Ciencia de Datos
Identificación de perfiles de rendimiento académico mediante clustering en la Pontificia Universidad Javeriana y la Universidad Nacional de Colombia : un análisis con Saber 11 y Saber Pro
Este trabajo analiza el desempeño académico de estudiantes de programas de Administración y áreas afines de la Pontificia Universidad Javeriana y la Universidad Nacional de Colombia, incluyendo sus sedes en Cali y Palmira respectivamente, a partir de sus resultados en las pruebas Saber 11 del periodo 2014-2 a 2017 y Saber Pro entre 2018 y 2022. La unidad de análisis corresponde a estudiantes que presentaron ambas pruebas, lo que permite evaluar la evolución del desempeño a lo largo de la trayectoria educativa de cada estudiante. La integración de ambas fuentes se realizó a través del archivo de llaves de vinculación del ICFES siguiendo la metodología CRISP-DM, resultando en una muestra final de aproximadamente 1.700 estudiantes del área de interés depurada a partir de más de siete millones de registros iniciales. Para identificar perfiles de desempeño se compararon seis algoritmos de agrupamiento no supervisado: K-Means, Gaussian Mixture, Fuzzy C-Means, Clustering Aglomerativo, DBSCAN y Spectral Clustering, evaluados mediante los índices de Silhouette, Davies-Bouldin y Calinski-Harabasz. Se seleccionó K-Means con cuatro clústeres por ofrecer el mejor equilibrio entre calidad métrica e interpretabilidad pedagógica, generando perfiles denominados Inicial, Intermedio, Avanzado y Superior. Los resultados evidencian que el desempeño en Saber 11 es un marcador relevante de la trayectoria académica posterior. La validación externa mediante el coeficiente de Cramér's V reveló asociaciones relevantes entre los perfiles identificados y variables como el programa académico, el tipo de institución, el estrato de vivienda y el acceso a tecnología en el hogar, aportando evidencia sobre la relación entre las condiciones de origen y el desempeño académico en educación superior.
Full text 99 pages with text
Read the full thesis Record in the repository
Contents
- 1. Introducciónp. 7
- 1.1 Planteamiento del problemap. 7
- 1.2 Justificaciónp. 8
- 1.3 Estado del artep. 9
- Objetivosp. 13
- Objetivos específicos:p. 13
- 2. Marco Teóricop. 15
- 2.1 Educación Superior en Colombiap. 15
- 2.1.1 Contexto de investigaciónp. 16
- 2.2 Evaluación de la calidad educativa en Colombiap. 17
- 2.2.1 Pruebas estandarizadas en Colombia: Saber 11 y Saber Prop. 17
- 2.2.2 Limitaciones y alcances de las pruebas estandarizadasp. 19
- 2.3 Fundamentos del Clusteringp. 20
- 2.3.1 Aprendizaje No Supervisadop. 20
- 2.3.2 Análisis de Clustersp. 20
- 2.3.3 Fundamentos matemáticos del clusterp. 21
- 2.3.4 Métodos de Agrupamientop. 23
- 2.3.5 Kmeansp. 23
- 2.3.6 Fuzzy C-Meansp. 24
- 2.3.7 Modelo Gaussian Mixturep. 25
- 2.3.8 DBSCANp. 26
- 2.3.9 Clustering Jerárquicop. 27
- 2.3.10 Spectral Clusteringp. 28
- 2.4 Cramér’s Vp. 29
- 3. Metodologíap. 30
- 4. Aplicación de la metodologíap. 31
- 4.1 Entendimiento del negociop. 31
- 4.1.1 Protección de datos personales y anonimización en el sistema educativop. 33
- 4.2 Entendimiento de los datosp. 34
- 4.2.1 Datos de la prueba Saber 11p. 35
- 4.2.2 Datos de la prueba Saber Prop. 36
- 4.2.3 Articulación entre las bases de datosp. 37
- 4.3 Preparación de los datosp. 38
- 4.3.1 Integración de las bases de datos Saber 11 y Saber Prop. 38
- 4.3.2 Proceso de filtrado y vinculaciónp. 39
- 4.3.3 Consideraciones técnicasp. 42
- 4.3.4 Base de datos unidap. 43
- 4.4 Modeladop. 43
- 4.4.1 Algoritmos evaluados e hiperparámetrosp. 44
- 4.5 Evaluaciónp. 46
- 4.6 Desplieguep. 50
- 5. Resultados preliminaresp. 50
- 5.1 Análisis exploratoriop. 51
- 5.1.1 Resultados preliminares de la prueba Saber 11p. 51
- 5.1.2 Resultados preliminares de la prueba Saber Prop. 54
- 6. Resultados Finalesp. 58
- 6.1 Clústeres obtenidos únicamente para el área de administración y afinesp. 58
- 6.2 Perfilamiento posterior al agrupamientop. 70
- 6.3 Análisis de variables seleccionadasp. 71
- 6.3.1 Análisis de núcleo de pregrado de los estudiantes del clústerp. 72
- 6.3.2 Análisis del departamento donde está ubicado el colegio del estudiantep. 74
- y donde presentó el examen Saber 11p. 74
- 6.3.3 Análisis del tipo de origen de institución universitariap. 76
- 6.3.4 Análisis del nivel educativo del padre y la madrep. 78
- 6.3.5 Análisis complementario del perfil socioeconómico familiar por clusterp. 78
- 6.4 Discusiónp. 83
- 6.5 Conclusionesp. 86
- 7. Anexosp. 88
- Referenciasp. 95
- Figura 2. Fases de la metodología CRISP-DM. Fuente: Chapman et al. (2000)p. 31
- Figura 3. Proceso de vinculaciónp. 40
- Figura 4. Flujo de la muestra desde los registros iniciales hasta la base analítica finalp. 41
- Figura 5. Método de evaluaciónp. 50
- Figura 6. Distribución de puntaje Saber 11p. 53
- Figura 7. Comparación de puntajes por módulo Saber 11p. 54
- Figura 8. Cantidad de estudiantes por cada universidad en la muestra del estudiop. 54
- Figura 9. Comparación del puntaje promedio en Saber Prop. 57
- Figura 10. Distribución por cada módulo en prueba Saber Prop. 58
- Figura 11. Clústeres obtenidos con Spectralp. 62
- Figura 12. Clúster obtenido con K-meansp. 63
- Figura 13. Centroides obtenidos con K-meansp. 66
- Figura 14. Comparativa entre puntaje de cada clusterp. 69
- Figura 15. Matriz de transición de saber 11 a saber Prop. 68
- Figura 16. Cantidad de estudiantes de cada carrera en cada clústerp. 73
- Figura 17. Cantidad de estudiantes de cada departamento en cada clústerp. 75
- Figura 18. Estudiantes por clúster de universidad privada o públicap. 77
- Figura 19. Nivel educativo del padrep. 79
- Figura 20. Nivel educativo de la madrep. 80
- Figura 21. Perfil socioeconómico familiar por clústerp. 82
- Tabla 1. Primer paso del método Cramer's Vp. 29
- Tabla 2. Hiperparametros usados por cada algoritmop. 45
- Tabla 3. Comparación de métodos. Nota. todo el conjunto de datos estandarizadop. 59
- Tabla 4. Distribución de los clústeresp. 63
- Tabla 5. Variables seleccionadas por valor de Cramer 's Vp. 71
- Tabla 6. Proporción por núcleo de pregrado según clústerp. 73