Modelo predictivo basado en machine learning para el diagnóstico temprano en la deserción universitaria de la UNDC, periodo 2020 – 2022

• Autor: Sulca Martínez , Hugo Jesús
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de Cañete
• Repositorio: UNDC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.undc.edu.pe:20.500.14559/290
• Enlace del recurso: https://hdl.handle.net/20.500.14559/290
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; aprendizaje automático; regresión logística; deserción Universitaria; https://purl.org/pe-repo/ocde/ford#2.02.04

La presente investigación tuvo como objetivo implementar un modelo predictivo para el diagnóstico temprano en la deserción universitaria de la Universidad Nacional de Cañete. Para ello, se usó el modelo de regresión logística, junto al lenguaje de programación Python y el entorno de programación Google Colaboratory, se creó un código capaz de predecir si un alumno podía desertar o no su carrera universitaria, tomando como base de datos una encuesta realizada a los estudiantes universitarios por Google Forms. El modelo clasifica 80,64% correctamente de las observaciones en el conjunto de pruebas, el 82% de las veces que el modelo predice que un estudiante no va a desertar, está en lo correcto, el 71% de las veces que el modelo predice que un estudiante va a desertar, está en lo correcto. Finalmente se concluye, aunque el modelo mostró una alta precisión en la identificación de estudiantes que no van a desertar, su rendimiento fue moderado en la predicción de aquellos que sí lo harán, lo que sugiere la necesidad de continuar mejorando el modelo para incrementar su sensibilidad y precisión en ambos casos.