Diseño de un modelo predictivo para generar alertas de deserción temprana en educación superior

Abstract

RESUMEN : El fenómeno de la deserción es una problemática que aqueja a la mayoría de las instituciones de educación superior en el país, por esta razón ha sido ampliamente estudiado para determinar sus posibles causas e implementar acciones en pro de su disminución, para lo cual se ha hecho usos de diferentes técnicas y herramientas del análisis estadístico y computacional. La facultad de ingeniería no es ajena a dicho fenómeno pues observa que el nivel de deserción temprana promedio es de alrededor del 40%, por tal motivo se han realizado variadas investigaciones que han apuntado al estudio del fenómeno desde su caracterización e identificación de las causas que lo producen. Con este proyecto de investigación se buscó ir más allá de la caracterización del fenómeno y proponer una herramienta que identifique de manera temprana aquellos estudiantes que están en riesgo de desertar. Para lograr tal propósito se hizo uso de los datos históricos contenidos en las bases de datos de la universidad y la información disponible en la plataforma del Icfes y aplicando dos técnicas de machine learning como son redes neuronales artificiales RNA y Xtreme gradient boosting – XGBoost se entrenaron diferentes modelos. Se construyeron modelos para los tres primeros semestres, pues el propósito fue identificar la deserción temprana. El modelo de primer semestre contiene solo los datos de inscripción y para los modelos de segundo y tercer semestre se incluyeron variables de desempeño académico del estudiante. Encontrando que a medida que el estudiante avanza en su proceso de formación los modelos van logrando una mejor capacidad predictiva.