Modelo de retención universitaria: Un enfoque de Machine Learning.

Abstract

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.