Modelo de Machine Learning para predecir la deserción universitaria a partir de factores socioeconómicos y académicos
El estudio se centró en generar un modelo de Machine Learning que pueda predecir la deserción de los estudiantes de la Universidad Católica de Trujillo en el periodo 2021-2022, a partir de factores socioeconómicos y académicos, cuya efectividad sea superior al 75%. El diseño metodológico de este est...
Guardado en:
| Autores principales: | , |
|---|---|
| Otros Autores: | |
| Formato: | Monografía o trabajo académico |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2024
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881509760411369472 |
|---|---|
| author | Izquierdo Marin, Sandra Sofia Torres Navarrete, William Robert |
| author2 | Soria Quijaite, Juan Jesus |
| author_browse | Izquierdo Marin, Sandra Sofia Soria Quijaite, Juan Jesus Torres Navarrete, William Robert |
| author_facet | Soria Quijaite, Juan Jesus Izquierdo Marin, Sandra Sofia Torres Navarrete, William Robert |
| author_sort | Izquierdo Marin, Sandra Sofia |
| collection | Repositorio institucional |
| description | El estudio se centró en generar un modelo de Machine Learning que pueda predecir la deserción de los estudiantes de la Universidad Católica de Trujillo en el periodo 2021-2022, a partir de factores socioeconómicos y académicos, cuya efectividad sea superior al 75%. El diseño metodológico de este estudio fue mixto, ya que no solo utilizó un método estadístico, sino también el análisis documental de casos, los cuales están recolectado de forma numérica y categórica para determinar la relación entre factores socioeconómicos y académicos y la deserción universitaria de los estudiantes, así como explicar y predecir a través de ellos escenarios futuros de la variable dependiente. La población estudiada consistió en dos cohortes (2021 y 2022) de 11 carreras de nivel pregrado dictadas en la Universidad Católica de Trujillo; totalizando 3156 alumnos, de los cuales 789 han abandonado los estudios (índice de deserción del orden del 25%). En conclusión, el modelo propuesto es significativo (p- value: 0) en base a cuatro factores predictores (lugar de procedencia, hermanos, institución educativa de egreso y cantidad de cursos desaprobados). Además, los factores socioeconómicos abordados si se relacionan de forma significativa con la deserción universitaria, a excepción del género (masculino y femenino), cuya relación no es significativa (chi2=,338). Además, los resultados obtenidos mediante el análisis de chi- cuadrado indica que todos los factores académicos están relacionados de forma significativa. Finalmente, el modelo es capaz de clasificar correctamente 98.7% de las observaciones de entrenamiento. |
| format | info:eu-repo/semantics/monograph |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/7717 |
| institution | UPeU |
| language | Spanish |
| ocde_area_str_mv | Ciencias naturales |
| ocde_disciplina_str_mv | Matemáticas |
| ocde_str_mv | 1.01.03 |
| programa_nombre_str_mv | Segunda Especialidad en Estadística Aplicada para Investigación |
| programa_uri_str_mv | http://upeu.edu.pe/sys/programas/programa/seg-estadistica-aplicada-para-investigacion |
| publishDate | 2024 |
| publishDateRange | 2024 |
| publishDateSort | 2024 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| spelling | Modelo de Machine Learning para predecir la deserción universitaria a partir de factores socioeconómicos y académicos Izquierdo Marin, Sandra Sofia Torres Navarrete, William Robert Soria Quijaite, Juan Jesus Machine Learning Deserción Factores socioeconómicos y académicos El estudio se centró en generar un modelo de Machine Learning que pueda predecir la deserción de los estudiantes de la Universidad Católica de Trujillo en el periodo 2021-2022, a partir de factores socioeconómicos y académicos, cuya efectividad sea superior al 75%. El diseño metodológico de este estudio fue mixto, ya que no solo utilizó un método estadístico, sino también el análisis documental de casos, los cuales están recolectado de forma numérica y categórica para determinar la relación entre factores socioeconómicos y académicos y la deserción universitaria de los estudiantes, así como explicar y predecir a través de ellos escenarios futuros de la variable dependiente. La población estudiada consistió en dos cohortes (2021 y 2022) de 11 carreras de nivel pregrado dictadas en la Universidad Católica de Trujillo; totalizando 3156 alumnos, de los cuales 789 han abandonado los estudios (índice de deserción del orden del 25%). En conclusión, el modelo propuesto es significativo (p- value: 0) en base a cuatro factores predictores (lugar de procedencia, hermanos, institución educativa de egreso y cantidad de cursos desaprobados). Además, los factores socioeconómicos abordados si se relacionan de forma significativa con la deserción universitaria, a excepción del género (masculino y femenino), cuya relación no es significativa (chi2=,338). Además, los resultados obtenidos mediante el análisis de chi- cuadrado indica que todos los factores académicos están relacionados de forma significativa. Finalmente, el modelo es capaz de clasificar correctamente 98.7% de las observaciones de entrenamiento. 2024-04-02 2024-07-14T18:22:52Z 2024-07-14T18:22:52Z info:eu-repo/semantics/monograph https://hdl.handle.net/20.500.12840/7717 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/7717 2026-11-10T17:45:09Z |
| spellingShingle | Machine Learning Deserción Factores socioeconómicos y académicos Izquierdo Marin, Sandra Sofia Torres Navarrete, William Robert Modelo de Machine Learning para predecir la deserción universitaria a partir de factores socioeconómicos y académicos |
| title | Modelo de Machine Learning para predecir la deserción universitaria a partir de factores socioeconómicos y académicos |
| title_full | Modelo de Machine Learning para predecir la deserción universitaria a partir de factores socioeconómicos y académicos |
| title_fullStr | Modelo de Machine Learning para predecir la deserción universitaria a partir de factores socioeconómicos y académicos |
| title_full_unstemmed | Modelo de Machine Learning para predecir la deserción universitaria a partir de factores socioeconómicos y académicos |
| title_short | Modelo de Machine Learning para predecir la deserción universitaria a partir de factores socioeconómicos y académicos |
| title_sort | modelo de machine learning para predecir la desercion universitaria a partir de factores socioeconomicos y academicos |
| topic | Machine Learning Deserción Factores socioeconómicos y académicos |
| topic_facet | Machine Learning Deserción Factores socioeconómicos y académicos |
| url | https://hdl.handle.net/20.500.12840/7717 |
| work_keys_str_mv | AT izquierdomarinsandrasofia modelodemachinelearningparapredecirladesercionuniversitariaapartirdefactoressocioeconomicosyacademicos AT torresnavarretewilliamrobert modelodemachinelearningparapredecirladesercionuniversitariaapartirdefactoressocioeconomicosyacademicos |