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...
Autores: | , |
---|---|
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).
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).