Modelo de aprendizaje automático para la predicción del riesgo de deserción en estudiantes de la Universidad Técnica de Manabí

Abstract

La deserción estudiantil es un problema que se presenta en cada institución de educación superior, por lo cual en este trabajo de investigación se propone la aplicación de métodos y algoritmos de aprendizaje automático que permitieron la elaboración de un modelo capaz de realizar la estimación del riesgo de deserción en estudiantes de la Universidad Técnica de Manabí. Con este objetivo se realizó el proceso de minería de datos a la información demográfica y académica de los estudiantes, contenida en el Sistema de Gestión Académica de la institución. Con la metodología CRISP DM se detallaron fases y procesos, tomando como muestra una carrera de cada una de las facultades durante el periodo académico (mayo 2014/febrero 2019). Luego se definió el criterio de inclusión para verificar la regularidad de los estudiantes y comprobar a través del coeficiente de correlación de Pearson la relación entre los estudiantes desertores y los no regulares, como estimador del riesgo de deserción. A través del proceso realizado se obtuvieron tres escenarios y se ejecutaron los algoritmos de regresión logística, KNN, redes neuronales, máquinas de vector de soporte y el algoritmo random forest que generó los resultados esperados y una mejor predicción sobre la deserción estudiantil. Por lo cual el mejor escenario fue durante los niveles 2,3 y 4 con un margen de error de 0.05 valorado por las métricas de evaluación y existiendo una alta correlación en cada una de ellas, en el área bajo la curva de 0.95 y un Puntaje F1 de 0.95.