Con la promulgación de la Ley N.º 29947, “Ley de protección a la economía familiar”, los estudiantes, utilizan el servicio educativo con el pago de matrícula, demostrando una cultura de pago deficiente, dejando de pagar las pensiones de enseñanza hasta el inicio del siguiente semestre. Esto motiva a que la universidad presente un estado de iliquidez. El objetivo de la investigación fue desarrollar un modelo de clasificación de comportamiento de pagos en los estudiantes de una Universidad Privada en el Perú; con la finalidad de predecir la morosidad y cumplimiento de los compromisos de pagos, mediante la implementación de estrategias mejorando así la calidad en el proceso de recaudación económica. La metodología presenta un componente investigativo de tipo tecnológico, de nivel propositivo, innovación incremental, la recolección de datos fue de tipo retrospectivo; con alcance temporal sincrónico, porque se realizó en un periodo corto de tiempo, menor a un año, la población de estudio estuvo conformada por 8495 estudiantes de pregrado matriculados. Los resultados evidencian un modelo de clasificación para predecir el comportamiento de pagos, empleando la plataforma H2O.ai y el lenguaje de programación R, los datos fueron obtenidos de los sistemas informáticos, empleando la metodología CRISP-DM utilizado en soluciones de ciencia de datos. Los conjuntos de datos para el entrenamiento, validación y pruebas corresponden al 70 %, 15 % y 15 %; obteniendo el modelo de clasificación GBM Grid cuyas métricas de desempeño son AUC de 0,6272, AUCPR de 0,8751 y logLoss equivalente a 0,4577.

Objetivo: Determinar la influencia entre el cumplimiento del plan estratégico y el nivel de competitividad de la Universidad San Pedro filial Huacho, año 2014. Material y Métodos: Los métodos empleados fueron el deductivo e inductivo, con ello el estudio se identificó como una investigación formal y aplicado. Con respecto al diseño específico de la investigación, este es de nivel descriptivo correlacional, dado que el estudio busco la relación entre dos variables. La población de estudio fue un total de 200 personas, entre docentes y personal. La muestra seleccionada fue probabilística, la muestra se determinó con 80 personas elegidas aleatoriamente. Resultados: Luego de recolectar los datos y de procesarlos adecuafdamente, se confirmó la hipótesis principal, existe influencia entre el cumplimiento del plan estratégico y el nivel de competitividad de la Universidad San Pedro filial Huacho. Esta relación tuvo una significación de muestra 0,000 menor al 0,05 probabilístico, lo que confirma la tesis planteada. Conclusión: La capacidad profesional de las autoridades que administran la universidad, repercute en el nivel de competitividad de la institución. Sobre las funciones de organización, dirección y control, se encontró una valoración entre regular y bueno, por lo que se debe desarrollar nuevos lineamientos para estas funciones de administración.Palabras clave: Plan estratégico, visión estratégica, misión estratégica, objetivo estratégico, nivel de competitividad, nivel de liderazgo

Las tecnologías de información y comunicación vienen cumpliendo un rol de suma relevancia en los diferentes campos del conocimiento; cada vez se cuenta con mayor capacidad para identificar patrones en los datos de una organización; en este contexto, el estudio tuvo como objetivo desarrollar un modelo de clasificación para la deserción estudiantil aplicando el método autoML del framework H2Oai, teniendo en cuenta características socioeconómicas y académicas de los estudiantes con la finalidad que las autoridades tomen las decisiones oportunamente. La metodología fue de tipo tecnológico, de nivel propositiva, de innovación incremental, de alcance temporal, sincrónica; la recolección de datos fue prospectivo, se aplicó un cuestionario de 20 ítems a 237 estudiantes de posgrado de los programas de maestrías en educación. La investigación tuvo como resultado un modelo de aprendizaje automático supervisado, máquina de refuerzo de gradiente (GBM de sus siglas del inglés), para clasificar la deserción estudiantil, logrando identificar los principales factores asociados que influyen en la deserción, obteniendo un coeficiente Gini del 92,20 %, AUC del 96,10 % y un LogLoss del 24,24 %.