Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda
La deserción estudiantil, entendida como el abandono total de las aulas, por parte del estudiante, durante un periodo igual o superior a un año, está influenciado por múltiples factores de tipo ético, político, social, familiar y cultural. Como consecuencia de la situación generada por la pandemia d...
- Autores:
-
Acero López, Andrés Esteban
Moreno Ortiz, Sergio Daniel
- Tipo de recurso:
- Part of book
- Fecha de publicación:
- 2022
- Institución:
- Universidad Sergio Arboleda
- Repositorio:
- Repositorio U. Sergio Arboleda
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usergioarboleda.edu.co:11232/1860
- Acceso en línea:
- http://hdl.handle.net/11232/1860
- Palabra clave:
- Deserción universitaria - Modelos predictivos
Deserción universitaria - Modelos matemáticos
Planificación educativa
College dropouts - Predictive models
College dropouts - Mathematical models
Educational planning
deserción estudiantil
modelo predictivo
educación
pandemia
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
id |
sergioarb2_540af3e5e374f27dd3b7904be9693c9b |
---|---|
oai_identifier_str |
oai:repository.usergioarboleda.edu.co:11232/1860 |
network_acronym_str |
sergioarb2 |
network_name_str |
Repositorio U. Sergio Arboleda |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda |
title |
Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda |
spellingShingle |
Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda Deserción universitaria - Modelos predictivos Deserción universitaria - Modelos matemáticos Planificación educativa College dropouts - Predictive models College dropouts - Mathematical models Educational planning deserción estudiantil modelo predictivo educación pandemia |
title_short |
Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda |
title_full |
Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda |
title_fullStr |
Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda |
title_full_unstemmed |
Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda |
title_sort |
Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda |
dc.creator.fl_str_mv |
Acero López, Andrés Esteban Moreno Ortiz, Sergio Daniel |
dc.contributor.author.spa.fl_str_mv |
Acero López, Andrés Esteban Moreno Ortiz, Sergio Daniel |
dc.subject.lemb.spa.fl_str_mv |
Deserción universitaria - Modelos predictivos Deserción universitaria - Modelos matemáticos Planificación educativa College dropouts - Predictive models College dropouts - Mathematical models Educational planning |
topic |
Deserción universitaria - Modelos predictivos Deserción universitaria - Modelos matemáticos Planificación educativa College dropouts - Predictive models College dropouts - Mathematical models Educational planning deserción estudiantil modelo predictivo educación pandemia |
dc.subject.proposal.spa.fl_str_mv |
deserción estudiantil modelo predictivo educación pandemia |
description |
La deserción estudiantil, entendida como el abandono total de las aulas, por parte del estudiante, durante un periodo igual o superior a un año, está influenciado por múltiples factores de tipo ético, político, social, familiar y cultural. Como consecuencia de la situación generada por la pandemia de covid-19, la cantidad de estudiantes que han dejado de estudiar ha aumentado, lo que hace necesario replantear estrategias para afrontar las posibles deserciones que se produzcan en el corto y mediano plazo. A través del reconocimiento de patrones y comportamientos que no son visibles, este estudio se propuso desarrollar modelos basados en estadística para detectar, de manera temprana, a los estudiantes con alto riesgo de deserción. El objetivo de este proyecto se centró en construir un modelo de deserción estudiantil para los estudiantes de la Escuela de Ciencias Exactas e Ingeniería (ECEI) de la Universidad Sergio Arboleda, que permitirá pronosticar la posibilidad de que un estudiante abandone las aulas en cada periodo de tiempo: semestre o año. Para su desarrollo se utilizó la información socioeconómica brindada por los estudiantes al momento de ingresar a la universidad, sus calificaciones y una variable categórica de deserción. Por otra parte, para garantizar una mejor predicción en situación de pandemia, se incluyó la información económica de los padres o acudientes, a través de variables nuevas que representen el riesgo de deserción durante la pandemia. Puesto que los modelos son específicos de aprendizaje supervisado y no existe un consenso sobre el mejor modelo para aplicar, se utilizaron algoritmos de clasificación basados en redes bayesianas y bosques aleatorios. Además, se identificaron como variables significantes el promedio de notas de los estudiantes, el grupo y el resultado de la prueba Icfes. A partir de los resultados, se pudo concluir que, dada la situación actual, es necesario contar con herramientas de corto plazo para planificar estrategias que permitan enfrentar de la mejor manera posible los retos en torno a la deserción que emergieron o se consolidaron en el contexto de la pandemia. |
publishDate |
2022 |
dc.date.accessioned.spa.fl_str_mv |
2022-11-16T22:32:59Z |
dc.date.available.spa.fl_str_mv |
2022-11-16T22:32:59Z |
dc.date.created.spa.fl_str_mv |
2022-05 |
dc.date.issued.spa.fl_str_mv |
2022-05 |
dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.coar.*.fl_str_mv |
http://purl.org/coar/resource_type/c_3248 |
dc.type.redcol.*.fl_str_mv |
http://purl.org/redcol/resource_type/CAP_LIB |
dc.type.local.spa.fl_str_mv |
Capítulo de Libro |
format |
http://purl.org/coar/resource_type/c_3248 |
dc.identifier.citation.spa.fl_str_mv |
Acero López. A., Moreno Ortiz, S. (2022). Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda en Noguera Calderón. R. (ed.). Seguridad, migración y educación en tiempos de pandemia (pp.237-252). Universidad Sergio Arboleda |
dc.identifier.isbn.spa.fl_str_mv |
978-958-5158-47-4 |
dc.identifier.uri.eng.fl_str_mv |
http://hdl.handle.net/11232/1860 |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Sergio Arboleda |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Sergio Arboleda |
dc.identifier.repourl.*.fl_str_mv |
repourl: https://repository.usergioarboleda.edu.co/ |
identifier_str_mv |
Acero López. A., Moreno Ortiz, S. (2022). Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda en Noguera Calderón. R. (ed.). Seguridad, migración y educación en tiempos de pandemia (pp.237-252). Universidad Sergio Arboleda 978-958-5158-47-4 instname:Universidad Sergio Arboleda reponame:Repositorio Institucional Universidad Sergio Arboleda repourl: https://repository.usergioarboleda.edu.co/ |
url |
http://hdl.handle.net/11232/1860 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.ispartof.spa.fl_str_mv |
Seguridad, migración y educación en tiempos de pandemia |
dc.relation.ispartofseries.spa.fl_str_mv |
Investigación |
dc.relation.isversionof.spa.fl_str_mv |
1 |
dc.relation.references.spa.fl_str_mv |
Acero, A., Achury, J. C., y Morales, J. C. (2019). University dropout: A prediction model for an engineering program in Bogotá, Colombia. Proceedings of the 8th Research in Engineering Education Symposium, REES 2019. Making Connections. Barbary, O., y Pinzon Sarmiento, L. M. (1998). L’analyse harmonique qualitative et son application à la typologie des trajectoires individuelles. Mathématiques et Sciences Humaines, 144. https://doi.org/10.4000/msh.2782 Dicovskiy, L. M., y Pedroza, M. E. (2018). Predicción de deserción y éxito en estudiantes. Caso de estudio: ingeniería agroindustrial de la UniNorte, Nicaragua, 2011-2015. Nexo Revista Científica, 31(1), 16-27. Dinero (2020). Deserción escolar, un problema que ya supera los 100 000 estudiantes en 2020. https://www.dinero.com/pais/articulo/desercion-escolar-de-estudiantesen-colombia-durante-el-2020/307215 Eckert, K. y Suénaga, R. (2015). Análisis de deserción-permanencia de estudiantes universitarios utilizando técnica de clasificación en minería de datos. Formación universitaria, 8(5), 3-12. https://doi.org/10.4067/S0718-50062015000500002. Esteban, M., Bernardo, A., Tuero, E., Cervero, A., y Casanova, J. (2017). Variables influyentes en progreso académico y permanencia en la universidad. European Journal of Education and Psychology, 10(2), 75-81. https://doi.org/10.1016/j. ejeps.2017.07.003 Fan, W., y Wolters, C. A. (2014). School motivation and high school dropout: The mediating role of educational expectation. British Journal of Educational Psychology, 84(1), 22-39. https://doi.org/10.1111/bjep.12002 Flórez, E. P., y Carrascal, J. J. (2016). Estudio de la deserción estudiantil de la Licenciatura en Ciencias Naturales y Educación Ambiental de la Universidad de Córdoba-Colombia, 2011-2015. Revista Científica, 4(27), 340. https://doi. org/10.14483/udistrital.jour.RC.2016.27.a4 Geisinger, B. N., y Raman, D. R. (2013). Why they leave: Understanding student attrition from engineering majors. International Journal of Engineering Education, 29(4), 914-925. Gitto, L., Minervini, L. F., y Monaco, L. (2016). University dropouts in Italy: Are supply side characteristics part of the problem? Economic Analysis and Policy, 49, 108-116. https://doi.org/10.1016/j.eap.2015.12.004 Guzmán Ruíz, D., Durán Muriel, D., Franco Gallego, J., Castaño Vélez, E., Gallón Gómez, S., Gómez Portilla, K., y Vásquez Velásquez, J. (2009). Deserción estudiantil en la educación superior colombiana metodología de seguimiento, diagnóstico y elementos para su prevención. Ministerio de Educación Nacional (MEN). https:// www.mineducacion.gov.co/sistemasdeinformacion/1735/articles-254702_ libro_desercion.pdf Kumar, R., y Verma, D. (2014). Classification Algorithms for Data Mining: A Survey. International Journal of Innovations in Engineering. https://citeseerx.ist.psu. edu/viewdoc/download?doi=10.1.1.305.2167&rep=rep1&type=pdf Lacave, C., Molina, A. I., y Cruz-Lemus, J. A. (2018). Learning Analytics to identify dropout factors of Computer Science studies through Bayesian networks. Behaviour and Information Technology, 37(10-11), 993-1007. https://doi. org/10.1080/0144929X.2018.1485053 Lykourentzou, I., Giannoukos, I., Nikolopoulos, V., Mpardis, G., y Loumos, V. (2009). Dropout prediction in e-learning courses through the combination of machine learning techniques. Computers and Education. https://doi.org/10.1016/j. compedu.2009.05.010 Montalvo, N. y Montiel, A. (2020). Impacto del covid-19 en el estrés de universitarios. AvaCient. Morales, J., Cordero, N., y Ramírez, J. (2017). Influence of economic expectation on choosing a university: A case study in Industrial Engineering. Espacios, 38(35). http://www.revistaespacios.com/a17v38n35/a17v38n35p02.pdf Munizaga, F. R., Cifuentes, M. B., y Beltrán, A. J. (2018). Retención y abandono estudiantil en la educación superior universitaria en América Latina y el Caribe: una revisión sistemática. Education Policy Analysis Archives, 26. https://doi. org/10.14507/epaa.26.3348 Patrick, A. y Borrego, M. (2016). A review of the literature relevant to engineering identity. Annual Conference and Exposition, Conference Proceedings, 2016-June. https:// doi.org/10.18260/p.26428 Salas-Morera, L. M., Cejas-Molina, A., Olivares-Olmedilla, J. L., GarcíaHernández, L., y Palomo-Romero, J. M. (2019). Factors affecting engineering students dropout: A case study. International Journal of Engineering Education, 35(1), 156-167. Smith, W. C. (2020). Potential long-term consequences of school closures: Lessons from the 2013-2016 Ebola pandemic. Research Square. Tinto, V. (1975). Dropout from Higher Education: A Theoretical Synthesis of Recent Research. Review of Educational Research. https://doi.org/10.3102/00346543045001089 World Bank Group (2020). The covid-19 Pandemic: Shocks to Education and Policy Responses. World Bank Group. |
dc.relation.citationstartpage.spa.fl_str_mv |
237 |
dc.relation.citationendpage.spa.fl_str_mv |
252 |
dc.rights.license.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO) |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
dc.rights.acceso.spa.fl_str_mv |
Abierto (Texto Completo) |
dc.rights.accesRights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
dc.rights.coar.*.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO) http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.spa.fl_str_mv |
16 |
dc.format.medium.spa.fl_str_mv |
Digital |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad Sergio Arboleda |
institution |
Universidad Sergio Arboleda |
bitstream.url.fl_str_mv |
https://repository.usergioarboleda.edu.co/bitstream/11232/1860/2/license.txt https://repository.usergioarboleda.edu.co/bitstream/11232/1860/5/seguridad%2c%20migraci%c3%b3n.jpg https://repository.usergioarboleda.edu.co/bitstream/11232/1860/6/Antes%20y%20despu%c3%a9s%20de%20la%20pandemia%20Predicci%c3%b3n%20de%20la%20deserci%c3%b3n%20estudiantil%20en%20la%20Universidad%20Sergio%20Arboleda.pdf.jpg https://repository.usergioarboleda.edu.co/bitstream/11232/1860/4/Antes%20y%20despu%c3%a9s%20de%20la%20pandemia%20Predicci%c3%b3n%20de%20la%20deserci%c3%b3n%20estudiantil%20en%20la%20Universidad%20Sergio%20Arboleda.pdf |
bitstream.checksum.fl_str_mv |
08af4d860568f825b35a06c69dc734dc af507c3e62f6327207deed34b153d918 af507c3e62f6327207deed34b153d918 da16690296624a653cb06b12f264bfd7 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad Sergio Arboleda |
repository.mail.fl_str_mv |
dspace-help@myu.edu |
_version_ |
1814076314989101056 |
spelling |
Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)http://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Acero López, Andrés EstebanMoreno Ortiz, Sergio Daniel2022-11-16T22:32:59Z2022-11-16T22:32:59Z2022-052022-05Acero López. A., Moreno Ortiz, S. (2022). Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio Arboleda en Noguera Calderón. R. (ed.). Seguridad, migración y educación en tiempos de pandemia (pp.237-252). Universidad Sergio Arboleda978-958-5158-47-4http://hdl.handle.net/11232/1860instname:Universidad Sergio Arboledareponame:Repositorio Institucional Universidad Sergio Arboledarepourl: https://repository.usergioarboleda.edu.co/La deserción estudiantil, entendida como el abandono total de las aulas, por parte del estudiante, durante un periodo igual o superior a un año, está influenciado por múltiples factores de tipo ético, político, social, familiar y cultural. Como consecuencia de la situación generada por la pandemia de covid-19, la cantidad de estudiantes que han dejado de estudiar ha aumentado, lo que hace necesario replantear estrategias para afrontar las posibles deserciones que se produzcan en el corto y mediano plazo. A través del reconocimiento de patrones y comportamientos que no son visibles, este estudio se propuso desarrollar modelos basados en estadística para detectar, de manera temprana, a los estudiantes con alto riesgo de deserción. El objetivo de este proyecto se centró en construir un modelo de deserción estudiantil para los estudiantes de la Escuela de Ciencias Exactas e Ingeniería (ECEI) de la Universidad Sergio Arboleda, que permitirá pronosticar la posibilidad de que un estudiante abandone las aulas en cada periodo de tiempo: semestre o año. Para su desarrollo se utilizó la información socioeconómica brindada por los estudiantes al momento de ingresar a la universidad, sus calificaciones y una variable categórica de deserción. Por otra parte, para garantizar una mejor predicción en situación de pandemia, se incluyó la información económica de los padres o acudientes, a través de variables nuevas que representen el riesgo de deserción durante la pandemia. Puesto que los modelos son específicos de aprendizaje supervisado y no existe un consenso sobre el mejor modelo para aplicar, se utilizaron algoritmos de clasificación basados en redes bayesianas y bosques aleatorios. Además, se identificaron como variables significantes el promedio de notas de los estudiantes, el grupo y el resultado de la prueba Icfes. A partir de los resultados, se pudo concluir que, dada la situación actual, es necesario contar con herramientas de corto plazo para planificar estrategias que permitan enfrentar de la mejor manera posible los retos en torno a la deserción que emergieron o se consolidaron en el contexto de la pandemia.16Digitalapplication/pdfspaUniversidad Sergio ArboledaSeguridad, migración y educación en tiempos de pandemiaInvestigación1Acero, A., Achury, J. C., y Morales, J. C. (2019). University dropout: A prediction model for an engineering program in Bogotá, Colombia. Proceedings of the 8th Research in Engineering Education Symposium, REES 2019. Making Connections.Barbary, O., y Pinzon Sarmiento, L. M. (1998). L’analyse harmonique qualitative et son application à la typologie des trajectoires individuelles. Mathématiques et Sciences Humaines, 144. https://doi.org/10.4000/msh.2782Dicovskiy, L. M., y Pedroza, M. E. (2018). Predicción de deserción y éxito en estudiantes. Caso de estudio: ingeniería agroindustrial de la UniNorte, Nicaragua, 2011-2015. Nexo Revista Científica, 31(1), 16-27.Dinero (2020). Deserción escolar, un problema que ya supera los 100 000 estudiantes en 2020. https://www.dinero.com/pais/articulo/desercion-escolar-de-estudiantesen-colombia-durante-el-2020/307215Eckert, K. y Suénaga, R. (2015). Análisis de deserción-permanencia de estudiantes universitarios utilizando técnica de clasificación en minería de datos. Formación universitaria, 8(5), 3-12. https://doi.org/10.4067/S0718-50062015000500002.Esteban, M., Bernardo, A., Tuero, E., Cervero, A., y Casanova, J. (2017). Variables influyentes en progreso académico y permanencia en la universidad. European Journal of Education and Psychology, 10(2), 75-81. https://doi.org/10.1016/j. ejeps.2017.07.003Fan, W., y Wolters, C. A. (2014). School motivation and high school dropout: The mediating role of educational expectation. British Journal of Educational Psychology, 84(1), 22-39. https://doi.org/10.1111/bjep.12002Flórez, E. P., y Carrascal, J. J. (2016). Estudio de la deserción estudiantil de la Licenciatura en Ciencias Naturales y Educación Ambiental de la Universidad de Córdoba-Colombia, 2011-2015. Revista Científica, 4(27), 340. https://doi. org/10.14483/udistrital.jour.RC.2016.27.a4Geisinger, B. N., y Raman, D. R. (2013). Why they leave: Understanding student attrition from engineering majors. International Journal of Engineering Education, 29(4), 914-925.Gitto, L., Minervini, L. F., y Monaco, L. (2016). University dropouts in Italy: Are supply side characteristics part of the problem? Economic Analysis and Policy, 49, 108-116. https://doi.org/10.1016/j.eap.2015.12.004Guzmán Ruíz, D., Durán Muriel, D., Franco Gallego, J., Castaño Vélez, E., Gallón Gómez, S., Gómez Portilla, K., y Vásquez Velásquez, J. (2009). Deserción estudiantil en la educación superior colombiana metodología de seguimiento, diagnóstico y elementos para su prevención. Ministerio de Educación Nacional (MEN). https:// www.mineducacion.gov.co/sistemasdeinformacion/1735/articles-254702_ libro_desercion.pdfKumar, R., y Verma, D. (2014). Classification Algorithms for Data Mining: A Survey. International Journal of Innovations in Engineering. https://citeseerx.ist.psu. edu/viewdoc/download?doi=10.1.1.305.2167&rep=rep1&type=pdfLacave, C., Molina, A. I., y Cruz-Lemus, J. A. (2018). Learning Analytics to identify dropout factors of Computer Science studies through Bayesian networks. Behaviour and Information Technology, 37(10-11), 993-1007. https://doi. org/10.1080/0144929X.2018.1485053Lykourentzou, I., Giannoukos, I., Nikolopoulos, V., Mpardis, G., y Loumos, V. (2009). Dropout prediction in e-learning courses through the combination of machine learning techniques. Computers and Education. https://doi.org/10.1016/j. compedu.2009.05.010Montalvo, N. y Montiel, A. (2020). Impacto del covid-19 en el estrés de universitarios. AvaCient.Morales, J., Cordero, N., y Ramírez, J. (2017). Influence of economic expectation on choosing a university: A case study in Industrial Engineering. Espacios, 38(35). http://www.revistaespacios.com/a17v38n35/a17v38n35p02.pdfMunizaga, F. R., Cifuentes, M. B., y Beltrán, A. J. (2018). Retención y abandono estudiantil en la educación superior universitaria en América Latina y el Caribe: una revisión sistemática. Education Policy Analysis Archives, 26. https://doi. org/10.14507/epaa.26.3348Patrick, A. y Borrego, M. (2016). A review of the literature relevant to engineering identity. Annual Conference and Exposition, Conference Proceedings, 2016-June. https:// doi.org/10.18260/p.26428Salas-Morera, L. M., Cejas-Molina, A., Olivares-Olmedilla, J. L., GarcíaHernández, L., y Palomo-Romero, J. M. (2019). Factors affecting engineering students dropout: A case study. International Journal of Engineering Education, 35(1), 156-167.Smith, W. C. (2020). Potential long-term consequences of school closures: Lessons from the 2013-2016 Ebola pandemic. Research Square.Tinto, V. (1975). Dropout from Higher Education: A Theoretical Synthesis of Recent Research. Review of Educational Research. https://doi.org/10.3102/00346543045001089World Bank Group (2020). The covid-19 Pandemic: Shocks to Education and Policy Responses. World Bank Group.237252Antes y después de la pandemia: Predicción de la deserción estudiantil en la Universidad Sergio ArboledaDeserción universitaria - Modelos predictivosDeserción universitaria - Modelos matemáticosPlanificación educativaCollege dropouts - Predictive modelsCollege dropouts - Mathematical modelsEducational planningdeserción estudiantilmodelo predictivoeducaciónpandemiahttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_3248http://purl.org/redcol/resource_type/CAP_LIBCapítulo de LibroLICENSElicense.txtlicense.txttext/plain; charset=utf-81180https://repository.usergioarboleda.edu.co/bitstream/11232/1860/2/license.txt08af4d860568f825b35a06c69dc734dcMD52open accessTHUMBNAILseguridad, migración.jpgseguridad, migración.jpgimage/jpeg25679https://repository.usergioarboleda.edu.co/bitstream/11232/1860/5/seguridad%2c%20migraci%c3%b3n.jpgaf507c3e62f6327207deed34b153d918MD55open accessAntes y después de la pandemia Predicción de la deserción estudiantil en la Universidad Sergio Arboleda.pdf.jpgAntes y después de la pandemia Predicción de la deserción estudiantil en la Universidad Sergio Arboleda.pdf.jpgIM Thumbnailimage/jpeg25679https://repository.usergioarboleda.edu.co/bitstream/11232/1860/6/Antes%20y%20despu%c3%a9s%20de%20la%20pandemia%20Predicci%c3%b3n%20de%20la%20deserci%c3%b3n%20estudiantil%20en%20la%20Universidad%20Sergio%20Arboleda.pdf.jpgaf507c3e62f6327207deed34b153d918MD56open accessORIGINALAntes y después de la pandemia Predicción de la deserción estudiantil en la Universidad Sergio Arboleda.pdfAntes y después de la pandemia Predicción de la deserción estudiantil en la Universidad Sergio Arboleda.pdfCapítulo 9application/pdf1460923https://repository.usergioarboleda.edu.co/bitstream/11232/1860/4/Antes%20y%20despu%c3%a9s%20de%20la%20pandemia%20Predicci%c3%b3n%20de%20la%20deserci%c3%b3n%20estudiantil%20en%20la%20Universidad%20Sergio%20Arboleda.pdfda16690296624a653cb06b12f264bfd7MD54open access11232/1860oai:repository.usergioarboleda.edu.co:11232/18602023-07-07 11:07:51.996open accessRepositorio Institucional Universidad Sergio Arboledadspace-help@myu.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 |