Predicción de la Deserción Académica en una Universidad Pública Chilena a través de la Clasificación basada en Árboles de Decisión con Parámetros Optimizados

Abstract

El objetivo de este estudio es presentar una clasificación basada en árboles de decisión (CBAD) con parámetros optimizados para predecir la deserción de los estudiantes universitarios. El estudio analiza 5288 casos de estudiantes pertenecientes a una universidad pública chilena. Para la técnica CBAD se optimizaron los parámetros para mejorar la predicción usando el software RapidMiner. El resultado de la aplicación de esta técnica con parámetros optimizados logro una razón de precisión de un 87.27%. Se concluye que el uso de técnicas de CBAD con optimización de parámetros resulta en una mejor precisión en comparación a otras investigaciones con un número similar de datos.

Modelo de riesgos competitivos para deserción y graduación en estudiantes universitarios de programas de pregrado de una universidad privada de Medellín (Colombia)

“…En ese sentido, algunos autores han encontrado que un mayor número de créditos reprobados influye negativamente en la probabilidad de graduación (Castaño et al, 2006) y que un menor promedio académico incrementa el riesgo de deserción (Osorio et al, 2012;Guerrero, 2018). Así mismo, se ha evidenciado que el promedio académico puede ser un buen predictor de deserción universitaria (Ramírez y Grandón, 2018). Por otro lado, con respecto a los exámenes de ingreso a la educación superior, otros estudios también han encontrado que puntajes más bajos se asocian con una mayor deserción (Guerrero, 2018;Carvajal et al, 2018;Miranda y Guzmán, 2017, Ramírez y Grandón, 2018.…”

“…Para el contexto latinoamericano, no se encontró evidencia de estudios realizados mediante la aplicación del modelo de (Scott y Kennedy, 2005) donde se analice conjuntamente la deserción y la graduación, no obstante, se encontró evidencia que aborda el fenómeno de la deserción desde otras técnicas interesantes como árboles de decisión (Ramírez y Grandón, 2018), minería de datos (Miranda y Guzmán, 2017), análisis discriminante (Guerrero, 2018) y modelos logísticos (Carvajal et al, 2018). Finalmente, en el contexto colombiano, se reportaron dos estudios (Castaño et al, 2006;Osorio et al, 2012), cuyo objetivo fue analizar factores asociados a la deserción y graduación, utilizando dos modelos: el de riesgo proporcional de (Prentice y Gloeckler, 1978) que es una extensión del modelo de Cox para tiempos de duración discretos y el de (Meyer, 1990), el cual permite incluir la heterogeneidad no observable, de modo que los atributos no observables de un individuo se pueden incorporar de manera multiplicativa en la función de riesgo a partir de una variable aleatoria.…”

Predicción de las principales variables que conllevan al abandono estudiantil por medio de técnicas de minería de datos

“…Por su parte Núñez et al (2012) encuentra como variable predomínate la dinámica familiar. Desde otro punto de vista, Sinchi y Gómez (2018) identificaron los altos costos, mientras que Cruz et al (2010), Ramírez y Grandón (2018), señalan la pérdida de asignaturas como la principal causa de este problema. En concordancia con Garzón y Gil (2018) en esta investigación se encontró que la procrastinación es una variable determinante en el abandono; no obstante, se discrepa en la variable rendimiento académico, respecto a esta última, los resultados obtenidos concuerdan con lo planteado por Núñez et al (2012), Prieto (2015), Ramírez y Grandón (2018), y Timarán y Jiménez (2014).…”

“…A diferencia del presente trabajo, existen investigaciones que han analizado otras variables relevantes como: obtención de títulos intermedios (Obergruber y Zierow, 2020); problemas de salud física (Kox et al 2020); nivel académico al momento de ingreso (Madrid, 2017); suspensiones académicas y sanciones (Prieto, 2015); nivel de interacción social, antecedentes financieros (Danle, 2020); estrato socio económico, la facultad de ciencias naturales o matemáticas y mal rendimiento académico (Amaya et al, 2014); años de avance en la carrera, puntaje en la prueba de selección (Ramírez y Grandón, 2018); vive con la familia, semestres perdidos, zona de procedencia, ingresos familiares, estado civil, genero, tipo de colegio (Timarán y Jiménez, 2014); preparación académica, estrato socioeconómico, rasgos psicológicos y características familiares (Pérez et al, 2018); rendimiento académico, embarazo, depresión, desintegración familiar, estrés, desconfianza, falta de comunicación, adicción, violencia doméstica, falta de respeto, falta de comunicación, influencia familiar al momento de elegir la carrera, cruce de horarios académicos con horarios de trabajo (Cruz et al, 2010).…”

Efectos económicos de la deserción en la gestión universitaria: el caso de una universidad pública chilena

“…; Acuña et ál., 2010;Donoso et ál., 2010;Mineduc, 2012; Rau et ál., 2013;Barrios, 2013; Navarrete et ál. ;2013; Larracaou y Mizala, 2013; Horn et ál., 2014;Ramírez y Gradón, 2018; Blanco et ál., 2018); a identificar las variables explicativas en instituciones como estudio de caso(Canales y De los Ríos, 2009; Fernández et ál., 2009;Saldaña y Barriga, 2010); con aplicación a carreras o programas específicos(Reyes et ál., 2007; Gallegos et ál., 2018;Arancibia y Trigueros, 2018)…”