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...

Full description

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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