El aprendizaje automático en entornos educativos universitarios: Caso deserción académica
DOI:
https://doi.org/10.15665/rp.v20i1.2736Palabras clave:
Aprendizaje automático; Predicción; Entornos universitarios; Prototipo; Deserción universitaria.Resumen
Uno de los principales problemas que enfrenta el sistema de educación superior en distintos países se relaciona con los altos niveles de deserción académica al cursar una carrera de pregrado. El número de alumnos que logra culminar sus estudios superiores no es alto, evidenciando que una gran parte de éstos abandona sus estudios principalmente en los primeros semestres. Las nuevas tecnologías como el aprendizaje automático han permitido la creación de aplicaciones de software que ayudan a la comprensión y solución de muchos problemas actuales. En el campo de la educación, estas tecnologías se han aplicado en los procesos administrativos y académicos durante mucho tiempo.
Este artículo presenta el diseño de un modelo que permite predecir si un estudiante desertará o no. Para la validación del modelo se construyó un prototipo y se realizaron varios experimentos con datos reales de una institución educativa. Los resultados obtenidos son prometedores y sientan las bases para futuras investigaciones en este campo.
Citas
C. Henríquez, F. Briceño, and D. Salcedo, “Unsupervised Model for Aspect-Based Sentiment Analysis in Spanish,” IAENG Int. J. Comput. Sci., no. 3, pp. 430–438, 2019.
C. Henríquez and J. Guzmán, “Las ontologías para la detección automática de aspectos en el análisis de sentimientos,” Rev. Prospect., vol. 14, no. 2, pp. 90–98, 2016.
M. I. Jordan and T. M. Mitchell, “Machine learning: Trends, perspectives, and prospects,” Science (80-. )., vol. 349, no. 6245, pp. 255–260, 2015.
L. Paura and I. Arhipova, “Cause analysis of students’ dropout rate in higher education study program,” Procedia-Social Behav. Sci., vol. 109, pp. 1282–1286, 2014.
S. B. Kotsiantis, “Use of machine learning techniques for educational proposes: a decision support system for forecasting students’ grades,” Artif. Intell. Rev., vol. 37, no. 4, pp. 331–344, 2012.
Banco Mundial, “Graduarse: solo la mitad lo logra en América Latina,” https://www.bancomundial.org/es/news/feature/2017/05/17/graduating-only-half-of-latin-american-students-manage-to-do-so, 2017. .
Ministerio Educación, “Estrategias para la Permanencia en Educación Superior: Experiencias Significativas,” https://www.mineducacion.gov.co/1759/articles-356276_recurso.pdf, 2015. .
D. Yang, D. Adamson, T. Sinha, and C. P. Rose, “‘Turn on, Tune in, Drop out’: Anticipating Student Dropouts in Massive Open Online Courses Investigating Individual Learner Behavior in Educational Technologies View project Investigating the Impact of Social and Interpersonal Factors on Learning View project ‘Turn on, Tune in, Drop out’: Anticipating student dropouts in Massive Open Online Courses,” 2013.
K. B. Eckert and R. Suénaga, “Análisis de deserción-permanencia de estudiantes universitarios utilizando técnica de clasificación en miner’ia de datos,” Form. Univ., vol. 8, no. 5, pp. 3–12, 2015.
M. Tan and P. Shao, “Prediction of student dropout in e-Learning program through the use of machine learning method.,” Int. J. Emerg. Technol. Learn., vol. 10, no. 1, 2015.
K. Coussement, M. Phan, A. De Caigny, D. F. Benoit, and A. Raes, “Predicting student dropout in subscription-based online learning environments: The beneficial impact of the logit leaf model,” Decis. Support Syst., vol. 135, p. 113325, 2020.
B. Cuji, W. Gavilanes, and R. SANCHEZ, “Modelo predictivo de deserción estudiantil basado en arboles de decisión,” Espacios, vol. 38, no. 55, p. 17, 2017.
M. Barramuño, C. Meza-Narváez, and G. Gálvez-Garc’ia, “Prediction of student attrition risk using machine learning,” J. Appl. Res. High. Educ., 2021.
M. Sol’is, T. Moreira, R. Gonzalez, T. Fernandez, and M. Hernandez, “Perspectives to predict dropout in university students with machine learning,” in 2018 IEEE International Work Conference on Bioinspired Intelligence (IWOBI), 2018, pp. 1–6.
P. E. Ram’irez and E. E. Grandón, “Predicción de la Deserción Académica en una Universidad Pública Chilena a través de la Clasificación basada en Árboles de Decisión con Parámetros Optimizados,” Form. Univ., vol. 11, no. 3, pp. 3–10, 2018.
A. Mujumdar and V. Vaidehi, “Diabetes prediction using machine learning algorithms,” Procedia Comput. Sci., vol. 165, pp. 292–299, 2019.
NumFOCUS sponsored project., “Pandas,” 2021. [Online]. Available: https://pandas.pydata.org/. [Accessed: 02-Sep-2021].
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2022 Carlos Henriquez Miranda, Dixon Salcedo, German Sanchez Torres
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as ceden los derechos de autor y dan a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
Instrucciones para el llenado de la Certificación de Originalidad y la Cesión de Derechos de Autor.
- Haga click aquí y baje el formulario de Certificación de Originalidad y la Cesión de Derechos de Autor.
- En cada uno de los campos para rellenar haga click y complete lo correspondiente.
- Una vez llenos los campos, copie al final su firma escaneada o firma digital. Favor ajustar el tamaño de la firma en el formulario.
- Finalmente, lo puede guardar como pdf y enviarlo a través de la palataforma OJS, como archivo complementario.
Si tiene dudas contáctenos, por favor.
