Modelo de predicción del éxito académico de los procesos de admisión con criterios múltiples empleando herramientas de machine learning

• Autor: Arana Caparachin, Maglioni
• Formato: tesis doctoral
• Fecha de Publicación: 2021
• Institución: Universidad Nacional del Centro del Perú
• Repositorio: UNCP - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uncp.edu.pe:20.500.12894/10359
• Enlace del recurso: http://hdl.handle.net/20.500.12894/10359
• Nivel de acceso: acceso abierto
• Materia: Éxito académico; proceso de admisión; modelo predictivo; machine learning; microsoft azure.; https://purl.org/pe-repo/ocde/ford#2.02.04

El éxito académico ha sido objeto de estudio durante varios años. Los estudiantes universitarios son vulnerables a presentar problemas que afectan su formación académica, llegando en algunos casos hasta la deserción. La presente investigación analizó el éxito académico de los ingresantes a la UNCP tomando aspectos de la trayectoria escolar, nivel sociodemográfico, las competencias académicas y logros extracurriculares. La metodología seleccionada fue el método deductivo-inductivo, tipo aplicada, nivel explicativo-predictivo, diseño no experimental longitudinal de estudio cohorte; la población elegida fueron los 11466 ingresantes en los periodos académicos 2020-I, 2020-II, 2021-I y 2021-II. La predicción fue realizada mediante tres algoritmos de machine learning: regresión lineal, árbol de decisiones y clasificación; donde el resultado fue 95.44% de predicción con el modelo de clasificación. Los indicadores tomados en cuenta para el modelo incluyeron la nota de ingreso, todas las modalidades de ingreso, la preparación académica, edad del ingresante, participaciones deportivas y artísticas al ingresar a la universidad, los créditos aprobados y el promedio obtenido al finalizar el primer semestre académico. Usando herramientas de machine learning fue posible predecir el éxito académico de los ingresantes de la UNCP, permitiendo detectar a los estudiantes que podrían enfrentar problemas en sus estudios universitarios.