El aprendizaje automático en la educación superior como herramienta para optimizar los índices de deserción y detectar los factores que la ocasionan
- Autores:
-
Ruiz Martínez, William
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2025
- Institución:
- Universidad de Cundinamarca
- Repositorio:
- Repositorio UdeC
- Idioma:
- OAI Identifier:
- oai:repositorio.cun.edu.co:cun/10844
- Acceso en línea:
- https://repositorio.cun.edu.co/handle/cun/10844
https://doi.org/10.52143/2346139X.808
- Palabra clave:
- datos
inteligencia
negocios
modelos predictivos
- Rights
- openAccess
- License
- #ashtag - 2020
| id |
RUCUN2_5b5d83e95afcf6780d0db96389e98850 |
|---|---|
| oai_identifier_str |
oai:repositorio.cun.edu.co:cun/10844 |
| network_acronym_str |
RUCUN2 |
| network_name_str |
Repositorio UdeC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
El aprendizaje automático en la educación superior como herramienta para optimizar los índices de deserción y detectar los factores que la ocasionan |
| title |
El aprendizaje automático en la educación superior como herramienta para optimizar los índices de deserción y detectar los factores que la ocasionan |
| spellingShingle |
El aprendizaje automático en la educación superior como herramienta para optimizar los índices de deserción y detectar los factores que la ocasionan datos inteligencia negocios modelos predictivos |
| title_short |
El aprendizaje automático en la educación superior como herramienta para optimizar los índices de deserción y detectar los factores que la ocasionan |
| title_full |
El aprendizaje automático en la educación superior como herramienta para optimizar los índices de deserción y detectar los factores que la ocasionan |
| title_fullStr |
El aprendizaje automático en la educación superior como herramienta para optimizar los índices de deserción y detectar los factores que la ocasionan |
| title_full_unstemmed |
El aprendizaje automático en la educación superior como herramienta para optimizar los índices de deserción y detectar los factores que la ocasionan |
| title_sort |
El aprendizaje automático en la educación superior como herramienta para optimizar los índices de deserción y detectar los factores que la ocasionan |
| dc.creator.fl_str_mv |
Ruiz Martínez, William |
| dc.contributor.author.spa.fl_str_mv |
Ruiz Martínez, William |
| dc.subject.none.fl_str_mv |
datos inteligencia negocios modelos predictivos |
| topic |
datos inteligencia negocios modelos predictivos |
| publishDate |
2025 |
| dc.date.issued.none.fl_str_mv |
%0-%06-%26 |
| dc.date.accessioned.none.fl_str_mv |
2020-06-26 00:00:00 2025-11-05T14:58:51Z |
| dc.date.available.none.fl_str_mv |
2020-06-26 00:00:00 |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.local.eng.fl_str_mv |
Journal article |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.cun.edu.co/handle/cun/10844 |
| dc.identifier.doi.none.fl_str_mv |
10.52143/2346139X.808 |
| dc.identifier.eissn.none.fl_str_mv |
2346-139X |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.52143/2346139X.808 |
| url |
https://repositorio.cun.edu.co/handle/cun/10844 https://doi.org/10.52143/2346139X.808 |
| identifier_str_mv |
10.52143/2346139X.808 2346-139X |
| dc.language.iso.none.fl_str_mv |
|
| language_invalid_str_mv |
|
| dc.relation.bitstream.none.fl_str_mv |
https://revistas.cun.edu.co/index.php/hashtag/article/download/808/567 |
| dc.relation.citationedition.spa.fl_str_mv |
Núm. 16 , Año 2020 : Revista Hashtag 2020A |
| dc.relation.citationendpage.none.fl_str_mv |
16 |
| dc.relation.citationissue.spa.fl_str_mv |
16 |
| dc.relation.citationstartpage.none.fl_str_mv |
8 |
| dc.relation.citationvolume.spa.fl_str_mv |
1 |
| dc.relation.ispartofjournal.spa.fl_str_mv |
#ashtag |
| dc.relation.references.none.fl_str_mv |
Delen, D. (2010). A comparative analysis of machine learning techniques for student retention management. Decision Support Systems 49(4), 498–506. doi:10.1016/j. dss.2010.06.003 Felizzola, H., Jaime, A., Pedroza, F., y Castillo, A. (2018). Modelo de predicción para la deserción temprana en la facultad de Ingeniería de la Universidad de la Salle. En C. Lozano (Presidencia), Gestión, calidad y desarrollo en las facultades de ingeniería. Conferencia llevada a cabo en el congreso Encuentro Internacional de Educación Superior ACOFI (págs. 21-29). Cartagena de Indias, Colombia. Fischer, E. (2012). Modelo para la automatización del proceso de determinación de riesgo de deserción en estudiantes universitarios (Tesis de maestría). Universidad de Chile, Santiago de Chile, Chile. Formia, S., Lanzarini, L. C., & Hasperue, W. (2013). Caracterización de la deserción universitaria en la UNRN utilizando minería de datos. Revista Iberoamericana de Tecnología En Educación y Educación En Tecnología, 11, 92-98. Guadalupe, A., Dorantes, A., y Can Valle, A.R. (2019). Factors that influence in school dropout in higher education students from a perspective. International journal of Advanced Research, 7(12), 23-29.doi: 10.21474/IJAR01/10119 Heredia, D., Amaya, Y., y Barrientos, E. (2015). Student Dropout Predictive Model Using Data Mining Techniques. IEEE Latin America Transactions, 13(9), 3127-3134. Ji-Wu, J., y Mareboyana, M. (2013). Machine Learning Algorithms and Predictive Models for Undergraduate Student Retention. Proceedings of the World Congress on Engineering and Computer Science. Conferencia llevada a cabo en el World congress on Engineering & Computer science 2013. San Francisco, Eu. Ministerio de Educación Nacional de Colombia. (2009). Deserción estudiantil en la educación superior colombiana. Recuperado de https://www.mineducacion.gov.co/sistemasdeinformacion/ 1735/articles-254702_libro_desercion.pdf Ministerio de Educación Nacional. (2016). Reporte sobre deserción y graduación en educación superior año 2016. Recuperado de https://bit.ly/3HbqVm9 Russo, C.C., Ramón, H.D., Alonso, N., Cicerchia, B., Esnaola, L., y Tessore, J. P. (2016). Tratamiento masivo de datos utilizando técnicas de machine learning En XVIII Workshop de Investigadores en Ciencias de la Computación; WICC 2016 (pp. 131-134). Entre- Rios, Argentina: Facultad de Ciencias de la Administración. Semana. (2018, abril, 11). ¿Cómo puede Colombia reducir la deserción universitaria?. Semana. Recuperado de https://bit.ly/3oU1wXs Telefónica educación digital. (14 de 03 de 2019). MiriadaX. Recuperado de: https://www. telefonica.com/es/sala-comunicacion/blog/educacion-y-competencias-para- la-era-digital-la-necesidad-de-mejorar-nuestras-habilidades-y-volver-a-capacitarnos/ Tinto, V. (1982). Limits of Theory and Practice in Student Attrition. The Journal of Higher Education, 53(6), 687-700. Zhang, Y., Oussena, S., Clark, T., y Hyeonsook, K. (2010). Using data mining to improve student retention in higher education. En J. Cordeiro (Presidencia). Ponencia realizada en International Conference on Enterprise Information Systems ICEIS. Lisboa |
| dc.rights.none.fl_str_mv |
#ashtag - 2020 |
| dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
#ashtag - 2020 https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Fondo Editorial CUN |
| dc.source.none.fl_str_mv |
https://revistas.cun.edu.co/index.php/hashtag/article/view/808 |
| institution |
Universidad de Cundinamarca |
| bitstream.url.fl_str_mv |
https://repositorio.cun.edu.co/bitstreams/3b803860-7fb1-435b-98fa-25035f24ef7c/download |
| bitstream.checksum.fl_str_mv |
4fcf61d7d31e6ebe38befcd67341f8d8 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio Digital Corporación Unificada Nacional de Educación Superior |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1849967480136531968 |
| spelling |
Ruiz Martínez, William2020-06-26 00:00:002025-11-05T14:58:51Z2020-06-26 00:00:00%0-%06-%26https://repositorio.cun.edu.co/handle/cun/1084410.52143/2346139X.8082346-139Xhttps://doi.org/10.52143/2346139X.808application/pdfFondo Editorial CUN#ashtag - 2020https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2https://revistas.cun.edu.co/index.php/hashtag/article/view/808datosinteligencianegociosmodelos predictivosEl aprendizaje automático en la educación superior como herramienta para optimizar los índices de deserción y detectar los factores que la ocasionanArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/articleJournal articleinfo:eu-repo/semantics/publishedVersionhttps://revistas.cun.edu.co/index.php/hashtag/article/download/808/567Núm. 16 , Año 2020 : Revista Hashtag 2020A161681#ashtagDelen, D. (2010). A comparative analysis of machine learning techniques for student retention management. Decision Support Systems 49(4), 498–506. doi:10.1016/j. dss.2010.06.003 Felizzola, H., Jaime, A., Pedroza, F., y Castillo, A. (2018). Modelo de predicción para la deserción temprana en la facultad de Ingeniería de la Universidad de la Salle. En C. Lozano (Presidencia), Gestión, calidad y desarrollo en las facultades de ingeniería. Conferencia llevada a cabo en el congreso Encuentro Internacional de Educación Superior ACOFI (págs. 21-29). Cartagena de Indias, Colombia. Fischer, E. (2012). Modelo para la automatización del proceso de determinación de riesgo de deserción en estudiantes universitarios (Tesis de maestría). Universidad de Chile, Santiago de Chile, Chile. Formia, S., Lanzarini, L. C., & Hasperue, W. (2013). Caracterización de la deserción universitaria en la UNRN utilizando minería de datos. Revista Iberoamericana de Tecnología En Educación y Educación En Tecnología, 11, 92-98. Guadalupe, A., Dorantes, A., y Can Valle, A.R. (2019). Factors that influence in school dropout in higher education students from a perspective. International journal of Advanced Research, 7(12), 23-29.doi: 10.21474/IJAR01/10119 Heredia, D., Amaya, Y., y Barrientos, E. (2015). Student Dropout Predictive Model Using Data Mining Techniques. IEEE Latin America Transactions, 13(9), 3127-3134. Ji-Wu, J., y Mareboyana, M. (2013). Machine Learning Algorithms and Predictive Models for Undergraduate Student Retention. Proceedings of the World Congress on Engineering and Computer Science. Conferencia llevada a cabo en el World congress on Engineering & Computer science 2013. San Francisco, Eu. Ministerio de Educación Nacional de Colombia. (2009). Deserción estudiantil en la educación superior colombiana. Recuperado de https://www.mineducacion.gov.co/sistemasdeinformacion/ 1735/articles-254702_libro_desercion.pdf Ministerio de Educación Nacional. (2016). Reporte sobre deserción y graduación en educación superior año 2016. Recuperado de https://bit.ly/3HbqVm9 Russo, C.C., Ramón, H.D., Alonso, N., Cicerchia, B., Esnaola, L., y Tessore, J. P. (2016). Tratamiento masivo de datos utilizando técnicas de machine learning En XVIII Workshop de Investigadores en Ciencias de la Computación; WICC 2016 (pp. 131-134). Entre- Rios, Argentina: Facultad de Ciencias de la Administración. Semana. (2018, abril, 11). ¿Cómo puede Colombia reducir la deserción universitaria?. Semana. Recuperado de https://bit.ly/3oU1wXs Telefónica educación digital. (14 de 03 de 2019). MiriadaX. Recuperado de: https://www. telefonica.com/es/sala-comunicacion/blog/educacion-y-competencias-para- la-era-digital-la-necesidad-de-mejorar-nuestras-habilidades-y-volver-a-capacitarnos/ Tinto, V. (1982). Limits of Theory and Practice in Student Attrition. The Journal of Higher Education, 53(6), 687-700. Zhang, Y., Oussena, S., Clark, T., y Hyeonsook, K. (2010). Using data mining to improve student retention in higher education. En J. Cordeiro (Presidencia). Ponencia realizada en International Conference on Enterprise Information Systems ICEIS. LisboaPublicationOREORE.xmltext/xml2633https://repositorio.cun.edu.co/bitstreams/3b803860-7fb1-435b-98fa-25035f24ef7c/download4fcf61d7d31e6ebe38befcd67341f8d8MD51falseAnonymousREADcun/10844oai:repositorio.cun.edu.co:cun/108442025-11-05 09:58:51.823https://creativecommons.org/licenses/by-nc-sa/4.0/#ashtag - 2020metadata.onlyhttps://repositorio.cun.edu.coRepositorio Digital Corporación Unificada Nacional de Educación Superiorbdigital@metabiblioteca.com |