Modelo predictivo de rendimiento académico para el apoyo, prevención y disminución de la tasa de deserción universitaria
Antes de la pandemia uno de los mayores problemas en las instituciones universitarias, era la deserción y abandono de muchos de sus alumnos. En la actualidad se ha vuelto aún más crítica la situación ya que la pandemia ha obligado a muchas personas a dejar a un lado dichos estudios por diversos moti...
- Autores:
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad de Bogotá Jorge Tadeo Lozano
- Repositorio:
- Expeditio: repositorio UTadeo
- Idioma:
- spa
- OAI Identifier:
- oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/20869
- Acceso en línea:
- http://hdl.handle.net/20.500.12010/20869
- Palabra clave:
- Ingeniería industrial
Ingeniería industrial -- Tesis y disertaciones académicas
Medición del trabajo -- Tesis y disertaciones académicas
Investigación operacional -- Tesis y disertaciones académicas
- Rights
- License
- Abierto (Texto Completo)
| id |
UTADEO2_82b958a0387413f2b00e89c114f9b02a |
|---|---|
| oai_identifier_str |
oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/20869 |
| network_acronym_str |
UTADEO2 |
| network_name_str |
Expeditio: repositorio UTadeo |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelo predictivo de rendimiento académico para el apoyo, prevención y disminución de la tasa de deserción universitaria |
| title |
Modelo predictivo de rendimiento académico para el apoyo, prevención y disminución de la tasa de deserción universitaria |
| spellingShingle |
Modelo predictivo de rendimiento académico para el apoyo, prevención y disminución de la tasa de deserción universitaria Ingeniería industrial Ingeniería industrial -- Tesis y disertaciones académicas Medición del trabajo -- Tesis y disertaciones académicas Investigación operacional -- Tesis y disertaciones académicas |
| title_short |
Modelo predictivo de rendimiento académico para el apoyo, prevención y disminución de la tasa de deserción universitaria |
| title_full |
Modelo predictivo de rendimiento académico para el apoyo, prevención y disminución de la tasa de deserción universitaria |
| title_fullStr |
Modelo predictivo de rendimiento académico para el apoyo, prevención y disminución de la tasa de deserción universitaria |
| title_full_unstemmed |
Modelo predictivo de rendimiento académico para el apoyo, prevención y disminución de la tasa de deserción universitaria |
| title_sort |
Modelo predictivo de rendimiento académico para el apoyo, prevención y disminución de la tasa de deserción universitaria |
| dc.contributor.advisor.none.fl_str_mv |
García Bedoya, Olmer |
| dc.subject.spa.fl_str_mv |
Ingeniería industrial |
| topic |
Ingeniería industrial Ingeniería industrial -- Tesis y disertaciones académicas Medición del trabajo -- Tesis y disertaciones académicas Investigación operacional -- Tesis y disertaciones académicas |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería industrial -- Tesis y disertaciones académicas Medición del trabajo -- Tesis y disertaciones académicas Investigación operacional -- Tesis y disertaciones académicas |
| description |
Antes de la pandemia uno de los mayores problemas en las instituciones universitarias, era la deserción y abandono de muchos de sus alumnos. En la actualidad se ha vuelto aún más crítica la situación ya que la pandemia ha obligado a muchas personas a dejar a un lado dichos estudios por diversos motivos, bien sea económicos o personales. Investigar las causas de deserción con los medios adecuados podría permitir disminuir el número de desertores, contribuyendo a la toma de decisiones dentro de la gestión académica. Se evaluaron los modelos de árboles de decisión para analizar el comportamiento de los estudiantes, además también se revisaron múltiples estudios hechos en Bogotá, que describen las múltiples causas de deserción académica evaluando factores como el rendimiento académico, estatus social y aspectos económicos junto a su entorno social. La exactitud de los estudios es evaluada con base a la información que brindaron diferentes universidades a nivel distrital. El objetivo de este proyecto es investigar e implementar una herramienta que permita detectar de manera temprana, los estudiantes que podrían llegar a dejar inconcluso su proceso académico. Teniendo en cuenta esto, es importante realizar esta primera etapa en un grupo reducido de estudiantes de ingeniería de sistemas de la universidad Jorge Tadeo Lozano sede Bogotá. Al ser un proyecto de Machine Learning, existen muchas metodologías que se pueden se pueden acoplar a la ejecución del proyecto, sin embargo, en esta ocasión se escogió la metodología CRISP-DM. La implementación de este marco de trabajo ayudará a facilitar el seguimiento del proyecto y adicional aumentará la calidad de los entregables propuestos del proyecto. De esta forma se brindará una herramienta a la universidad Jorge Tadeo, que ayudará a identificar estudiantes en riesgo, para tomar acciones que puedan prevenir la deserción. Brindando una herramienta a los estudiantes y a la universidad |
| publishDate |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2021-08-09T15:40:17Z |
| dc.date.available.none.fl_str_mv |
2021-08-09T15:40:17Z |
| dc.date.created.none.fl_str_mv |
2021 |
| dc.type.local.spa.fl_str_mv |
Trabajo de grado |
| 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/20.500.12010/20869 |
| url |
http://hdl.handle.net/20.500.12010/20869 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Ministerio de educaciones nacional de Colombia, (2020), “Estadísticas de Deserción”. [Internet]. Disponible en: https://www.mineducacion.gov.co/sistemasdeinformacion/1735/w3-article-357549.html?_noredirect=1 Organización de las Naciones Unidas para la Educación, (2015), “América Latina y Caribe: Revisión Regional 2015 de la educación para Todos”. [Internet]. Disponible en: http://www.unesco.org/new/fileadmin/MULTIMEDIA/FIELD/Santiago/pdf/Informe-Regional-EFA2015.pdf Ministerio de las telecomunicaciones, (2019), “Tasa de crecimiento económico del sector de las TIC aumentó 4,04 % en los dos primeros trimestres de 2019”. [Internet]. Disponible en: http://www.unesco.org/new/fileadmin/MULTIMEDIA/FIELD/Santiago/pdf/Informe-Regional-EFA2015.pdf Banco interamericano de desarrollo, “Inteligencia Artificial: la región se abre al desarrollo”. [Internet]. Disponible en: https://conexionintal.iadb.org/2018/05/30/ideas-2/ singular (2016), “CRISP-DM: La metodología para poner orden en los proyectos”. [Internet]. Disponible en: https://www.sngular.com/es/data-science-crisp-dm-metodologia/ Marcela Rodríguez (2019, Marzo 13) La investigación sobre deserción universitaria en Colombia 2006-2016. Tendencias y resultados [Internet]. Disponible en: https://rb.gy/t05jud El espectador, (2020, Agosto 19) Encuesta estima que la deserción universitaria será del 24 % en Bogotá [Internet]. Disponible en: https://rb.gy/gxp1uv Cleverdata. “¿Qué es Machine Learging?” [Internet]. Disponible en: https://cleverdata.io/que-es-machine-learning-big-data/#:~:text=Machine%20Learning%20es%20una%20disciplina,complejos%20en%20millones%20de%20datos. Medium (2019, Febrero 8). “Tipos de aprendizaje automático” [Internet]. Disponible en: https://medium.com/soldai/tipos-de-aprendizaje-autom%C3%A1tico-6413e3c615e2 Pedro Larranaga. “Clasificadores Bayesianos” [Internet]. Disponible en: http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t6bayesianos.pdf Salcedo Poma. “Capitulo 2, Modelo de regresión logística” [Internet]. Disponible en: https://sisbib.unmsm.edu.pe/bibvirtualdata/Tesis/Basic/Salcedo_pc/enPDF/Cap2.PDF Universidad Carlos III de Madrid. “Introducción a la regresión logística” [Internet]. Disponible en: http://halweb.uc3m.es/esp/Personal/personas/amalonso/esp/bstat-tema9.pdf Jose Martinez (2020, 18 de septiembre) “Random Forest (Bosque Aleatorio): combinando árboles” [Internet]. Disponible en: https://www.iartificial.net/random-forest-bosque-aleatorio/ |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| rights_invalid_str_mv |
Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| dc.format.extent.spa.fl_str_mv |
40 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Bogotá, Colombia |
| dc.publisher.spa.fl_str_mv |
Universidad de Bogotá Jorge Tadeo Lozano |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería de Sistemas |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias Naturales e Ingeniería |
| dc.source.spa.fl_str_mv |
reponame:Expeditio Repositorio Institucional UJTL instname:Universidad de Bogotá Jorge Tadeo Lozano |
| instname_str |
Universidad de Bogotá Jorge Tadeo Lozano |
| institution |
Universidad de Bogotá Jorge Tadeo Lozano |
| reponame_str |
Expeditio Repositorio Institucional UJTL |
| collection |
Expeditio Repositorio Institucional UJTL |
| bitstream.url.fl_str_mv |
https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/20869/4/Documento%20final.pdf.jpg https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/20869/2/license.txt https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/20869/3/documentoBibliotecaDiego2021.pdf https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/20869/1/Documento%20final.pdf |
| bitstream.checksum.fl_str_mv |
41990b5076dd846e772d81fb23e67d4a baba314677a6b940f072575a13bb6906 5c0fb75d6f59b5fa3b019bc6d103426c ae8aacb562c45ef45bd402b50901a5ab |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional - Universidad Jorge Tadeo Lozano |
| repository.mail.fl_str_mv |
expeditio@utadeo.edu.co |
| _version_ |
1818152921793036288 |
| spelling |
García Bedoya, OlmerBustamante Peña, Diego LeonardoIngeniero(s) de SistemasBogotá, Colombia2021-08-09T15:40:17Z2021-08-09T15:40:17Z2021http://hdl.handle.net/20.500.12010/20869Antes de la pandemia uno de los mayores problemas en las instituciones universitarias, era la deserción y abandono de muchos de sus alumnos. En la actualidad se ha vuelto aún más crítica la situación ya que la pandemia ha obligado a muchas personas a dejar a un lado dichos estudios por diversos motivos, bien sea económicos o personales. Investigar las causas de deserción con los medios adecuados podría permitir disminuir el número de desertores, contribuyendo a la toma de decisiones dentro de la gestión académica. Se evaluaron los modelos de árboles de decisión para analizar el comportamiento de los estudiantes, además también se revisaron múltiples estudios hechos en Bogotá, que describen las múltiples causas de deserción académica evaluando factores como el rendimiento académico, estatus social y aspectos económicos junto a su entorno social. La exactitud de los estudios es evaluada con base a la información que brindaron diferentes universidades a nivel distrital. El objetivo de este proyecto es investigar e implementar una herramienta que permita detectar de manera temprana, los estudiantes que podrían llegar a dejar inconcluso su proceso académico. Teniendo en cuenta esto, es importante realizar esta primera etapa en un grupo reducido de estudiantes de ingeniería de sistemas de la universidad Jorge Tadeo Lozano sede Bogotá. Al ser un proyecto de Machine Learning, existen muchas metodologías que se pueden se pueden acoplar a la ejecución del proyecto, sin embargo, en esta ocasión se escogió la metodología CRISP-DM. La implementación de este marco de trabajo ayudará a facilitar el seguimiento del proyecto y adicional aumentará la calidad de los entregables propuestos del proyecto. De esta forma se brindará una herramienta a la universidad Jorge Tadeo, que ayudará a identificar estudiantes en riesgo, para tomar acciones que puedan prevenir la deserción. Brindando una herramienta a los estudiantes y a la universidad#IngenieríaIndustrialBefore the pandemic, one of the biggest problems in universities or institutions of higher education was the desertion or abandonment of many of their students. Nowadays, the situation has become even more critical as the pandemic has forced many people to abandon their studies for various reasons, either economic or personal. Investigating the causes of desertion with the appropriate means to reduce the number of desertions contributes to decision making within academic management. Decision tree models were evaluated to analyze student behavior, and multiple studies done in Bogota were also reviewed, describing the multiple causes of academic desertion, evaluating factors such as student performance, social status and socioeconomic aspects. The accuracy of the studies is evaluated based on the information provided by different universities at the district level. The objective of this project is to investigate and implement a tool that allows early detection of students who could leave their academic process unfinished. Taking this into account, it is important to carry out this first stage in a small group of systems engineering students at the Jorge Tadeo Lozano University, Bogotá campus. Being a Machine Learning project, there are many methodologies that can be coupled to the execution of the project, however on this occasion the CRISP-DM methodology was chosen. The implementation of this framework will help to facilitate the monitoring of the project and will additionally increase the quality of the proposed deliverables of the project. This will provide a tool to Jorge Tadeo University, which will help identify students at risk, in order to take actions that can prevent dropout. Providing a tool to students and the university.40 páginasapplication/pdfspaUniversidad de Bogotá Jorge Tadeo LozanoIngeniería de SistemasFacultad de Ciencias Naturales e Ingenieríareponame:Expeditio Repositorio Institucional UJTLinstname:Universidad de Bogotá Jorge Tadeo LozanoIngeniería industrialIngeniería industrial -- Tesis y disertaciones académicasMedición del trabajo -- Tesis y disertaciones académicasInvestigación operacional -- Tesis y disertaciones académicasModelo predictivo de rendimiento académico para el apoyo, prevención y disminución de la tasa de deserción universitariaTrabajo de gradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fAbierto (Texto Completo)http://purl.org/coar/access_right/c_abf2Ministerio de educaciones nacional de Colombia, (2020), “Estadísticas de Deserción”. [Internet]. Disponible en: https://www.mineducacion.gov.co/sistemasdeinformacion/1735/w3-article-357549.html?_noredirect=1Organización de las Naciones Unidas para la Educación, (2015), “América Latina y Caribe: Revisión Regional 2015 de la educación para Todos”. [Internet]. Disponible en: http://www.unesco.org/new/fileadmin/MULTIMEDIA/FIELD/Santiago/pdf/Informe-Regional-EFA2015.pdfMinisterio de las telecomunicaciones, (2019), “Tasa de crecimiento económico del sector de las TIC aumentó 4,04 % en los dos primeros trimestres de 2019”. [Internet]. Disponible en: http://www.unesco.org/new/fileadmin/MULTIMEDIA/FIELD/Santiago/pdf/Informe-Regional-EFA2015.pdfBanco interamericano de desarrollo, “Inteligencia Artificial: la región se abre al desarrollo”. [Internet]. Disponible en: https://conexionintal.iadb.org/2018/05/30/ideas-2/singular (2016), “CRISP-DM: La metodología para poner orden en los proyectos”. [Internet]. Disponible en: https://www.sngular.com/es/data-science-crisp-dm-metodologia/Marcela Rodríguez (2019, Marzo 13) La investigación sobre deserción universitaria en Colombia 2006-2016. Tendencias y resultados [Internet]. Disponible en: https://rb.gy/t05judEl espectador, (2020, Agosto 19) Encuesta estima que la deserción universitaria será del 24 % en Bogotá [Internet]. Disponible en: https://rb.gy/gxp1uvCleverdata. “¿Qué es Machine Learging?” [Internet]. Disponible en: https://cleverdata.io/que-es-machine-learning-big-data/#:~:text=Machine%20Learning%20es%20una%20disciplina,complejos%20en%20millones%20de%20datos.Medium (2019, Febrero 8). “Tipos de aprendizaje automático” [Internet]. Disponible en: https://medium.com/soldai/tipos-de-aprendizaje-autom%C3%A1tico-6413e3c615e2Pedro Larranaga. “Clasificadores Bayesianos” [Internet]. Disponible en: http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t6bayesianos.pdfSalcedo Poma. “Capitulo 2, Modelo de regresión logística” [Internet]. Disponible en: https://sisbib.unmsm.edu.pe/bibvirtualdata/Tesis/Basic/Salcedo_pc/enPDF/Cap2.PDFUniversidad Carlos III de Madrid. “Introducción a la regresión logística” [Internet]. Disponible en: http://halweb.uc3m.es/esp/Personal/personas/amalonso/esp/bstat-tema9.pdfJose Martinez (2020, 18 de septiembre) “Random Forest (Bosque Aleatorio): combinando árboles” [Internet]. Disponible en: https://www.iartificial.net/random-forest-bosque-aleatorio/THUMBNAILDocumento final.pdf.jpgDocumento final.pdf.jpgIM Thumbnailimage/jpeg5495https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/20869/4/Documento%20final.pdf.jpg41990b5076dd846e772d81fb23e67d4aMD54open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-82938https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/20869/2/license.txtbaba314677a6b940f072575a13bb6906MD52open accessdocumentoBibliotecaDiego2021.pdfdocumentoBibliotecaDiego2021.pdfLicenciaapplication/pdf870179https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/20869/3/documentoBibliotecaDiego2021.pdf5c0fb75d6f59b5fa3b019bc6d103426cMD53open accessORIGINALDocumento final.pdfDocumento final.pdfVer documentoapplication/pdf2226147https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/20869/1/Documento%20final.pdfae8aacb562c45ef45bd402b50901a5abMD51open access20.500.12010/20869oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/208692021-08-09 23:02:30.06open accessRepositorio Institucional - Universidad Jorge Tadeo Lozanoexpeditio@utadeo.edu.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 |