Una herramienta visual interactiva para el análisis, detección temprana y recomendación de escenarios plausibles para mitigación de la deserción estudiantil en educación superior

• Autor: Ticona Quispe, Julio Jesus
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Católica San Pablo
• Repositorio: UCSP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucsp.edu.pe:20.500.12590/18772
• Enlace del recurso: https://hdl.handle.net/20.500.12590/18772
• Nivel de acceso: acceso abierto
• Materia: Visualización de deserción estudiantil; Exploración asistida por LLM; Visual Analytics en educación; https://purl.org/pe-repo/ocde/ford#1.02.01

Cada año, gran cantidad de estudiantes abandonan la universidad por motivos económicos, académicos y sociales. Por lo tanto, representa un problema crítico para las instituciones educativas que deben mantener una tasa baja de deserción como prioridad. Identificar tempranamente los alumnos potencialmente desertores se convierte en un desafío y tradicionalmente, las herramientas de inteligencia de negocios o sistemas de inteligencia artificial no ofrecen una solución para identificar los factores clave que contribuyen a la deserción estudiantil o proponen un escenario plausible para mitigar casos de deserción. Por otro lado, los resultados finales suelen centrarse en analistas experimentados que pueden extraer e interpretar insights de métodos analíticos avanzados, dejando de lado a otras de partes interesadas como directores de programas, asesores académicos o personal del departamento de bienestar social y educativo. Presentamos una herramienta diseñada para mitigar el problema de deserción estudiantil mediante la detección temprana de posibles casos de deserción y recomendar escenarios viables para mitigar este problema. Esta herramienta, denominada Student DRopout Explorer comprende múltiples paneles que permiten a los analistas (i) monitorear visualmente el rendimiento académico de los estudiantes, (ii) explorar interactivamente características de estudiantes para descubrir patrones y grupos, (iii) predecir tempranamente posibles casos de deserción, y (iv) proponer escenarios viables basadas en características específicas de cada estudiante para reducir las tasas de deserción. Como novedad, incorporamos un asistente textual que mejora la experiencia del usuario, reemplazando las estrategias tradicionales de selección y filtrado mediante la narrativa en lenguaje natural. Esta función enriquece significativamente a un proceso analítico más eficiente y agradable. Finalmente, presentamos dos estudios de caso en una universidad latinoamericana, junto con una evaluación de usuario para evaluar la usabilidad de nuestra herramienta en términos de precisión y tiempo.