The persistent issue of student dropout negatively impacts the educational sector and society at large. This study presents a machine learning model that leverages data from the National Household Survey to predict student dropout in Peru, integrating a wide range of socio-demographic variables. The research fills a gap in existing literature by providing a model that incorporates socio-demographic variables, an area not fully explored in previous studies. The predictive model aims to identify factors associated with student dropout, aiding educational stakeholders in implementing effective interventions. The findings underscore the model's potential to enhance educational outcomes by enabling early identification of at-risk students, thereby facilitating targeted support. This work contributes to refining predictive models of university dropout rates and sug- gests the use of ensemble m...

Este artículo desafía el currículo tradicional en las escuelas de ingeniería en Perú al replantear los planes curriculares de ingeniería con base en la cantidad de tiempo concentrado que un estudiante puede dedicar a una materia sin distraerse con una agenda sobrecargada. Mediante la práctica deliberada y menos aulas, los estudiantes adquieren una experiencia convincente antes de graduarse. Después de profundizar un poco más en la experiencia estudiantil, encontramos la desconexión entre lo que enseñan las universidades y las habilidades necesarias en la sociedad moderna. Hemos desarrollado una evidencia empírica para esta estimación basada en la taxonomía de Bloom en un estudio de caso en un departamento de ingeniería. Nuestro resultado ha demostrado que, en promedio, se necesitan 5.5 horas para alcanzar el nivel más alto de la taxonomía de Bloom inmediatamente después...