Modelo basado en minería de datos para determinar factores de deserción estudiantil en la facultad de ciencias de la ingeniería y aplicadas de la universidad técnica de Cotopaxi.

Abstract

La deserción en las universidades es considerada como el abandono de los estudiantes que puede ser temporal o definitivo, causa efectos negativos como problemas socioeconómicos para el estudiante y la institución que lo acogió. Por tal razón, este problema debe ser tratado a profundidad para establecer estrategias que permitan minimizar las tasas de deserción en las universidades y la culminación exitosa de los estudios universitarios. La revisión de la literatura permitió determinar estudios para predecir la deserción a través de técnicas de minería de datos, sin embargo, los estudios analizados fueron ejecutados en entornos de Educación Superior que difieren del contexto de educación que se aplica en el Ecuador. Se propone un modelo para determinar factores de deserción estudiantil a través de técnicas de minería de datos para determinar factores que influyen en la deserción y su influencia predictiva. El proceso experimental se basa en una encuesta en línea aplicada a 1457 estudiantes de la Facultad de Ciencias de la Ingeniería y Aplicadas de las Carreras de Ingenierías: Eléctrica, Sistemas de Información, Electromecánica e Industrial. La metodología aplicada corresponde a Knowledge Discovery in Databases (KDD), que consta de cinco etapas: selección, pre-procesamiento, transformación, extracción e interpretación y evaluación. Los resultados encontrados permiten determinar que los factores: conducta en el aula de clases, bullying, motivación del docente – alumno, limitado conocimiento de la asignatura, adicción de las redes sociales, estado emocional, conocimiento adquirido en los cursos de nivelación, formación académica, sistema de ingreso a la universidad, problemas familiares, residencia y expectativas respecto a la carrera seleccionada, son los factores que tienen mayor influencia en la deserción de los estudiantes en la Facultad de Ciencias de la Ingeniería y Aplicadas. Mientras que las técnicas de minería de datos J48, Random Forest y Sequential Minimal Optimization (SMO), dieron como resultado una tasa de predicción de la deserción del 92%. Se concluye que el uso de técnicas de minería de datos puede ser consideradas como importantes para realizar estudios de las causales que afectan a los estudiantes en su permanencia estudiantil universitaria. Además, esta herramienta podría ser considerada como una herramienta de apoyo para las autoridades universitarias a fin de que se establezca estrategias y políticas que permitan mitigar las tasas de deserción.