El persistente problema de la deserción estudiantil impacta negativamente al sector educativo y a la sociedad en general. Este estudio presenta un modelo de aprendizaje automático que aprovecha datos de la Encuesta Nacional de Hogares para predecir la deserción escolar en Perú, integrando una amplia gama de variables sociodemográficas. La investigación llena un vacío en la literatura existente al proporcionar un modelo que incorpora variables sociodemográficas, un área no explorada completamente en estudios anteriores. El modelo predictivo tiene como objetivo identificar factores asociados con la deserción escolar, ayudando a los actores educativos a implementar intervenciones efectivas. Los hallazgos subrayan el potencial del modelo para mejorar los resultados educativos al permitir la identificación temprana de estudiantes en riesgo, facilitando así un apoyo específico. Es...

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...