Modelo de predicción de deserción: Un estudio de caso de estudiantes de la Universidad Politécnica Estatal del Carchi

Autores/as

DOI:

https://doi.org/10.55204/pcc.v3i2.e34

Palabras clave:

deserción, educación, estudiantes universitarios, regresión logística

Resumen

Introducción: La tasa de abandono estudiantil en las instituciones de educación superior es un problema global que requiere soluciones personalizadas y adaptadas a cada institución. El presente artículo se realiza en la Universidad Politécnica Estatal del Carchi (UPEC) en Ecuador.

Objetivo: Identificar los factores determinantes del abandono universitario mediante un modelo logístico que permita predecir si un estudiante puede abandonar la universidad de manera prematura.

Métodos: Como técnica de modelado estadístico multivariante se utiliza un modelo de regresión logística LR. La muestra de estudiantes corresponde a 3821 registros de matrículas en la UPEC.

Resultados: Los resultados evidencian que el modelo logístico propuesto presenta una precisión del 90%. Además, se identificó una relación inversa entre la deserción estudiantil, el número de miembros en el hogar y el nivel educativo del padre y la madre; por lo que se evidencia la necesidad de instaurar medidas de apoyo y prevención específicas para los estudiantes de hogares con menores niveles educativos y mayores cargas familiares.

Conclusiones: El abandono estudiantil en la UPEC ocurre principalmente durante el primer nivel de carrera, determinando además que los factores relevantes que influyen en la deserción estudiantil en esta universidad son: la edad, el número de miembros en el hogar, el nivel de estudio y el promedio académico. Esta información permitirá a las autoridades universitarias plantear medidas preventivas para mejorar la permanencia y el éxito académico de sus estudiantes.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Álvarez, N. L., Callejas, Z., & Griol, D. (2020). Predicting Computer Engineering Students’ Dropout In Cuban Higher Education With Pre-Enrollment and Early Performance Data. Journal of Technology and Science Education, 10(2), 241–258. https://doi.org/10.3926/jotse.922

Bedregal-Alpaca, N., Tupacyupanqui-Jaén, D., & Cornejo-Aparicio, V. (2020). Análisis del rendimiento académico de los estudiantes de Ingeniería de Sistemas, posibilidades de deserción y propuestas para su retención Analysis of the academic performance of Systems Engineering students, desertion possibilities and proposals for retention. In Revista chilena de ingeniería (Vol. 28, Issue 4). https://doi.org/10.4067/S0718-33052020000400668

Caselli Gismondi, H. E., & Urrelo Huiman, L. V. (2021). Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de Santa. Llamkasun, 2(4), 02–22. https://doi.org/10.47797/llamkasun.v2i4.61

de Oliveira, C. F., Sobral, S. R., Ferreira, M. J., & Moreira, F. (2021). How does learning analytics contribute to prevent students’ dropout in higher education: A systematic literature review. Big Data and Cognitive Computing, 5(4). https://doi.org/10.3390/bdcc5040064

Ferreyra, M., Avitabile, C., Botero Álvarez, J., Haimovich Paz, F., & Urzúa, S. (2017). At a Crossroads Higher Education in Latin America and the Caribbean Human Development. https://doi.org/10.1596/978-1-4648-1014-5

Findiana, R., Yuniarno, E. M., & Endroyono. (2020). Classification of Graduates Student on Entrance Selection Public Higher Education through Report Card Grade Path Using Support Vector Machine Method. 2020 3rd International Conference on Information and Communications Technology, ICOIACT 2020, 7–11. https://doi.org/10.1109/ICOIACT50329.2020.9332072

Hasan, M. N. (2019). A comparison of logistic regression and linear discriminant analysis in predicting of female students attrition from school in Bangladesh. N 2019 4th International Conference on Electrical Information and Communication Technology (EICT), 1–3. https://doi.org/10.1109/EICT48899.2019.9068776

Kittinan, L., Kanda, T., & Tanasin, Y. (2018). Dropout Prediction System to Reduce Discontinue Study Rate of Information Technology Students. 5th International Conference on Business and Industrial Research (ICBIR), 110–114. https://doi.org/10.1109/ICBIR.2018.8391176

Liong, C. Y., & Foo, S. F. (2013). Comparison of linear discriminant analysis and logistic regression for data classification. AIP Conference Proceedings, 1522, 1159–1165. https://doi.org/10.1063/1.4801262

López-Aguilar, D., Álvarez-Pérez, P. R., & Ravelo-González, Y. (2022). Adaptability skills and the intention to drop out in university students. Revista de Investigacion Educativa, 40(1), 237–255. https://doi.org/10.6018/rie.463811

Muzumdar, P., Basyal, G. P., & Vyas, P. (2020). Antecedents of Student Retention: A Predictive Modelling Approach. International Journal of Contemporary Research and Review, 11(11). https://doi.org/10.15520/ijcrr.v11i11.860

Niyogisubizo, J., Liao, L., Nziyumva, E., Murwanashyaka, E., & Nshimyumukiza, P. C. (2022). Predicting student’s dropout in university classes using two-layer ensemble machine learning approach: A novel stacked generalization. Computers and Education: Artificial Intelligence, 3. https://doi.org/10.1016/j.caeai.2022.100066

Nuankaew, P., Nuankaew, W., Phanniphong, K., Fooprateepsiri, R., & Bussaman, S. (2020). Analysis dropout situation of business computer students at University of Phayao. In Advances in Intelligent Systems and Computing: Vol. 1134 AISC. https://doi.org/10.1007/978-3-030-40274-7_42

Pérez, A. M., Escobar, C. R., Toledo, M. R., Gutierrez, L. B., & Reyes, G. M. (2018). Prediction model of first-year student desertion at Universidad Bernardo O’Higgins (UBO). Educacao e Pesquisa, 44. https://doi.org/10.1590/S1678-4634201844172094

Pierella, M. P., Peralta, N. S., & Pozzo, M. I. (2020). The first year of college. Working conditions, admission procedures and academic dropout from the teachers’ perspective. Revista Iberoamericana de Educacion Superior, 11(31), 68–84. https://doi.org/10.22201/iisue.20072872e.2020.31.706

Pohar, M., Blas, M., & Turk, S. (2004). Comparison of logistic regression and linear discriminant analysis. Advances in Methodology and Statistics, 1(1), 143–161. https://doi.org/10.51936/ayrt6204

Poveda Velasco, I. M. (2019). Los factores que influyen sobre la deserción universitaria. Estudio en la UMRPSFXCh-Bolivia, análisis con ecuaciones estructurales. Revista Investigación y Negocios, 12(20), 63–80. http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S2521-27372019000200007&nrm=iso

Quiñones Huatangari, L., Jara, D. M., Alvarado, N., Milla, M. E., & Gamarra, O. A. (2020). Modelo para la estimación de la deserción estudiantil Awajún y Wampis empleando minería de datos. Argentine Journal of Science and Technology, 34(1), 45–60. https://doi.org/10.36995/j.recyt.2020.34.006

Ramírez, T., Díaz, R. B., & Salcedo, A. (2017). ¿Abandono o deserción estudiantil? Una necesaria discusión conceptual. Investigación y Postgrado, 32(1), 63–74. https://dialnet.unirioja.es/servlet/articulo?codigo=6430685

Sanchez-Pozo, N. N., Mejia-Ordonez, J. S., Chamorro, D. C., Mayorca-Torres, D., & Peluffo-Ordonez, D. H. (2021). Predicting High School Students’ Academic Performance: A Comparative Study of Supervised Machine Learning Techniques. Future of Educational Innovation Workshop Series - Machine Learning-Driven Digital Technologies for Educational Innovation Workshop 2021. https://doi.org/10.1109/IEEECONF53024.2021.9733756

Suárez, A. A. G., Núñez, R. P., & Suárez, C. A. H. (2021). Deserción estudiantil en contextos vulnerables: comparativo entre dos ciudades fronterizas colombianas. Revista Boletín Redipe, 10(4), 178–189. https://doi.org/10.36260/rbr.v10i4.1261

Tomás, J. M., & Gutiérrez, M. (2019). Contributions of the self-determination theory in predicting university students’ academic satisfaction. In Revista de Investigacion Educativa (Vol. 37, Issue 2, pp. 471–485). Asociacion Interuniversitaria de Investigacion en Pedagogia. https://doi.org/10.6018/rie.37.2.328191

Zárate-Valderrama, J., Bedregal-Alpaca, N., & Cornejo-Aparicio, V. (2021). Classification models to recognize patterns of desertion in university students. In Revista chilena de ingeniería (Vol. 29). https://doi.org/10.4067/S0718-33052021000100168.

Descargas

Publicado

2023-07-05

Cómo citar

Montalvo Márquez, F. J., & Sánchez Pozo, N. N. (2023). Modelo de predicción de deserción: Un estudio de caso de estudiantes de la Universidad Politécnica Estatal del Carchi. Prometeo Conocimiento Científico, 3(2), e34. https://doi.org/10.55204/pcc.v3i2.e34

Número

Sección

Artículos de Investigación Original