest classifier descriptores influyentes |
| topic |
deserción predicción rendimiento en técnicas de Machine Learning Random Forest classifier descriptores influyentes Ingeniería |
| dc.subject.themes.es_CO.fl_str_mv |
Ingeniería |
| description |
El presente trabajo es la continuación de un proyecto anterior que buscó caracterizar la deserción estudiantil al interior del departamento de ingeniería eléctrica y electrónica. Lo aportes del presente fueron añadir descriptores de tipo académicos (promedios por grupos de materias e influencia de profesores) junto con la predicción del fenómeno utilizando información de semestres anteriores para los estudiantes registrados cuya deserción se asumió (en caso de que se haya dado) en el último periodo guardado. |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-07-29T16:30:24Z |
| dc.date.available.none.fl_str_mv |
2022-07-29T16:30:24Z |
| dc.date.issued.none.fl_str_mv |
2022-07-05 |
| dc.type.none.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/1992/59352 |
| dc.identifier.instname.none.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.none.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/59352 |
| 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 |
Amat, J. (2020). Random Forest con Python. Creative Commons Attribution. Recuperado de: https://www.cienciadedatos.net/documentos/py08_random_forest_python.html Vidal, M. (2014). El uso del Perceptrón Multicapa para la clasificación de patrones en conductas adictivas. Universidad de las Islas Baleares. Recuperado de: https://dspace.uib.es/xmlui/bitstream/handle/11201/1126/TFG%20Marta%20Vidal%20Gonz%C3%A1lez.pdf?sequence=1&isAllowed=y Hilbe, J. (2015). Practical guide to Logistic Regression. CRC Press. Boca Raton, Florida, pp 3-5. Dalianis, H. (2018). Chapter 6, Evaluation Metrics and Evaluation. Recuperado de: https://link.springer.com/content/pdf/10.1007/978-3-319-78503-5_6.pdf Barreto, MC. (2011). Prueba de correlación de Spearman. Universidad de los Ángeles de Chimbote. Recuperado de: https://www.scientific-european-federation-osteopaths.org/wp-content/uploads/2019/01/Coeficiente-de-correlaci%C3%B3n-de-Spearman-.pdf Tinto, V. (1982). Limits of Theory and Practice in Student Attrition, 53rd ed. The Journal of Higher Education. |
| dc.rights.license.spa.fl_str_mv |
Atribución-CompartirIgual 4.0 Internacional |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-sa/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-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
12 páginas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.none.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 |
| publisher.none.fl_str_mv |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/44d2aca7-f3b2-4a56-8618-8f3dafcbd638/download https://repositorio.uniandes.edu.co/bitstreams/6ef6b557-f94a-4a9b-955e-185be5429a95/download https://repositorio.uniandes.edu.co/bitstreams/d7b764b0-31bd-41f7-b9a6-4fdecdc35b1d/download https://repositorio.uniandes.edu.co/bitstreams/5bbe2ddc-5306-4d3c-94d4-73488432b55e/download https://repositorio.uniandes.edu.co/bitstreams/5e096195-3e80-4d97-b379-9e87ab2d4494/download https://repositorio.uniandes.edu.co/bitstreams/8144983e-b23f-4f84-b602-72d4d6956127/download https://repositorio.uniandes.edu.co/bitstreams/3da42476-1b2f-4b30-a7aa-6984c1f1ab37/download https://repositorio.uniandes.edu.co/bitstreams/e0dbcb10-3d78-4ccc-9d90-47cca206492c/download |
| bitstream.checksum.fl_str_mv |
84a900c9dd4b2a10095a94649e1ce116 85bb737dd85e1cbe9b7cc47e2b30b18b 4491fe1afb58beaaef41a73cf7ff2e27 5aa5c691a1ffe97abd12c2966efcb8d6 10efbbb02bb2892cbfed8734c4aed5f0 99815bb8825964f7585025c9cc3a2b3d 5c636937d5998ef1a545806dde3bac03 ded27a2fba29340b4f4c272a1f571973 |
| 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_ |
1812134038153986048 |
| spelling |
Atribución-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Zambrano Jacobo, Andrés Felipe508eb2c3-e74f-4cb9-a12e-b8b56e2faa91600Rivera Molina, Joshua543aed40-f202-4dba-9571-e9db48cbe898600Giraldo Trujillo, Luis Felipe2022-07-29T16:30:24Z2022-07-29T16:30:24Z2022-07-05http://hdl.handle.net/1992/59352instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/El presente trabajo es la continuación de un proyecto anterior que buscó caracterizar la deserción estudiantil al interior del departamento de ingeniería eléctrica y electrónica. Lo aportes del presente fueron añadir descriptores de tipo académicos (promedios por grupos de materias e influencia de profesores) junto con la predicción del fenómeno utilizando información de semestres anteriores para los estudiantes registrados cuya deserción se asumió (en caso de que se haya dado) en el último periodo guardado.La deserción estudiantil en educación superior es una problemática latente para sociedades que se encuentran encaminadas a lograr un mayor desarrollo. Existen diferentes formas de abordar este problema y una de estas es por medio del análisis de información utilizando algoritmos y métodos de Machine Learning. El presente proyecto buscó lograr clasificar e intentar predecir el comportamiento de la deserción en un histórico de 10 años (20 semestres evaluados). Diferentes métodos fueron probados, tales como MultiLayer Perceptron Classifier, Logistic Regression Classifier y Random Forest Classifier. Este último demostró ser el método que mejor se ajustaba a los datos y tanto su clasificación como predicción de la deserción fue consistente y buscó minimizar la mayor cantidad de errores que podían ser cometidos. Se encontró que los descriptores de tipo académico fueron altamente relevantes cuando se habla de clasificación y que al considerar solamente la deserción interna o de programa, el método de clasificación no logra etiquetar satisfactoriamente los estudiantes que efectivamente desertaron. En cuanto a términos de predicción, cuando se utiliza información asociada a los primeros semestres de un estudiante, la importancia de la mayoría de los descriptores académicos junto con ciertos descriptores individuales de los estudiantes se incrementa considerablemente y es durante ese periodo que se deberían realizar intervenciones y poder evitar o mitigar la deserción.Ingeniero ElectrónicoPregrado12 páginasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaDiseño de un modelo predictivo sobre la deserción de un estudiante de ingeniería eléctrica y electrónica de la Universidad de los Andes utilizando técnicas de Machine LearningTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPdeserciónpredicciónrendimiento en técnicas de Machine LearningRandom Forest classifierdescriptores influyentesIngenieríaAmat, J. (2020). Random Forest con Python. Creative Commons Attribution. Recuperado de: https://www.cienciadedatos.net/documentos/py08_random_forest_python.htmlVidal, M. (2014). El uso del Perceptrón Multicapa para la clasificación de patrones en conductas adictivas. Universidad de las Islas Baleares. Recuperado de: https://dspace.uib.es/xmlui/bitstream/handle/11201/1126/TFG%20Marta%20Vidal%20Gonz%C3%A1lez.pdf?sequence=1&isAllowed=yHilbe, J. (2015). Practical guide to Logistic Regression. CRC Press. Boca Raton, Florida, pp 3-5.Dalianis, H. (2018). Chapter 6, Evaluation Metrics and Evaluation. Recuperado de: https://link.springer.com/content/pdf/10.1007/978-3-319-78503-5_6.pdfBarreto, MC. (2011). Prueba de correlación de Spearman. Universidad de los Ángeles de Chimbote. Recuperado de: https://www.scientific-european-federation-osteopaths.org/wp-content/uploads/2019/01/Coeficiente-de-correlaci%C3%B3n-de-Spearman-.pdfTinto, V. (1982). Limits of Theory and Practice in Student Attrition, 53rd ed. The Journal of Higher Education.201815006PublicationCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81025https://repositorio.uniandes.edu.co/bitstreams/44d2aca7-f3b2-4a56-8618-8f3dafcbd638/download84a900c9dd4b2a10095a94649e1ce116MD52TEXTDocumento Proyecto de Grado - Joshua Rivera Molina 201815006.pdf.txtDocumento Proyecto de Grado - Joshua Rivera Molina 201815006.pdf.txtExtracted texttext/plain45173https://repositorio.uniandes.edu.co/bitstreams/6ef6b557-f94a-4a9b-955e-185be5429a95/download85bb737dd85e1cbe9b7cc47e2b30b18bMD56Formato Autorización y Entrega de Tesis JOSHUA FIRMADO.pdf.txtFormato Autorización y Entrega de Tesis JOSHUA FIRMADO.pdf.txtExtracted texttext/plain1163https://repositorio.uniandes.edu.co/bitstreams/d7b764b0-31bd-41f7-b9a6-4fdecdc35b1d/download4491fe1afb58beaaef41a73cf7ff2e27MD58LICENSElicense.txtlicense.txttext/plain; charset=utf-81810https://repositorio.uniandes.edu.co/bitstreams/5bbe2ddc-5306-4d3c-94d4-73488432b55e/download5aa5c691a1ffe97abd12c2966efcb8d6MD55ORIGINALDocumento Proyecto de Grado - Joshua Rivera Molina 201815006.pdfDocumento Proyecto de Grado - Joshua Rivera Molina 201815006.pdfapplication/pdf1115423https://repositorio.uniandes.edu.co/bitstreams/5e096195-3e80-4d97-b379-9e87ab2d4494/download10efbbb02bb2892cbfed8734c4aed5f0MD53Formato Autorización y Entrega de Tesis JOSHUA FIRMADO.pdfFormato Autorización y Entrega de Tesis JOSHUA FIRMADO.pdfHIDEapplication/pdf179793https://repositorio.uniandes.edu.co/bitstreams/8144983e-b23f-4f84-b602-72d4d6956127/download99815bb8825964f7585025c9cc3a2b3dMD54THUMBNAILDocumento Proyecto de Grado - Joshua Rivera Molina 201815006.pdf.jpgDocumento Proyecto de Grado - Joshua Rivera Molina 201815006.pdf.jpgIM Thumbnailimage/jpeg29359https://repositorio.uniandes.edu.co/bitstreams/3da42476-1b2f-4b30-a7aa-6984c1f1ab37/download5c636937d5998ef1a545806dde3bac03MD57Formato Autorización y Entrega de Tesis JOSHUA FIRMADO.pdf.jpgFormato Autorización y Entrega de Tesis JOSHUA FIRMADO.pdf.jpgIM Thumbnailimage/jpeg15958https://repositorio.uniandes.edu.co/bitstreams/e0dbcb10-3d78-4ccc-9d90-47cca206492c/downloadded27a2fba29340b4f4c272a1f571973MD591992/59352oai:repositorio.uniandes.edu.co:1992/593522023-10-10 19:10:21.727http://creativecommons.org/licenses/by-sa/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.coWW8sIGVuIG1pIGNhbGlkYWQgZGUgYXV0b3IgZGVsIHRyYWJham8gZGUgdGVzaXMsIG1vbm9ncmFmw61hIG8gdHJhYmFqbyBkZSBncmFkbywgaGFnbyBlbnRyZWdhIGRlbCBlamVtcGxhciByZXNwZWN0aXZvIHkgZGUgc3VzIGFuZXhvcyBkZSBzZXIgZWwgY2FzbywgZW4gZm9ybWF0byBkaWdpdGFsIHkvbyBlbGVjdHLDs25pY28geSBhdXRvcml6byBhIGxhIFVuaXZlcnNpZGFkIGRlIGxvcyBBbmRlcyBwYXJhIHF1ZSByZWFsaWNlIGxhIHB1YmxpY2FjacOzbiBlbiBlbCBTaXN0ZW1hIGRlIEJpYmxpb3RlY2FzIG8gZW4gY3VhbHF1aWVyIG90cm8gc2lzdGVtYSBvIGJhc2UgZGUgZGF0b3MgcHJvcGlvIG8gYWplbm8gYSBsYSBVbml2ZXJzaWRhZCB5IHBhcmEgcXVlIGVuIGxvcyB0w6lybWlub3MgZXN0YWJsZWNpZG9zIGVuIGxhIExleSAyMyBkZSAxOTgyLCBMZXkgNDQgZGUgMTk5MywgRGVjaXNpw7NuIEFuZGluYSAzNTEgZGUgMTk5MywgRGVjcmV0byA0NjAgZGUgMTk5NSB5IGRlbcOhcyBub3JtYXMgZ2VuZXJhbGVzIHNvYnJlIGxhIG1hdGVyaWEsIHV0aWxpY2UgZW4gdG9kYXMgc3VzIGZvcm1hcywgbG9zIGRlcmVjaG9zIHBhdHJpbW9uaWFsZXMgZGUgcmVwcm9kdWNjacOzbiwgY29tdW5pY2FjacOzbiBww7pibGljYSwgdHJhbnNmb3JtYWNpw7NuIHkgZGlzdHJpYnVjacOzbiAoYWxxdWlsZXIsIHByw6lzdGFtbyBww7pibGljbyBlIGltcG9ydGFjacOzbikgcXVlIG1lIGNvcnJlc3BvbmRlbiBjb21vIGNyZWFkb3IgZGUgbGEgb2JyYSBvYmpldG8gZGVsIHByZXNlbnRlIGRvY3VtZW50by4gIAoKCkxhIHByZXNlbnRlIGF1dG9yaXphY2nDs24gc2UgZW1pdGUgZW4gY2FsaWRhZCBkZSBhdXRvciBkZSBsYSBvYnJhIG9iamV0byBkZWwgcHJlc2VudGUgZG9jdW1lbnRvIHkgbm8gY29ycmVzcG9uZGUgYSBjZXNpw7NuIGRlIGRlcmVjaG9zLCBzaW5vIGEgbGEgYXV0b3JpemFjacOzbiBkZSB1c28gYWNhZMOpbWljbyBkZSBjb25mb3JtaWRhZCBjb24gbG8gYW50ZXJpb3JtZW50ZSBzZcOxYWxhZG8uIExhIHByZXNlbnRlIGF1dG9yaXphY2nDs24gc2UgaGFjZSBleHRlbnNpdmEgbm8gc29sbyBhIGxhcyBmYWN1bHRhZGVzIHkgZGVyZWNob3MgZGUgdXNvIHNvYnJlIGxhIG9icmEgZW4gZm9ybWF0byBvIHNvcG9ydGUgbWF0ZXJpYWwsIHNpbm8gdGFtYmnDqW4gcGFyYSBmb3JtYXRvIGVsZWN0csOzbmljbywgeSBlbiBnZW5lcmFsIHBhcmEgY3VhbHF1aWVyIGZvcm1hdG8gY29ub2NpZG8gbyBwb3IgY29ub2Nlci4gCgoKRWwgYXV0b3IsIG1hbmlmaWVzdGEgcXVlIGxhIG9icmEgb2JqZXRvIGRlIGxhIHByZXNlbnRlIGF1dG9yaXphY2nDs24gZXMgb3JpZ2luYWwgeSBsYSByZWFsaXrDsyBzaW4gdmlvbGFyIG8gdXN1cnBhciBkZXJlY2hvcyBkZSBhdXRvciBkZSB0ZXJjZXJvcywgcG9yIGxvIHRhbnRvLCBsYSBvYnJhIGVzIGRlIHN1IGV4Y2x1c2l2YSBhdXRvcsOtYSB5IHRpZW5lIGxhIHRpdHVsYXJpZGFkIHNvYnJlIGxhIG1pc21hLiAKCgpFbiBjYXNvIGRlIHByZXNlbnRhcnNlIGN1YWxxdWllciByZWNsYW1hY2nDs24gbyBhY2Npw7NuIHBvciBwYXJ0ZSBkZSB1biB0ZXJjZXJvIGVuIGN1YW50byBhIGxvcyBkZXJlY2hvcyBkZSBhdXRvciBzb2JyZSBsYSBvYnJhIGVuIGN1ZXN0acOzbiwgZWwgYXV0b3IgYXN1bWlyw6EgdG9kYSBsYSByZXNwb25zYWJpbGlkYWQsIHkgc2FsZHLDoSBkZSBkZWZlbnNhIGRlIGxvcyBkZXJlY2hvcyBhcXXDrSBhdXRvcml6YWRvcywgcGFyYSB0b2RvcyBsb3MgZWZlY3RvcyBsYSBVbml2ZXJzaWRhZCBhY3TDumEgY29tbyB1biB0ZXJjZXJvIGRlIGJ1ZW5hIGZlLiAKCg== |