Diseño de un modelo de estimación de riesgos de deserción en programas de educación superior
DOI:
https://doi.org/10.51660/ripie62372Palabras clave:
CRISP-DM, deserción académica, educación superior, innovación educativa, minería de datos, modelo predictivoResumen
El artículo se enfoca en diseñar un modelo de estimación de riesgos de deserción en programas de educación superior en Colombia. Este objetivo se desarrolla a través de la ejecución del modelo de proceso estándar para minería de datos CRISP-DM, en la que se analizan bases de datos numéricas y herramientas con resultados estadísticos para hacer una estimación del impacto de algunas variables relacionadas con la deserción. El alcance de la investigación es correlacional con un enfoque cualitativo en el que se exploran las bases de datos que contienen las características sociodemográficas relevantes que se tendrán en cuenta en la construcción del modelo. La población está conformada por estudiantes de la Fundación Universitaria del Área Andina - Sede Valledupar; el tipo de muestreo es estratificado, usando como base a estudiantes de la sede Valledupar; el tamaño de la muestra es de 3469 estudiantes. El proceso seleccionado es el análisis de datos de matrículas realizado sobre muestras censales y, por otra parte, resultados de encuestas e investigaciones que indagan sobre características de la población por sectores; con diseño de muestreo probabilístico; el margen de error es de 4% y el nivel de confianza de 92%. El resultado será la construcción de un prototipo de machine learning para identificar los riesgos de deserción en un programa de educación superior.
Descargas
Referencias
Aguilera, J., Campos, J., & Rodríguez, M. (2017). MODELO PREDICTIVO PARA LA PERMANENCIA EN LA EDUCACIÓN SUPERIOR Línea Temática: Factores asociados. Tipos y perfiles de abandono. Montserrat. En VII CLABES.
Alban Taipe, M. S. (2019). Contribuciones a la predicción de la deserción universitaria a través de minería de datos. Universidad Nacional Mayor de San Marcos.
Bartolomé Pina, A. R., Bellver Torlà, C., Castañeda Quintero, L., & Adell Segura, J. (2017). Blockchain en educación: introducción y crítica al estado de la cuestión. Edutec. Revista Electrónica de Tecnología Educativa, 61. https://doi.org/10.21556/edutec.2017.61.915 DOI: https://doi.org/10.21556/edutec.2017.61.915
Camargo, A. J. (2020). Modelo para la predicción de la deserción de estudiantes de pregrado, basado en técnicas de minería de datos. En Universidad de la Costa - CUC.
Cayón, E., Correa, J. S., & Scarpetta, L. E. (2021). Caracterización de los programas académicos y determinación de las variables que afectan el rendimiento de los estudiantes en el Colegio de Estudios Superiores de Administración, CESA. Formación Universitaria, 14(5). https://doi.org/10.4067/S0718-50062021000500175 DOI: https://doi.org/10.4067/S0718-50062021000500175
Cuevas Acosta, J. H., Solís, M. C., & Silva Contreras, I. (2019). Programación computacional y análisis de datos en educación estadística. Areté: Revista Digital del Doctorado en Educación de la Universidad Central de Venezuela, ISSN-e 2443-4566, Vol. 5, No. 9, 2019, págs. 11-27, 5(9).
Enríquez Vázquez, L., & Navarro Perales, J. (2024). Explorar los matices: aprendizaje personalizado y adaptativo en la educación digital. Revista Digital Universitaria, 25(1). https://doi.org/10.22201/cuaieed.16076079e.2024.25.1.10 DOI: https://doi.org/10.22201/cuaieed.16076079e.2024.25.1.10
Garcés Prettel, M., De la Ossa Robinson, S., Arellano Cartagena, W., Alvis Arrieta, J., & Figueroa Castillo, L. C. (2024). ¿Volver o no volver a las clases presenciales? Motivaciones y temores que influyen en la deserción universitaria en Colombia en tiempos de postpandemia. Salud Uninorte, 40(1). https://doi.org/10.14482/sun.40.01.159.456 DOI: https://doi.org/10.14482/sun.40.01.159.456
García-Martínez, R., Poblano-Ojinaga, E. R., & García-Gámez, L. (2024). Factores determinantes en la elección de una carrera universitaria. Investigación Administrativa, 53–1. https://doi.org/10.35426/iav53n133.02 DOI: https://doi.org/10.35426/IAv53n133.02
Gómez-Restrepo, C., Padilla Muñoz, A., & Rincón, C. J. (2016). Deserción escolar de adolescentes a partir de un estudio de corte transversal: Encuesta Nacional de Salud Mental Colombia 2015. Revista Colombiana de Psiquiatría, 45. https://doi.org/10.1016/j.rcp.2016.09.003 DOI: https://doi.org/10.1016/j.rcp.2016.09.006
González Catalán, F., & Arismendi Vera, K. J. (2018). Deserción estudiantil en la educación superior técnico-profesional: Explorando los factores que inciden en alumnos de primer año. Revista de la Educación Superior, 47(188), 109-137. https://doi.org/10.36857/resu.2018.188.510 DOI: https://doi.org/10.36857/resu.2018.188.510
González, L. E., & Espinoza, O. (2015). Deserción en educación superior en América Latina y el Caribe. Paideia, 45 (julio-diciembre).
Guerrero, S. C. (2018). Caracterización de la deserción en la Universidad Pedagógica y Tecnológica de Colombia durante el período 2008-2015. Revista Lasallista de Investigación, 15(1). https://doi.org/10.22507/rli.v15n1a2 DOI: https://doi.org/10.22507/rli.v15n1a2
Guzmán Rincón, A., Barragán Moreno, S., Cala-Vitery, F., & Segovia-García, N. (2022). Deserción en la educación superior rural: Análisis de causas desde el pensamiento sistémico. Qualitative Research in Education, 11(2). https://doi.org/10.17583/qre.10048 DOI: https://doi.org/10.17583/qre.10048
Hernández Sampieri 2014. (2014). Metodología de la investigación, 6. McGraw-Hill / Interamericana Editores, S.A. de C.V. ISBN: 978-1-4562-2396-0
Himmel, E. (2002). Modelo de análisis de la deserción estudiantil en la educación superior. Calidad en la educación, 17. https://doi.org/10.31619/caledu.n17.409 DOI: https://doi.org/10.31619/caledu.n17.409
Hugo, V., Garcia, M., Victoria, A., Motta, A., Daniela, M., & Ariza, A. (2019). Predictive models of knowledge management in virtual education Modelo predictivo de gestión del conocimiento en educación virtual. Industry, Innovation, And Infrastructure for Sustainable Cities and Communities.
Mella-Norambuena, J., Badilla, M. G., & López Angulo, Y. (2022). Modelos predictivos basados en el uso de analíticas de aprendizaje en educación superior. Texto libre, 15. https://doi.org/10.35699/1983-3652.2022.36310 DOI: https://doi.org/10.35699/1983-3652.2022.36310
Norma, P., Barron-Adame, R. A., & Miguel, J. (2016). Revista de Aplicación Científica y Técnica: Propuesta del diseño de un modelo predictivo de alerta temprana en indicadores educativos de nivel superior aplicando minería de datos. Junio, 2(4).
OCDE. (2021). Health at a Glance 2021. En Health at a Glance 2021. DOI: https://doi.org/10.1787/ae3016b9-en
Rodríguez Ojeda, M. J. (2024). Determinación de perfiles profesionales mediante técnicas de minería de datos. Ciencia Latina Revista Científica Multidisciplinar, 8(1). https://doi.org/10.37811/cl_rcm.v8i1.9783 DOI: https://doi.org/10.37811/cl_rcm.v8i1.9783
Schonlau, M., & Zou, R. Y. (2020). The random forest algorithm for statistical learning. Stata Journal, 20(1). https://doi.org/10.1177/1536867X20909688 DOI: https://doi.org/10.1177/1536867X20909688
Timarán Pereira, S. R., Hernández Arteaga, I., Caicedo Zambrano, S. J., Hidalgo Troya, A., & Alvarado Pérez, J. C. (2016). El proceso de descubrimiento de conocimiento en bases de datos. Ingenierías, 8(26).
Vanneschi, L., & Silva, S. (2023). Decision Tree Learning. En Natural Computing Series. https://doi.org/10.1007/978-3-031-17922-8_6 DOI: https://doi.org/10.1007/978-3-031-17922-8_6
Vásquez Chicaiza, F. P., Vega Cocha, D. P., Defaz Lasso, M. L., Vazco Silva, C. D., & López Velasco, J. E. (2024). Estrategias educativas por medio de herramientas digitales basadas en inteligencia artificial, revisión bibliográfica. Ciencia Latina Revista Científica Multidisciplinar, volumen 7 (número 6). 5691-5708. https://doi.org/10.37811/cl_rcm.v7i6.9110 DOI: https://doi.org/10.37811/cl_rcm.v7i6.9110
Villena, J. (2016). CRISP-DM: La metodología para poner orden en los proyectos de data science. Singular.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Revista Internacional de Pedagogía e Innovación Educativa
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos se publican bajo los términos de una licencia que permite el uso, distribución y reproducción en cualquier medio, siempre que el trabajo original se cite correctamente. Ed&TIC conserva los derechos patrimoniales de las obras publicadas y promueve activamente la reutilización de las mismas bajo los términos de la licencia mencionada anteriormente, lo que fomenta la difusión del conocimiento y la colaboración en la comunidad académica.
