Proyecto reteniendo futuros: un enfoque predictivo con Machine Learning para mejorar la retención estudiantil

Simple item page
dc.contributor.advisorArango Londoño, David
dc.contributor.authorBotero Ramírez, Sandra Paola
dc.date.accessioned2025-05-06T22:06:08Z
dc.date.available2025-05-06T22:06:08Z
dc.date.issued2025
dc.description.abstractLa deserción estudiantil universitaria constituye un desafío global con repercusiones negativas en el desarrollo social y científico a nivel nacional o regional. Las Instituciones de Educación Superior (IES) asumen la responsabilidad de abordar y prevenir este problema. Este estudio presenta un marco conceptual de la deserción universitaria, fundamentado en investigaciones que emplean enfoques cualitativos y cuantitativos, haciendo uso de la ciencia de datos. En este contexto, se lleva a cabo un análisis exploratorio descriptivo de los datos recopilados mediante el instrumento de caracterización correspondiente a los periodos académicos desde 2017-1 hasta 2021-2. El análisis se centra en comprender y examinar el fenómeno de la deserción entre los estudiantes que contestaron la encuesta de caracterización en dichos periodos. Finalmente, se procede a entrenar diversos modelos de Machine Learning, entre los que se incluyen la regresión logística, las máquinas de soporte vectorial, los bosques aleatorios de decisión y las redes neuronales simples. Estos modelos tienen la capacidad de prever y emitir alertas sobre posibles riesgos de deserción en los programas académicos de la universidad. Este enfoque proactivo permite a las instituciones tomar medidas preventivas y proporcionar apoyo personalizado a los estudiantes en riesgo, contribuyendo así a mejorar las tasas de retención y el éxito académico.spa
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/4736
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectPredicciónspa
dc.subjectDeserciónspa
dc.subjectAprendizaje supervisadospa
dc.subjectMachine Learningspa
dc.subjectModelos Predictivosspa
dc.titleProyecto reteniendo futuros: un enfoque predictivo con Machine Learning para mejorar la retención estudiantilspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
No Thumbnail Available
Name:
Trabajo de grado - Sandra Paola Botero Ramirez.pdf
Size:
1.76 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia_autorizacion vf.pdf
Size:
136.79 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos