Solución tecnológica basada en Modelos Predictivos para anticipar la deserción estudiantil por factores multidimensionales en institución universitaria peruana

• Autores: Ojeda Davila, Sebastian Esau, Leon Quispe, Reyser Elio
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/685559
• Enlace del recurso: http://hdl.handle.net/10757/685559
• Nivel de acceso: acceso abierto
• Materia: Deserción estudiantil; Retención académica; Machine Learning; Modelo predictivo; Student dropout; Academic retention; Predictive model; https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04

El fenómeno de la Deserción Estudiantil se posiciona como uno de los desafíos más críticos para las instituciones de educación superior en el Perú, con repercusiones directas en el rendimiento institucional, el desarrollo integral del alumnado y, fundamentalmente, en los índices de Retención Académica. La complejidad de esta problemática radica en que su origen es multifactorial, derivado de una red de causas interconectadas que abarcan dimensiones económicas, académicas, emocionales y sociales. La incapacidad para identificar estos factores de riesgo de manera oportuna limita severamente la efectividad de las respuestas institucionales. Para hacer frente a esta necesidad, se presenta el diseño e implementación de una solución tecnológica avanzada, cuyo eje central es un Modelo Predictivo que opera con algoritmos de Machine Learning. Este sistema, denominado Foresight, está concebido para anticipar con precisión la probabilidad de que un estudiante abandone sus estudios. Dicho modelo se nutre del análisis exhaustivo de datos históricos y registros institucionales, lo que le permite discernir patrones complejos asociados a la deserción y calcular un puntaje de riesgo individualizado para cada alumno. Adicionalmente, la herramienta ha sido desarrollada con capacidades para segmentar la población estudiantil, identificar las variables de mayor impacto según el perfil del alumno y generar alertas tempranas. Estas notificaciones están diseñadas para facilitar una toma de decisiones proactiva y basada en evidencia por parte de los equipos de gestión académica. El plan de implementación asegura su integración con las plataformas tecnológicas existentes y está diseñado para permitir que el modelo sea escalable en distintos niveles y fases del ciclo formativo del estudiante. La adopción de esta iniciativa le ha permitido a la universidad establecer un enfoque preventivo, fundamentado en datos, que impacta positivamente en la mejora de la Retención Académica, optimiza la asignación de recursos y enriquece la trayectoria educativa de los estudiantes.