Modelo Predictivo basado en Aprendizaje Automático para la retención Estudiantil en Educación Superior

Resumen

Introducción: Tradicionalmente, se ha considerado el rendimiento académico la garantía para no abandonar los estudios. En los últimos años, se ha masificado el uso de métodos de análisis de datos a partir de diferentes indicadores y variables que la educación maneja para medir los niveles de abandono. Metodología: Sin embargo, la analítica del aprendizaje es menos conocida, pero más útil, integral y se centra en los estudiantes, convirtiéndola en una herramienta más eficaz. Resultados: Los datos conseguidos permiten una visión más precisa de cómo se comporta el modelo a diferentes umbrales, mostrando su capacidad para diferenciar entre los estudiantes que desertan y los que continúan. Discusión: A través de este trabajo se brinda a las instituciones una comprensión más profunda de los estudiantes, permitiéndoles identificar dificultades de manera precoz y aportando apoyo personalizado. Conclusiones: Por lo anterior, la analítica del aprendizaje permite la identificación temprana de estudiantes en riesgos con la personalización del aprendizaje, aplicado a través de dashboards e informes, con métodos específicos tales como, la regresión logística y redes neuronales, análisis de redes sociales, evaluación de sentimiento y análisis de secuencias, personalizando el monitoreo en tiempo real, proporcionando intervenciones efectivas y adaptables a las necesidades de los estudiantes.