Especialización en Analítica y Ciencia de Datos · 2026
Predicción de fidelidad vocacional en pregrado mediante variables sociodemográficas y de admisión en la Universidad de Antioquia
Solo ficha. El repositorio marca este trabajo como «Acceso abierto»: el PDF no es público, así que aquí no hay texto para leer. Ver la ficha en el repositorio.
Resumen
La inadecuación vocacional es un fenómeno subestimado en la educación superior colombiana: muchos estudiantes admitidos no terminan el programa en el que ingresaron, ya sea por deserción o por cambio de carrera. Este trabajo desarrolla un modelo predictivo de fidelidad vocacional, definida como graduarse en el mismo programa de admisión, usando únicamente información disponible al momento del ingreso, sin depender de resultados de pruebas estandarizadas. A partir de registros históricos de la Universidad de Antioquia para cohortes entre 2007 y 2019, se construyó una base de datos de más de 120.000 estudiantes. El análisis inicial reveló que apenas uno de cada tres admitidos se gradúa del mismo programa, lo que refleja un marcado desequilibrio entre clases y representa el principal reto metodológico del proyecto. Se exploraron y compararon ocho algoritmos de aprendizaje automático, entre ellos Regresión Logística, Random Forest, XGBoost y redes neuronales (MLP), evaluando además distintas estrategias para compensar el desbalance de datos. Las variables más informativas resultaron ser el programa académico, el estado civil y la modalidad de estudio. El modelo con mejor desempeño fue XGBoost, que con un AUC de 0.784 y un F1 de 0.6151, superó el umbral de éxito definido al inicio del proyecto y demostró que es técnicamente viable anticipar la permanencia vocacional con los datos disponibles en admisiones. Los resultados abren la puerta a sistemas de orientación vocacional preventiva que permitan intervenir oportunamente, antes de que el estudiante abandone o cambie de programa, con beneficios tanto individuales como institucionales.