Artículos Cientificos
Analítica de datos aplicada al estudio de deserción estudiantil en la Universidad Pedagógica y Tecnológica de Colombia - UPTC
Publicado 2020-09-30
Palabras clave
- Análisis social,
- anotación semántica,
- API,
- indexación de información
Cómo citar
Suarez-Barón, M., Tinjaca Cristancho, C. ., & González-Sanabria, J. (2020). Analítica de datos aplicada al estudio de deserción estudiantil en la Universidad Pedagógica y Tecnológica de Colombia - UPTC. Aglala, 11(S-1), 284–301. Recuperado a partir de https://revistas.uninunez.edu.co/index.php/aglala/article/view/1791
Resumen
Este trabajo presenta la aplicación de técnicas de ciencia de datos orientada a la predicción de patrones de deserción estudiantil cuyo caso de estudio corresponde a información estructurada en la UPTC seccional-Duitama. En la aplicación de la ciencia de datos se aplicaró algoritmos especializados para el desarrollo de modelos de predicción y se hace uso del análisis de datos. Adicionalmente, se estructuró un conjunto de datos cuyo contenido ha sido preparado para ser entrenado. El resultado final de la investigación presenta un modelo predictivo obtenido por medio de técnicas de ciencia de datos y que fue validado por varias métricas de calidad que evidencian la calidad del modelo final obtenido.
Descargas
Los datos de descargas todavía no están disponibles.
Citas
Ahuja, R., & Kankane, Y. (2018). Predicting the probability of student's degree completion by using different data mining techniques. Paper presented at the 2017 4th International Conference on Image Information Processing, ICIIP 2017, 2018-January 474-477. doi:10.1109/ICIIP.2017.8313763.
Barberá, M. (2017). Análisis de los factores asociados a la elección de estudios universitarios utilizando técnicas de agrupamiento. Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors.
Bedregal-Alpaca, N., Cornejo-Aparicio, V., Zárate-Valderrama, J., & Yanque-Churo, P. (2020). Classification Models for Determining Types of Academic Risk and Predicting Dropout in University Students. Journal of Advanced Computer Science and Applications (IJACSA), 11(1).
Boehmke, B., & Greenwell, B. M. (2019). Hands-on machine learning with R. CRC Press.
Castrillón-Gómez, O., Sarache, W., & Ruiz-Herrera, S. (2020). Predicción de las principales variables que conllevan al abandono estudiantil por medio de técnicas de minería de datos. Formación universitaria, 13(6), 217-228. https://dx.doi.org/10.4067/S0718-50062020000600217.
Carvajal, C. M., González, J. A., & Sarzoza, S. J. (2018). Variables sociodemográficas y académicas explicativas de la deserción de estudiantes en la Facultad de Ciencias Naturales de la Universidad de Playa Ancha (Chile). Formación universitaria, 11(2), 3-12.
Ferreyra, M. M., Álvarez, J., Paz Haimovich, F., & Urzúa, S. (2017). Momento decisivo: la educación superior en América Latina y el Caribe.
Gómez, J. G. L. (2018). Comparación en el porcentaje de deserción entre alumnos de preparatorias públicas y privadas que ingresaron en el ciclo escolar 2015-2016 a la UASLP. Revista educativa, 4(11), 1-14.
Guerrero, S. C. (2016). Estimación y estrategias sobre el abandono en la educación superior en la Universidad Pedagógica y Tecnológica de Colombia. Congresos CLABES.
Hernandez Gonzalez, A. G., Melendez Armenta, R. A., Morales Rosales, L. A., Garcia Barrientos, A., Tecpanecatl Xihuitl, J. L., & Algredo, I. (2016). Comparative study of algorithms to predict the desertion in the students at the ITSM-Mexico. IEEE Latin America Transactions, 14(11), 4573-4578. doi:10.1109/TLA.2016.7795831.
Higuera Martínez, O. I. (2017). Deserción estudiantil en Colombia y los programas de Ingeniería de la UPTC Seccional Sogamoso. Revista Ingeniería Investigación y Desarrollo; Vol. 17, núm 1 (2017).
Himmel, E. (2018). Modelo de análisis de la deserción estudiantil en la educación superior. Calidad en la Educación, (17), 91-108. doi: https://doi.org/10.31619/caledu.n17.409
Isaza, L. G., Lubert, C. D., & Montoya, D. M. (2016). Caracterización de la deserción estudiantil en la universidad de caldas el período 2009-2013. análisis a partir del sistema para la prevención de la deserción de la educación superior –spadies. Latinoamérica de Estudios, pp. 132-158.
Lacave, C., Molina, A. I., & Cruz-Lemus, J. A. (2018). Learning analytics to identify dropout factors of computer science studies through bayesian networks. Behaviour and Information Technology, 37(10-11), 993-1007. doi:10.1080/0144929X.2018.1485053.
Lee, L. E., Martínez, S. I., Rocha, J. A. C., Villanueva, J. D. T., Menchaca, J. L., Berrones, M. G. T., & Rocha, E. C. (2020). Evaluation of Prediction Algorithms in the Student Dropout Problem. Journal of Computer and Communications, 8(03), 20.
López Cerón, A. N., & Tulcán Cuasapud, J. V. (2018). Factores que inciden en la tasa de deserción y repitencia de la carrera de nutrición y salud comunitaria de la Universidad Técnica del Norte en el periodo 2009-2017.
Lu, O. H. T., Huang, A. Y. Q., & Yang, S. J. H. (2018). Benchmarking and tuning regression algorithms on predicting students’academic performance. Paper presented at the ICCE 2018 - 26th International Conference on Computers in Education, Workshop Proceedings, 477-486.
Martínez, J. C., & Mateus, S. P. (2020). Propuesta de un Modelo Predictivo utilizando Aprendizaje Profundo para el análisis de deserción estudiantil en Universidades Colombianas Virtuales. Revista Innovación Digital y Desarrollo Sostenible-IDS, 1(1), 51-57.
Mubarak, A. A., Cao, H., & Zhang, W. (2020). Prediction of students’ early dropout based on their interaction logs in online learning environment. Interactive Learning Environments, 1-20.
Núñez-Naranjo, A. F., Ayala-Chauvin, M., & Riba-Sanmartí, G. (2021). Prediction of University Dropout Using Machine Learning. In International Conference on Information Technology & Systems (pp. 396-406). Springer, Cham
Olaya, D., Vásquez, J., Maldonado, S. (2020). Uplift Modeling for preventing student dropout in higher education. Decision Support Systems, 134, 113320.
Pérez, A., Grandón, E. E., Caniupán, M., & Vargas, G. (2018). Comparative analysis of prediction techniques to determine student dropout: Logistic regression vs decision trees. Paper presented at the Proceedings - International Conference of the Chilean Computer Science Society, SCCC, 2018-November doi:10.1109/SCCC.2018.8705262
Pérez, M. A., Ramos, M. B., & Mejía, C. S. (2018). Estudio sobre la deserción estudiantil universitaria y sus implicaciones académicas, económicas y sociales. Bolentín de Coyuntura, (19), 9-13.
Quiñones, L., Jara, D. M., Carrasco, N. A., Pino, M. M., & Gamarra, O. (2020). Modelo para la estimación de la deserción estudiantil Awajún y Wampis empleando minería de datos. Revista de Ciencia y Tecnología: RECyT, 34(1), 45-50.
Timaran Pereira, R., & Caicedo Zambrano, J. (2017). Application of decision trees for detection of student dropout profiles. Paper presented at the Proceedings - 16th IEEE International Conference on Machine Learning and Applications, ICMLA 2017, 2017-December 528-531. doi:10.1109/ICMLA.2017.0-107.
Barberá, M. (2017). Análisis de los factores asociados a la elección de estudios universitarios utilizando técnicas de agrupamiento. Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors.
Bedregal-Alpaca, N., Cornejo-Aparicio, V., Zárate-Valderrama, J., & Yanque-Churo, P. (2020). Classification Models for Determining Types of Academic Risk and Predicting Dropout in University Students. Journal of Advanced Computer Science and Applications (IJACSA), 11(1).
Boehmke, B., & Greenwell, B. M. (2019). Hands-on machine learning with R. CRC Press.
Castrillón-Gómez, O., Sarache, W., & Ruiz-Herrera, S. (2020). Predicción de las principales variables que conllevan al abandono estudiantil por medio de técnicas de minería de datos. Formación universitaria, 13(6), 217-228. https://dx.doi.org/10.4067/S0718-50062020000600217.
Carvajal, C. M., González, J. A., & Sarzoza, S. J. (2018). Variables sociodemográficas y académicas explicativas de la deserción de estudiantes en la Facultad de Ciencias Naturales de la Universidad de Playa Ancha (Chile). Formación universitaria, 11(2), 3-12.
Ferreyra, M. M., Álvarez, J., Paz Haimovich, F., & Urzúa, S. (2017). Momento decisivo: la educación superior en América Latina y el Caribe.
Gómez, J. G. L. (2018). Comparación en el porcentaje de deserción entre alumnos de preparatorias públicas y privadas que ingresaron en el ciclo escolar 2015-2016 a la UASLP. Revista educativa, 4(11), 1-14.
Guerrero, S. C. (2016). Estimación y estrategias sobre el abandono en la educación superior en la Universidad Pedagógica y Tecnológica de Colombia. Congresos CLABES.
Hernandez Gonzalez, A. G., Melendez Armenta, R. A., Morales Rosales, L. A., Garcia Barrientos, A., Tecpanecatl Xihuitl, J. L., & Algredo, I. (2016). Comparative study of algorithms to predict the desertion in the students at the ITSM-Mexico. IEEE Latin America Transactions, 14(11), 4573-4578. doi:10.1109/TLA.2016.7795831.
Higuera Martínez, O. I. (2017). Deserción estudiantil en Colombia y los programas de Ingeniería de la UPTC Seccional Sogamoso. Revista Ingeniería Investigación y Desarrollo; Vol. 17, núm 1 (2017).
Himmel, E. (2018). Modelo de análisis de la deserción estudiantil en la educación superior. Calidad en la Educación, (17), 91-108. doi: https://doi.org/10.31619/caledu.n17.409
Isaza, L. G., Lubert, C. D., & Montoya, D. M. (2016). Caracterización de la deserción estudiantil en la universidad de caldas el período 2009-2013. análisis a partir del sistema para la prevención de la deserción de la educación superior –spadies. Latinoamérica de Estudios, pp. 132-158.
Lacave, C., Molina, A. I., & Cruz-Lemus, J. A. (2018). Learning analytics to identify dropout factors of computer science studies through bayesian networks. Behaviour and Information Technology, 37(10-11), 993-1007. doi:10.1080/0144929X.2018.1485053.
Lee, L. E., Martínez, S. I., Rocha, J. A. C., Villanueva, J. D. T., Menchaca, J. L., Berrones, M. G. T., & Rocha, E. C. (2020). Evaluation of Prediction Algorithms in the Student Dropout Problem. Journal of Computer and Communications, 8(03), 20.
López Cerón, A. N., & Tulcán Cuasapud, J. V. (2018). Factores que inciden en la tasa de deserción y repitencia de la carrera de nutrición y salud comunitaria de la Universidad Técnica del Norte en el periodo 2009-2017.
Lu, O. H. T., Huang, A. Y. Q., & Yang, S. J. H. (2018). Benchmarking and tuning regression algorithms on predicting students’academic performance. Paper presented at the ICCE 2018 - 26th International Conference on Computers in Education, Workshop Proceedings, 477-486.
Martínez, J. C., & Mateus, S. P. (2020). Propuesta de un Modelo Predictivo utilizando Aprendizaje Profundo para el análisis de deserción estudiantil en Universidades Colombianas Virtuales. Revista Innovación Digital y Desarrollo Sostenible-IDS, 1(1), 51-57.
Mubarak, A. A., Cao, H., & Zhang, W. (2020). Prediction of students’ early dropout based on their interaction logs in online learning environment. Interactive Learning Environments, 1-20.
Núñez-Naranjo, A. F., Ayala-Chauvin, M., & Riba-Sanmartí, G. (2021). Prediction of University Dropout Using Machine Learning. In International Conference on Information Technology & Systems (pp. 396-406). Springer, Cham
Olaya, D., Vásquez, J., Maldonado, S. (2020). Uplift Modeling for preventing student dropout in higher education. Decision Support Systems, 134, 113320.
Pérez, A., Grandón, E. E., Caniupán, M., & Vargas, G. (2018). Comparative analysis of prediction techniques to determine student dropout: Logistic regression vs decision trees. Paper presented at the Proceedings - International Conference of the Chilean Computer Science Society, SCCC, 2018-November doi:10.1109/SCCC.2018.8705262
Pérez, M. A., Ramos, M. B., & Mejía, C. S. (2018). Estudio sobre la deserción estudiantil universitaria y sus implicaciones académicas, económicas y sociales. Bolentín de Coyuntura, (19), 9-13.
Quiñones, L., Jara, D. M., Carrasco, N. A., Pino, M. M., & Gamarra, O. (2020). Modelo para la estimación de la deserción estudiantil Awajún y Wampis empleando minería de datos. Revista de Ciencia y Tecnología: RECyT, 34(1), 45-50.
Timaran Pereira, R., & Caicedo Zambrano, J. (2017). Application of decision trees for detection of student dropout profiles. Paper presented at the Proceedings - 16th IEEE International Conference on Machine Learning and Applications, ICMLA 2017, 2017-December 528-531. doi:10.1109/ICMLA.2017.0-107.