Modelos de clasificación para reconocer patrones de deserción en estudiantes universitarios

• Joshua Zárate-Valderrama ^[1] ; Norka Bedregal-Alpaca ^[1] ; Víctor Cornejo-Aparicio ^[1]
  1. [1] Universidad Nacional de San Agustín de Arequipa (Perú)
• Localización: Ingeniare: Revista Chilena de Ingeniería, ISSN-e 0718-3305, ISSN 0718-3291, Vol. 29, Nº. 1, 2021, págs. 168-177
• Idioma: español
• Títulos paralelos:
  • Classification models to recognize patterns of desertion in university students
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    La deserción universitaria es un problema relacionado con el estudiante, como responsable directo, y con la institución universitaria, conocer las posibilidades de deserción es relevante para la institución. En este trabajo se propone utilizar modelos de clasificación para encontrar patrones y predecir posibles casos de deserción en estudiantes universitarios.

    Se ha implementado una aplicación que utiliza información proporcionada por la universidad y que genera modelos de clasificación a partir de diferentes algoritmos (redes neuronales, ID3, C4.5), y utiliza los atributos más significativos dentro de la información disponible. Se comparó el rendimiento de estos modelos para definir aquel que aportaba mejores resultados y que servirá para realizar la clasificación de los estudiantes.

    Los resultados muestran que el algoritmo de C4.5 presentó mejoras medidas de rendimiento con respecto a la red neuronal y al ID3 y que la relación de créditos aprobados por un estudiante con respecto a los créditos que debería haber llevado es la variable más significativa en la construcción del modelo, seguida por las calificaciones, mientras que, la modalidad de examen de admisión mediante la cual el estudiante ingresó a la universidad no resultó ser significativa, pues no aparece en el árbol de decisión generado.

  • English

    University dropout is a problem related to the student, as a direct responsible, and with the university institution, knowing the possibilities of attrition is relevant for the institution. In this paper, it is proposed to use classification models to find patterns and predict possible dropouts in university students. An application has been implemented that uses information provided by the university and that generates classification models from different algorithms (neural networks, 1D3, C4.5), and uses the most significant attributes within the available information. The performance of these models was compared to define the one that provided the best results and that will be used to classify the students. The results show that the algorithm of C4.5 presented improvements in performance with respect to the neural network and the ID3 and that the relation of credits approved by a student related to the credits that he should have taken is the most significant variable in the construction of the model, followed by the qualifications, while the modality of the admission exam through which the student entered the university did not turn out to be significant, since it does not appear in the generated decision tree.