Modelos predictivos de la deserción estudiantil en una universidad privada peruana

• Autor: Sifuentes Bitocchi, Oswaldo
• Formato: artículo
• Fecha de Publicación: 2018
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: Revista UNMSM - Industrial Data
• Lenguaje: español
• OAI Identifier: oai:ojs.csi.unmsm:article/15602
• Enlace del recurso: https://revistasinvestigacion.unmsm.edu.pe/index.php/idata/article/view/15602
• Nivel de acceso: acceso abierto
• Materia: Student desertion; university students; fail; mentoring; predictive models; Deserción estudiantil; estudiantes universitarios; desaprobación; tutoría; modelos predictivos

La deserción es un problema que afecta a las universidades, públicas y privadas, y acarrea una serie de consecuencias negativas tanto para las instituciones como para los mismos jóvenes, por ello, el objetivo de este estudio fue determinar cómo el uso de modelos predictivos en asignaturas críticas contribuye a identificar a los estudiantes en riesgo de deserción. Se diseñaron siete modelos predictivos con la metodología CRISP (Cross-Industry Standard Process for Data Mining) y el historial académico de los estudiantes, para ser aplicados en siete cursos. Entre los principales resultados se puede destacar que los modelos predictivos contribuyeron a reducir en un 25 % y 40 % los niveles de desaprobación y las variables que mejor la predijeron fueron la carrera que estudian (vocación), el número de veces que se matriculan en la asignatura y la nota que tuvieron en matemática o comunicación cuando cursaron el quinto año de secundaria.
Desertion is a problem that affects public and private universities, and leads to a series of negative consequences for both institutions and students. Therefore, the objective of this study was to determine how the use of predictive models in low pass-rate courses helps to identify students at risk of desertion. Seven predictive models were designed using CRISP (Cross- Industry Standard Process for Data Mining) methodology and students’ academic records to be applied in seven low pass-rate courses. Among the main results, it can be noted that predictive models contributed to the reduction of fail rates by 25% and 40%, and that the variables that best forecast desertion were career choice (vocation), number of times students enrolled in the course, and grades obtained in mathematics or language arts when students attended the fifth year of high school.