Reconocimiento de patrones de deserción de estudiantes universitarios basados en modelos de clasificación

• Autor: Zarate Valderrama, Ashley Joshua
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:UNSA/9419
• Enlace del recurso: http://repositorio.unsa.edu.pe/handle/UNSA/9419
• Nivel de acceso: acceso abierto
• Materia: Minería de Datos Educativos; Árbol de Decisión; Algoritmo ID; Algoritmo C4.5; Red Neuronal; Algoritmos de Clasificación; Deserción Estudiantil; https://purl.org/pe-repo/ocde/ford#2.11.02

El trabajo estudia los factores que afectan el rendimiento académico de los estudiantes de la Universidad Nacional de San Agustín, las cuales incluyen características personales (género, edad), información previa a su ingreso a la universidad (tipo de colegio de procedencia, puntuación en examen de ingreso a la universidad) y el desempeño que posee en las asignaturas a lo largo de uno o más semestres académicos (promedio de notas por semestre, relación de créditos, nro. de asignaturas abandonadas, etc.). Para esto se ha creado una aplicación que utiliza información proporcionada por la universidad acerca de los estudiantes y que permite a los directores de las escuelas profesionales de la universidad el poder detectar de manera anticipada los estudiantes que presenten algún tipo de riesgo de abandonar la carrera. El reconocimiento de los patrones de deserción de los estudiantes es posible mediante el uso de modelos de clasificación generados a partir de diferentes algoritmos (redes neuronales, ID3, C4.5), utilizando los atributos más significantes dentro de la información que se tenía a la mano. Se ha creado modelos de clasificación por cada algoritmo que ha sido implementado y se realizaron pruebas utilizando diferentes variables de entrada por modelo. Cada modelo intenta detectar la deserción de un estudiante de su carrera profesional por lo que las variables de salida de cada uno serán: el estudiante ABANDONA y el estudiante NO ABANDONA la carrera. Se realizó también una comparación de estos modelos mediante el cálculo de medidas de rendimiento (precisión, exactitud y sensibilidad), y aquellos que ofrezcan mejores resultados serán aplicados cuando se realice la clasificación de estudiantes en las distintas escuelas profesionales de la universidad.