Aplicación de la técnica de minería de datos para la predicción de la deserción estudiantil universitaria

Abstract

Dado que la deserción es un fenómeno que afecta a estudiantes en la mayoría de instituciones educativas, se hace necesario aplicar nuevas estrategias de predicción de deserción, ante dicha necesidad, este estudio propone el uso de la minería de datos, ya que es una técnica que cada día adquiere mayor importancia en la predicción en variados ámbitos de la sociedad, mas en el ámbito educativo aún no se ha explorado, los beneficios que se podrían obtener de aplicar esta técnica, con el fin de predecir y evitar en lo posible la deserción estudiantil. Para la creación del modelo, se utiliza la metodología Knowledge Discovery in Databases (KDD) que consta de cinco etapas, en las cuales el primer paso es el análisis de los datos, se adecua los mismos y se les da el formato adecuado, mediante el uso del programa R y la función Loggit (función matemática de regresión logística), se aplica los procesos necesarios para la creación de un modelo de regresión logística y se hace las pruebas necesarias para verificar el correcto funcionamiento del modelo, encontrando a las variables relacionadas con las calificaciones de los niveles segundo, cuarto y quinto como las más influyentes del modelo. El estudio se enfoca en la línea de investigación de ciencias e ingeniería, por lo que puede tomarse como contribución para futuras investigaciones en el mismo campo, dada su relevancia por permitir la predicción y prevención de abandono estudiantil y por la implementación de nuevas técnicas en este proceso, lo que lo convierte en novedoso.