Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.utc.edu.ec/handle/27000/8608
Tipo de Material: bachelorThesis
Título : Modelo de retención universitaria: Un enfoque de Machine Learning.
Autor : Urgiles Urgiles, José Luis
Vásquez Mullo, Marcia Salome
Director de Tesis: Albán, Mayra
Descriptores: RETENCIÓN DE ESTUDIANTES
MACHINE LEARNING
CLÚSTER
REDES NEURONALES
Fecha de publicación : sep-2020
Ciudad: Editorial: Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC).
Citación : Urgiles Urgiles José Luis, Vásquez Mullo Marcia Salome (2020), Modelo de retención universitaria: Un enfoque de Machine Learning. UTC. Latacunga. 97 p.
metadata.dc.format.extent: 97 páginas
Resumen : La retención universitaria se ha convertido en un fenómeno reconocido mundialmente, debido a su complejidad y múltiples causas que deben ser tratadas en el entorno universitario, la disminución de sus tasas genera dificultades de orden académico y de gestión para las Instituciones de Educación Superior. Se considera importante analizar los temas de retención como medio para mitigar problemas que afectan al estudiante y que permita la culminación con éxito de una carrera profesional. Por tal razón, se propone un modelo para identificar factores de retención estudiantil universitaria basada en la aplicación de técnicas de Machine Learnign. Los datos se obtienen de un proceso de levantamiento de información por medio de una encuesta a 294 estudiantes de una universidad pública del Ecuador, para el desarrollo de la investigación se utiliza la metodología Knowledge Discovery in Database (KDD) y algoritmos de aprendizaje supervisado como redes neuronales. Los resultados permiten diseñar un modelo conceptual basado en 7 factores que influyen en la retención de los estudiantes en las universidades utilizando Regresión Lineal. Para el proceso de predicción se utilizó algoritmos Clúster y Redes Neuronales, dando como resultado una tasa de precisión del 94.2% con el modelo Multilayer Perceptrom, lo que permite determinar que la investigación desarrollada se sustenta bajo el procedimiento experimental que comprueba la validez del modelo conceptual propuesto.
Descripción : University retention has become a globally recognized phenomenon, due to its complexity and multiple causes that must be addressed in the university environment; the decrease in its rates generates academic and management difficulties for Higher Education Institutions. It is considered important to analyze retention issues as a means of mitigating problems that affect the student and that allow the successful completion of a career. For this reason, a model is proposed to identify university student retention factors based on the application of Machine Learnign techniques. The data is obtained from an information survey process through a survey of 294 students from a public university in Ecuador, for the development of research the Knowledge Discovery in Database (KDD) methodology and supervised learning algorithms with neural networks are used. The results allow to design a conceptual model based on 7 factors that influence the retention of students in universities in universities using Linear Regression. For the prediction, Cluster and Neural Networks algorithms were used, resulting in an accuracy rate of the proposed models of 94.2% with the Multilayer Perceptrom model, which allows to determine that the research developed is based under the experimental procedure that checks the validity of the proposed conceptual model.
Aparece en las colecciones: Tesis - Ingeniería en Sistemas

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
PI-001942.pdfPROYECTO DE GRADO A TEXTO COMPLETO2,59 MBAdobe PDFVisualizar/Abrir


Los ítems de Repositorio UTC están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.