Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la miner...

Autores: Valenzuela, Fernanda
Año de publicación: 2025
Idioma: español castellano
Tipo de recurso: tesis de maestría
Estado: versión aceptada
Colaborador/a o director/a de tesis: Parrino, María del Carmen
Minnaard, Vivian
Descripción: El presente estudio tiene como principal objetivo identificar los factores que pueden predecir la deserción de los estudiantes del primer año de las Licenciaturas de la Facultad de Ciencias Médicas, en el período comprendido entre 2015 y 2019, a partir de los datos personales, sociodemográficos y académicos. Se trata de una investigación de tipo descriptiva, de enfoque cuantitativo, no experimental, que aplica el proceso de Descubrimiento del Conocimiento en Base de Datos (KDD) y las técnicas de Minería de Datos para determinar los atributos comunes entre los estudiantes que permitan predecir el abandono. Para establecer la relación entre las variables se utilizó un software especializado que aplica técnicas de Regresión Logística y Árboles de Decisión sobre una base de datos de 1510 unidades de análisis. Estos algoritmos han demostrado su eficiencia en estudios previos realizados en el campo de la Minería de Datos Educativa. Resuelto el tema del desbalance de la muestra (muestra desequilibrada), con la utilización de técnicas de sobremuestreo (SMOTE –K vecinos cercanos), se incluyen las variables categóricas y cuantitativas, y se realizan las predicciones para cada una de las categorías. Luego se comparan los hallazgos de los dos mejores modelos de Regresión Logística (modelos 2b y 4b) y de los Arboles de Decisión (modelos 3 y 4), resultando las variables Carrera, Edad categorizada, Tipo de Establecimiento Secundario, la Modalidad del Título Secundario, y Nota Promedio del Secundario, los atributos que mejor explican la posibilidad de deserción. Comprender el fenómeno de la deserción universitaria, brinda la posibilidad de anticipar este comportamiento, con el fin de diseñar y aplicar estrategias efectivas para la retención.
Fil: Valenzuela, Fernanda. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.
Materia: Deserción Universitaria
Abandono de Estudios
Minería de Datos
Nivel de accesibilidad: acceso abierto
Condiciones de uso: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
Repositorio
Institución: Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales
OAI Identificador: oai:nulan.mdp.edu.ar:4523

Acceder

id	NULAN_fd91a5d7cdc3e38b43a6e634c6df711e
oai_identifier_str	oai:nulan.mdp.edu.ar:4523
network_acronym_str	NULAN
repository_id_str	1845
network_name_str	Nülan (UNMDP-FCEyS)
spelling	Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la minería de datos educativa para anticipar el abandonoValenzuela, FernandaDeserción UniversitariaAbandono de EstudiosMinería de DatosEl presente estudio tiene como principal objetivo identificar los factores que pueden predecir la deserción de los estudiantes del primer año de las Licenciaturas de la Facultad de Ciencias Médicas, en el período comprendido entre 2015 y 2019, a partir de los datos personales, sociodemográficos y académicos. Se trata de una investigación de tipo descriptiva, de enfoque cuantitativo, no experimental, que aplica el proceso de Descubrimiento del Conocimiento en Base de Datos (KDD) y las técnicas de Minería de Datos para determinar los atributos comunes entre los estudiantes que permitan predecir el abandono. Para establecer la relación entre las variables se utilizó un software especializado que aplica técnicas de Regresión Logística y Árboles de Decisión sobre una base de datos de 1510 unidades de análisis. Estos algoritmos han demostrado su eficiencia en estudios previos realizados en el campo de la Minería de Datos Educativa. Resuelto el tema del desbalance de la muestra (muestra desequilibrada), con la utilización de técnicas de sobremuestreo (SMOTE –K vecinos cercanos), se incluyen las variables categóricas y cuantitativas, y se realizan las predicciones para cada una de las categorías. Luego se comparan los hallazgos de los dos mejores modelos de Regresión Logística (modelos 2b y 4b) y de los Arboles de Decisión (modelos 3 y 4), resultando las variables Carrera, Edad categorizada, Tipo de Establecimiento Secundario, la Modalidad del Título Secundario, y Nota Promedio del Secundario, los atributos que mejor explican la posibilidad de deserción. Comprender el fenómeno de la deserción universitaria, brinda la posibilidad de anticipar este comportamiento, con el fin de diseñar y aplicar estrategias efectivas para la retención.Fil: Valenzuela, Fernanda. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.Parrino, María del CarmenMinnaard, Vivian2025-12-16info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_bdccinfo:ar-repo/semantics/tesisDeMaestriaapplication/pdfhttps://nulan.mdp.edu.ar/id/eprint/4523/https://nulan.mdp.edu.ar/id/eprint/4523/1/valenzuela-2025.pdfspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.esreponame:Nülan (UNMDP-FCEyS)instname:Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales2026-06-04T09:41:01Zoai:nulan.mdp.edu.ar:4523instacron:UNMDP-FCEySInstitucionalhttp://nulan.mdp.edu.ar/Universidad públicaNo correspondehttp://nulan.mdp.edu.ar/cgi/oai2cendocu@mdp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18452026-06-04 09:41:01.28Nülan (UNMDP-FCEyS) - Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Socialesfalse
dc.title.none.fl_str_mv	Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la minería de datos educativa para anticipar el abandono
title	Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la minería de datos educativa para anticipar el abandono
spellingShingle	Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la minería de datos educativa para anticipar el abandono Valenzuela, Fernanda Deserción Universitaria Abandono de Estudios Minería de Datos
title_short	Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la minería de datos educativa para anticipar el abandono
title_full	Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la minería de datos educativa para anticipar el abandono
title_fullStr	Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la minería de datos educativa para anticipar el abandono
title_full_unstemmed	Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la minería de datos educativa para anticipar el abandono
title_sort	Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la minería de datos educativa para anticipar el abandono
dc.creator.none.fl_str_mv	Valenzuela, Fernanda
author	Valenzuela, Fernanda
author_facet	Valenzuela, Fernanda
author_role	author
dc.contributor.none.fl_str_mv	Parrino, María del Carmen Minnaard, Vivian
dc.subject.none.fl_str_mv	Deserción Universitaria Abandono de Estudios Minería de Datos
topic	Deserción Universitaria Abandono de Estudios Minería de Datos
dc.description.none.fl_txt_mv	El presente estudio tiene como principal objetivo identificar los factores que pueden predecir la deserción de los estudiantes del primer año de las Licenciaturas de la Facultad de Ciencias Médicas, en el período comprendido entre 2015 y 2019, a partir de los datos personales, sociodemográficos y académicos. Se trata de una investigación de tipo descriptiva, de enfoque cuantitativo, no experimental, que aplica el proceso de Descubrimiento del Conocimiento en Base de Datos (KDD) y las técnicas de Minería de Datos para determinar los atributos comunes entre los estudiantes que permitan predecir el abandono. Para establecer la relación entre las variables se utilizó un software especializado que aplica técnicas de Regresión Logística y Árboles de Decisión sobre una base de datos de 1510 unidades de análisis. Estos algoritmos han demostrado su eficiencia en estudios previos realizados en el campo de la Minería de Datos Educativa. Resuelto el tema del desbalance de la muestra (muestra desequilibrada), con la utilización de técnicas de sobremuestreo (SMOTE –K vecinos cercanos), se incluyen las variables categóricas y cuantitativas, y se realizan las predicciones para cada una de las categorías. Luego se comparan los hallazgos de los dos mejores modelos de Regresión Logística (modelos 2b y 4b) y de los Arboles de Decisión (modelos 3 y 4), resultando las variables Carrera, Edad categorizada, Tipo de Establecimiento Secundario, la Modalidad del Título Secundario, y Nota Promedio del Secundario, los atributos que mejor explican la posibilidad de deserción. Comprender el fenómeno de la deserción universitaria, brinda la posibilidad de anticipar este comportamiento, con el fin de diseñar y aplicar estrategias efectivas para la retención. Fil: Valenzuela, Fernanda. Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales; Argentina.
description	El presente estudio tiene como principal objetivo identificar los factores que pueden predecir la deserción de los estudiantes del primer año de las Licenciaturas de la Facultad de Ciencias Médicas, en el período comprendido entre 2015 y 2019, a partir de los datos personales, sociodemográficos y académicos. Se trata de una investigación de tipo descriptiva, de enfoque cuantitativo, no experimental, que aplica el proceso de Descubrimiento del Conocimiento en Base de Datos (KDD) y las técnicas de Minería de Datos para determinar los atributos comunes entre los estudiantes que permitan predecir el abandono. Para establecer la relación entre las variables se utilizó un software especializado que aplica técnicas de Regresión Logística y Árboles de Decisión sobre una base de datos de 1510 unidades de análisis. Estos algoritmos han demostrado su eficiencia en estudios previos realizados en el campo de la Minería de Datos Educativa. Resuelto el tema del desbalance de la muestra (muestra desequilibrada), con la utilización de técnicas de sobremuestreo (SMOTE –K vecinos cercanos), se incluyen las variables categóricas y cuantitativas, y se realizan las predicciones para cada una de las categorías. Luego se comparan los hallazgos de los dos mejores modelos de Regresión Logística (modelos 2b y 4b) y de los Arboles de Decisión (modelos 3 y 4), resultando las variables Carrera, Edad categorizada, Tipo de Establecimiento Secundario, la Modalidad del Título Secundario, y Nota Promedio del Secundario, los atributos que mejor explican la posibilidad de deserción. Comprender el fenómeno de la deserción universitaria, brinda la posibilidad de anticipar este comportamiento, con el fin de diseñar y aplicar estrategias efectivas para la retención.
publishDate	2025
dc.date.none.fl_str_mv	2025-12-16
dc.type.none.fl_str_mv	info:eu-repo/semantics/masterThesis info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_bdcc info:ar-repo/semantics/tesisDeMaestria
format	masterThesis
status_str	acceptedVersion
dc.identifier.none.fl_str_mv	https://nulan.mdp.edu.ar/id/eprint/4523/ https://nulan.mdp.edu.ar/id/eprint/4523/1/valenzuela-2025.pdf
url	https://nulan.mdp.edu.ar/id/eprint/4523/ https://nulan.mdp.edu.ar/id/eprint/4523/1/valenzuela-2025.pdf
dc.language.none.fl_str_mv	spa
language	spa
dc.rights.none.fl_str_mv	info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
eu_rights_str_mv	openAccess
rights_invalid_str_mv	https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.format.none.fl_str_mv	application/pdf
dc.source.none.fl_str_mv	reponame:Nülan (UNMDP-FCEyS) instname:Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales
reponame_str	Nülan (UNMDP-FCEyS)
collection	Nülan (UNMDP-FCEyS)
instname_str	Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales
repository.name.fl_str_mv	Nülan (UNMDP-FCEyS) - Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales
repository.mail.fl_str_mv	cendocu@mdp.edu.ar
_version_	1867091137679851520
score	13.343132

Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la miner...

Publicaciones similares