Técnicas de minería de datos para determinar la deserción escolar

Abstract

La presente investigación tuvo por objetivo determinar las técnicas de minería de datos y los factores asociados que permitan segmentar los alumnos con riesgo de deserción en el Instituto Superior Tecnológico Privado ISTEPSA, en Andahuaylas (Perú). Para este fin se aplicaron técnicas de Aprendizaje Automático y Minería de Datos implementadas en software WEKA: Se aplicó el método de evaluación CfsSubsetEval y el método de búsqueda BestFirst para seleccionar los factores de mayor significancia, para establecer los patrones se usó el algoritmo de asociación A priori y para segmentar, se usó el algoritmo de Maximización del Valor Esperado “Expectation Maximissation” (EM) y mapas auto organizados de Kohonen(Self Organizing Maps, SOM). Se obtuvo los siguientes resultados: 06 factores significativos: Motivación de sesiones, Laboratorios y Aulas de la Institución, Aceptación de la carrera profesional, Cursos Repetidos en el colegio y Semestre Académico; para los patrones de deserción el 100% de los estudiantes que se retiran califican como deficiente la motivación, aulas y laboratorios; además el 96% consideran deficiente a la carrera profesional que estudian y 90% de los que se retiran son de cuarto semestre; En la segmentación se ha construido 3 grupos con el algoritmo EM y 4 grupos para el algoritmo SOM, donde se observa que los factores académicos son determinantes para la deserción de alumnos.