Modelo basado en técnicas de minería de datos para análisis de factores de deserción estudiantil
Date
2019Authors
Bermúdez García, Susana CarolinaDíaz Sanabria, Jenny Alejandra
Rodríguez Sotelo, Laura Estefanía
Directors
García Díaz, Juan CarlosPublisher
Pontificia Universidad Javeriana
Faculty
Facultad de Ingeniería
Program
Ingeniería Industrial
Obtained title
Ingeniero (a) Industrial
Type
Tesis/Trabajo de grado - Monografía - Pregrado
Share this record
Citación
Metadata
Show full item record
PDF documents
Resumen
La deserción universitaria continúa siendo una problemática que va en ascenso a pesar de los innumerables esfuerzos que han realizado las instituciones de educación superior e incluso el país por disminuirla. La literatura indica que la deserción puede ser causada por múltiples factores y que esta debe ser estudiada desde muchas perspectivas para entenderla realmente. La minería de datos ofrece una gran cantidad de modelos estadísticos que logran detectar patrones y tendencias en bases de datos que no se pueden detectar mediante la exploración tradicional. El propósito de este estudio es apoyar los esfuerzos de la facultad de ingeniería de la Pontificia Universidad Javeriana por medio de un aplicativo que ejecute dos modelos, K prototipos y Boosting en las bases de datos estudiantiles de la facultad de ingeniería. También se diseñó un modelo combinando técnicas con el fin de extraer la mayor cantidad de factores que afecten la deserción y se logró determinar que la combinación de técnicas puede mejorar la precisión de los clasificadores.
Asimismo, se tomaron en consideración varios factores en el análisis de la deserción como lo son información propia del estudiante, las clases que toma, así como información del grado de preparación e os profesores que las dictan y finalmente se descubrió que el rendimiento académico está ligado de manera importante con los docentes e incluso los horarios en que cursan las materias.
Abstract
The rising desertion rates in universities continúes to be an alarming issue despite countless efforts made by the government and institutions. Research indicates that desertion can be an issue caused by múltiple factors and that should be studied by a variety of perspectives to be truly understood. Data mining offers a variety of statistic models that can detect patterns and tendencies that cannot be identified through other more traditional methods. The purpose of this study is to support the efforts made by the engineering faculty of the Pontifical Xaveriana University through a software application that executes two statistic models, K Prototypes and Boosting on the alumni databases. A statistic model combining different techniques that would allow us to extract information and examine the factors that lead to desertion, was also designed. It was found that these combinations of techniques can improve the accuracy of the classification models.
Many factors in the analysis of desertion were considered; some of them were the information from the student database, the classes they took as well as information regarding the professor's academic achievements and finally discovered that the academic performance of a student depends in an important way on the teachers and the schedules with which they take their subjects.
Themes
Ingeniería industrial - Tesis y disertaciones académicasMinería de datos
Deserción universitaria
Google Analytics Statistics
Collections
- Ingeniería Industrial [1112]