Patrones de la deserción estudiantil aplicando un modelo predictivo en un IESTP - Lima 2023

• Autores: Mendoza Chero, Ricardo Ryan, Silva Arellano, Jose Luis
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/136566
• Enlace del recurso: https://hdl.handle.net/20.500.12692/136566
• Nivel de acceso: acceso abierto
• Materia: Deserción estudiantil; Modelo predictivo; Minería de datos; Factores de deserción; https://purl.org/pe-repo/ocde/ford#2.02.04

En este estudio de tipo aplicado se utilizó la metodología CRISP-DM para encontrar patrones de abandono de estudiantes en un programa de informática y ciencias de la computación del IESTP. Los datos se recogieron mediante un enfoque cuantitativo y un diseño descriptivo-experimental utilizando cuestionarios y un muestreo de conveniencia no probabilístico. Entre las variables importantes con correlaciones moderadamente positivas se incluyeron "Hábitos alimentarios", "Acceso al ordenador" y "Ejercicio regular", mientras que "Promedio ponderado" y "Promedio de ausencias" mostraron notables correlaciones negativas. Estas variables fueron el foco de los modelos de aprendizaje automático, que se construyeron con fuertes correlaciones y árboles de decisión visuales para apoyar su papel crítico en la predicción del abandono. Los valores de precisión del 77,06% y el 80,73% para "Media ponderada" y "Ausencias medias" obtenidos mediante validación cruzada validaron la capacidad de predicción de los modelos. Según el análisis exhaustivo, el 75,14% de los casos se clasificaron correctamente como "Media ponderada" y el 73,48% como "Ausencias medias". Concluyendo, estos resultados ofrecen valiosos insights para abordar la deserción estudiantil en instituciones similares, destacando la importancia de considerar múltiples factores y la aplicabilidad efectiva de modelos predictivos.