Work

Modelo de machine learning para disminuir la tasa de deserción de estudiantes antiguos en centro de estudio superior

Year: 2023
Type: dissertation
Abstract: El proyecto tiene como objetivo implementar un modelo de aprendizaje automático en centros de estudios superiores. El enfoque principal se centra en optimizar un proceso del área de experiencia estudiantil, específicamente, prediciendo el porcentaje de deserción estudiantil. Para desarrollar el proyecto, se llevó a cabo una comparación de algoritmos de aprendizaje automático, con el propósito de seleccionar el más adecuado. El diseño del modelo incluyó la creación de una tabla maestra que incorpora todas las variables como información académica actual, información académica anterior, información de boletas, ratios de asistencia , información personal e información de encuestas, junto con un análisis estadístico utilizando técnicas como WOE para identificar cuáles de estas variables contribuyen significativamente a una predicción. Las validaciones se realizaron mediante la comparación de algoritmos como RUSBost , GausNB , Percept , LightGBM, utilizando indicadores clave como Recall mean, Precision mean y ROC AUC mean y entre otros indicadores para asegurarse de que el modelo sea efectivo y preciso. Es por ello que luego de evaluar entre todos los algoritmos el que obtuvo mayor puntaje fue LightGBM con un Recal mean de 86.37%, Precision mean de 86.83% y un ROC AUC mean de 77.61%. Además, se ha establecido un plan de continuidad para mejorar el modelo de machine learning con el tiempo. Antes de la implementación la deserción estudiantil la deserción estudiantil fue del 13.45%, en el periodo 2022-1 y luego de su implementación el periodo 2023-1 esta fue de 9.45%.
Authors: Borjas Ramos, Neil Enrique, Saqui Marin, Carlos Jean Pierre
Language: Spanish
Open Access status: green
OpenAlex ID: W7002090359
Cites: 34
Cited by: 2
Related to: 10