Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de Santa

Descripción del Articulo

La predicción a través del modelamiento puede contribuir a mitigar la deserción académica de estudiantes universitarios. Esta problemática constituye un elemento de preocupación durante el seguimiento académico en varios países. La Universidad Nacional de Santa en Perú muestra un comportamiento desf...

Descripción completa

Detalles Bibliográficos
Autores: Caselli Gismondi, Hugo Esteban, Urrelo Huiman, Luis Vladimir
Formato: artículo
Fecha de Publicación:2021
Institución:Universidad Nacional Autónoma de Tayacaja Daniel Hernández Morillo
Repositorio:Revista de investigación científica y tecnológica Llamkasun
Lenguaje:español
OAI Identifier:oai:ojs2.llamkasun.unat.edu.pe:article/61
Enlace del recurso:https://llamkasun.unat.edu.pe/index.php/revista/article/view/61
Nivel de acceso:acceso abierto
Materia:deserción académica
características predictivas
seguimiento académico
id REVLLAM_ac1ed200f00996a56ee146dd67954754
oai_identifier_str oai:ojs2.llamkasun.unat.edu.pe:article/61
network_acronym_str REVLLAM
network_name_str Revista de investigación científica y tecnológica Llamkasun
repository_id_str
spelling Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de SantaCaselli Gismondi, Hugo EstebanUrrelo Huiman, Luis Vladimirdeserción académicacaracterísticas predictivasseguimiento académicoLa predicción a través del modelamiento puede contribuir a mitigar la deserción académica de estudiantes universitarios. Esta problemática constituye un elemento de preocupación durante el seguimiento académico en varios países. La Universidad Nacional de Santa en Perú muestra un comportamiento desfavorable en este sentido. Consecuentemente se declara como objetivo: proponer las características que deberán formar parte de un modelo de predicción basado en Machine Learning que contribuya a la adopción de medidas oportunas durante el seguimiento académico. Esta investigación responde a un caso de estudio y forma parte de los resultados del proceso de generación del modelo predictivo. Como materiales y métodos se emplearon: el análisis-síntesis y la inducción-deducción, revisión documental y métodos estadísticos. Se utilizaron los softwares libres: Júpiter, Anaconda, Python y Pandas. Se destacan como resultados: los antecedentes que ponen luz roja en la deserción académica universitaria, el análisis de las variables más frecuentemente empleadas en los estudios de predicción, la data maestra de la Universidad depurada y la propuesta de características que deberán integrar el modelo. Se concluyó que: en Perú sólo el 65% de los estudiantes universitarios logran el grado de bachiller, los resultados de abandono académico sin haber obtenido Grado académico ni Título profesional ponen luz roja a esta problemática, las características halladas durante el estudio, así como los resultados de las datas de esta institución constituyeron los referentes para la propuesta. Estas formarán parte del modelo predictivo que posibilitará proyectar cuántos de los estudiantes y egresados lograrán graduarse de bachiller o titularseLlamkasun2021-10-28info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArtículo revisado por paresapplication/pdfhttps://llamkasun.unat.edu.pe/index.php/revista/article/view/61Llamkasun; Vol. 2 (2021): LLAMKASUN (JUNIO) - SEGUNDA EDICIÓN ESPECIAL; 02 - 22Revista de Investigación Científica y Tecnológica Llamkasun; Vol. 2 (2021): LLAMKASUN (JUNIO) - SEGUNDA EDICIÓN ESPECIAL; 02 - 22Llamkasun; Vol. 2 (2021): LLAMKASUN (JUNIO) - SEGUNDA EDICIÓN ESPECIAL; 02 - 222709-227510.47797/llamkasun.v2i4reponame:Revista de investigación científica y tecnológica Llamkasuninstname:Universidad Nacional Autónoma de Tayacaja Daniel Hernández Morilloinstacron:UNATspahttps://llamkasun.unat.edu.pe/index.php/revista/article/view/61/67Derechos de autor 2021 Hugo Esteban Caselli Gismondi, Luis Vladimir Urrelo Huimanhttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessoai:ojs2.llamkasun.unat.edu.pe:article/612023-04-10T21:18:24Z
dc.title.none.fl_str_mv Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de Santa
title Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de Santa
spellingShingle Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de Santa
Caselli Gismondi, Hugo Esteban
deserción académica
características predictivas
seguimiento académico
title_short Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de Santa
title_full Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de Santa
title_fullStr Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de Santa
title_full_unstemmed Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de Santa
title_sort Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de Santa
dc.creator.none.fl_str_mv Caselli Gismondi, Hugo Esteban
Urrelo Huiman, Luis Vladimir
author Caselli Gismondi, Hugo Esteban
author_facet Caselli Gismondi, Hugo Esteban
Urrelo Huiman, Luis Vladimir
author_role author
author2 Urrelo Huiman, Luis Vladimir
author2_role author
dc.subject.none.fl_str_mv deserción académica
características predictivas
seguimiento académico
topic deserción académica
características predictivas
seguimiento académico
description La predicción a través del modelamiento puede contribuir a mitigar la deserción académica de estudiantes universitarios. Esta problemática constituye un elemento de preocupación durante el seguimiento académico en varios países. La Universidad Nacional de Santa en Perú muestra un comportamiento desfavorable en este sentido. Consecuentemente se declara como objetivo: proponer las características que deberán formar parte de un modelo de predicción basado en Machine Learning que contribuya a la adopción de medidas oportunas durante el seguimiento académico. Esta investigación responde a un caso de estudio y forma parte de los resultados del proceso de generación del modelo predictivo. Como materiales y métodos se emplearon: el análisis-síntesis y la inducción-deducción, revisión documental y métodos estadísticos. Se utilizaron los softwares libres: Júpiter, Anaconda, Python y Pandas. Se destacan como resultados: los antecedentes que ponen luz roja en la deserción académica universitaria, el análisis de las variables más frecuentemente empleadas en los estudios de predicción, la data maestra de la Universidad depurada y la propuesta de características que deberán integrar el modelo. Se concluyó que: en Perú sólo el 65% de los estudiantes universitarios logran el grado de bachiller, los resultados de abandono académico sin haber obtenido Grado académico ni Título profesional ponen luz roja a esta problemática, las características halladas durante el estudio, así como los resultados de las datas de esta institución constituyeron los referentes para la propuesta. Estas formarán parte del modelo predictivo que posibilitará proyectar cuántos de los estudiantes y egresados lograrán graduarse de bachiller o titularse
publishDate 2021
dc.date.none.fl_str_mv 2021-10-28
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Artículo revisado por pares
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://llamkasun.unat.edu.pe/index.php/revista/article/view/61
url https://llamkasun.unat.edu.pe/index.php/revista/article/view/61
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://llamkasun.unat.edu.pe/index.php/revista/article/view/61/67
dc.rights.none.fl_str_mv Derechos de autor 2021 Hugo Esteban Caselli Gismondi, Luis Vladimir Urrelo Huiman
https://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Derechos de autor 2021 Hugo Esteban Caselli Gismondi, Luis Vladimir Urrelo Huiman
https://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Llamkasun
publisher.none.fl_str_mv Llamkasun
dc.source.none.fl_str_mv Llamkasun; Vol. 2 (2021): LLAMKASUN (JUNIO) - SEGUNDA EDICIÓN ESPECIAL; 02 - 22
Revista de Investigación Científica y Tecnológica Llamkasun; Vol. 2 (2021): LLAMKASUN (JUNIO) - SEGUNDA EDICIÓN ESPECIAL; 02 - 22
Llamkasun; Vol. 2 (2021): LLAMKASUN (JUNIO) - SEGUNDA EDICIÓN ESPECIAL; 02 - 22
2709-2275
10.47797/llamkasun.v2i4
reponame:Revista de investigación científica y tecnológica Llamkasun
instname:Universidad Nacional Autónoma de Tayacaja Daniel Hernández Morillo
instacron:UNAT
instname_str Universidad Nacional Autónoma de Tayacaja Daniel Hernández Morillo
instacron_str UNAT
institution UNAT
reponame_str Revista de investigación científica y tecnológica Llamkasun
collection Revista de investigación científica y tecnológica Llamkasun
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1844807807675662336
score 12.827443
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).