Sporathe knowledge network
ES
Universidad Nacional de Colombia

Bogotá - Ingeniería - Maestría en Ingeniería - Ingeniería de Sistemas y Computación · 2025

Análisis de la deserción estudiantil en los programas de pregrado de la Facultad de Ciencias Económicas de la Universidad Nacional de Colombia, Sede Bogotá, utilizando métodos de aprendizaje automático

La deserción estudiantil universitaria es uno de los principales problemas que enfrentan las instituciones de educación superior, generando impactos negativos tanto a nivel individual como institucional y para el país. En esta investigación se construyeron modelos predictivos para la deserción estudiantil en los programas de pregrado de la Facultad de Ciencias Económicas de la Universidad Nacional de Colombia, Sede Bogotá, durante el período 2022-2023, utilizando algunas técnicas de aprendizaje automático. Se implementaron cuatro algoritmos de aprendizaje automático: regresión logística, Random Forest, XGBoost y redes neuronales. La optimización de hiperparámetros se realizó utilizando Optuna y Grid Search CV, evaluando múltiples técnicas de balanceo de datos para abordar el desbalance inherente en los datos de deserción. La evaluación se basó en validación cruzada estratificada 5-fold y un conjunto de prueba independiente del 20%. El análisis descriptivo reveló que la tasa de deserción se incrementó de 0.44% en 2022-1S a 10.30% en 2023-2S, con diferencias notables por género (6.10% en hombres versus 3.76% en mujeres) y edad (17.44% en estudiantes de 30 a 34 años). La regresión logística identificó como factores de mayor impacto predictivo al Promedio Académico Ponderado Acumulado con β = −4.700 (p < 0.001), siendo el predictor más fuerte, junto con el número de matrículas (β = −0.426, p < 0.001), que reduce las probabilidades de abandono en 34.7%. Los estudiantes de la carrera de Administración de Empresas presentan menor riesgo (β = −0.957, p < 0.001), mientras que aquellos que deben nivelar Matemáticas muestran mayor probabilidad de desertar (β = 0.582, p = 0.006). Los efectos post confinamiento por la pandemia COVID-19 fueron significativos en 2020-2S aumentando la deserción (β = 0.646, p = 0.020), pero protectores en 2021-2S (β = −0.700, p = 0.004). Finalmente, Random Forest alcanzó el mejor rendimiento con una exactitud de 96.99% y un área bajo la curva ROC de 0.9914 en el conjunto de prueba. El modelo desarrollado proporciona una herramienta que puede ser útil para la identificación temprana de estudiantes en riesgo, con aplicaciones inmediatas en sistemas de alerta temprana institucionales. Los hallazgos contribuyen al entendimiento de los factores asociados con la deserción y proporcionan evidencia empírica para el diseño de estrategias diferenciadas de retención estudiantil (Texto tomado de la fuente).

Full text 100 pages with text out of 104

Read the full thesis Record in the repository

Its library's thesaurus