Machine learning para la identificación de estudiantes en riesgo de deserción académica

La tasa de deserción de la educación superior en América Latina oscila entre el 40% y el 75%. Existen diversas razones por las que un estudiante decide abandonar sus estudios; sin embargo, la importancia de identificar el nivel de riesgo de la deserción se refleja en el impacto socioeconómico tanto en la institución, como en el país. Los avances informáticos en el campo de la gestión de bases de datos e inteligencia artificial han propiciado el desarrollo de técnicas como el machine learning, que soporta la toma de decisiones frente a un problema y las modifica cuando las condiciones lo requieran. El siguiente artículo, presenta un caso de estudio de la Identificación de estudiantes de ingeniería industrial en riesgo de deserción académica de la Universidad Distrital Francisco José de Caldas durante los periodos 2003-1 al 2018-1; mediante la selección del algoritmo que mejor se adapte a la naturaleza de los datos, a través de la comparación de algoritmos de aprendizaje automático en el software azure machine learning studio.

• Autores: Forero Zea, Leidy Daniela; Piñeros Reina, Yudy Fernanda
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2019
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/15890
• Acceso en línea: http://hdl.handle.net/11349/15890
• Palabra clave: Deserción académica; Algoritmo; Inteligencia artificial; Aprendizaje automático; Ingeniería Industrial - Tesis y disertaciones académicas; Aprendizaje automático (Inteligencia artificial); Deserción universitaria; Inteligencia artificial; Academic desertion; Algorithm; Artificial intelligence; Machine learning
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional