Especialización en Analítica y Ciencia de Datos · 2025
Desarrollo de modelo clasificación para determinar el riesgo de deserción estudiantil de los beneficiarios de pregrado en una entidad que ofrece créditos estudiantiles en Medellín
En Colombia, diversas entidades, tanto públicas como privadas, comprometidas con el fortalecimiento de la educación superior, han incentivado programas de créditos condonables para facilitar el acceso y la permanencia de los estudiantes. En Medellín, una entidad pública que implementa este tipo de apoyos ha buscado fortalecer sus estrategias institucionales para anticipar los casos de deserción estudiantil. Por ello, se creó un modelo de clasificación que utiliza técnicas de aprendizaje automático, con el objetivo de identificar a los beneficiarios activos que puedan ser clasificados como posibles desertores a lo largo de su trayectoria académica en la entidad. Para el desarrollo del modelo, se utilizó un registro histórico por estudiante, abarcando el periodo 2019–2025. A partir de este conjunto de datos, se seleccionaron once variables, elegidas tras realizar análisis descriptivos. Estas variables incluían información académica, transaccional, socioeconómica y sociodemográfica. El proceso metodológico abarcó etapas de limpieza, transformación de datos y la comparación de varios algoritmos de clasificación. En conjunto, el modelo sirvió como herramienta de apoyo al área de permanencia de la entidad, para la toma de decisiones encaminadas a acompañar a los estudiantes que tienen riesgo de desertar del programa.
Texto completo 21 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Introducciónp. 8
- 1.1. Planteamiento del Problemap. 8
- 1.2. Objetivo de estudiop. 10
- 1.3. Metodologíap. 10
- 2. Materiales y métodosp. 10
- 2.1. Descripción del conjunto de datosp. 10
- 2.1.1. Fuente de los datosp. 10
- 2.1.2. Tamaño y estructurap. 11
- 2.1.3. Características principalesp. 11
- 2.2. Procesamiento y limpieza de datosp. 12
- 2.2.1. Identificación de valores nulosp. 12
- 2.2.1. Eliminación de variablesp. 12
- 2.2.3. Transformación de variablesp. 12
- 2.2.4. Condensación de registrosp. 12
- 2.2.5. Análisis descriptivo y selección de característicasp. 13
- 2.3. Métodos de análisis y modeladop. 13
- 2.3.1. Naive Bayesp. 7
- 2.3.2. Random Forestp. 7
- 2.3.3. CatBoost Classifierp. 14
- 2.4 Métricas utilizadas en la evaluación de los modelosp. 15
- 3. Resultados y discusionesp. 16
- 3.1. Comparación de modelosp. 16
- 3.2. Evaluación críticap. 19
- 4. Conclusionesp. 19
- Referenciasp. 21
- detección de deserción estudiantilp. 17
- la clasificación de deserción estudiantilp. 18
- Forest y CatBoostp. 18
- de la deserción estudiantilp. 15
- clasificación de deserción estudiantilp. 16