Modelo predictivo para la detección temprana de alumnos en riesgo de abandono de la carrera de profesorado en ciencias de la educación, Facultad de Humanidades de la UNNE

• Autores: Moschner, Viviana Elizabeth
• Año de publicación: 2021
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Britos, Paola Verónica
• Materia: Deserción; Ciencias de datos; MoProPEI; Dropout; Data Science
• Institución: Universidad Nacional del Nordeste

Fil: Moschner, Viviana Elizabeth. Universidad Nacional del Nordeste. Facultad de Humanidades; Argentina.
Fil: Britos, Paola Verónica. Universidad Nacional de Río Negro. Laboratorio de Informática Aplicada; Argentina.
El abandono o deserción en la educación superior constituye una preocupación creciente para las autoridades de la Universidad Nacional del Nordeste, como también para los responsables de la gestión de cada Facultad. Para contribuir al aporte de soluciones para esta problemática, la aplicación de técnicas y herramientas utilizadas en Ciencia de Datos en el ámbito educativo tiene resultados positivos, en tanto permite predecir factores a partir de los cuales es posible implementar acciones correctivas o mitigadoras de las situaciones observadas. Este Trabajo Final de Maestría desarrolla un modelo predictivo utilizando la metodología MoProPEI orientado al descubrimiento de factores comunes en la población estudiantil del Profesorado en Ciencias de la Educación de la Facultad de Humanidades de la Universidad Nacional del Nordeste que hayan abandonado la carrera o bien presentado marcado rezago. La fuente de datos utilizada incluye atributos personales y académicos de los alumnos del Profesorado en Ciencias de la Educación, cohortes 2010 a 2018, se utilizaron técnicas de clasificación e inducción logrando como resultado identificar factores comunes en los diferentes grupos clasificados, los que contribuirán a la elaboración de nuevas estrategias que permitan aumentar la retención estudiantil.
The dropout or desertion in higher education constitutes a growing concern for the authorities of the National University of the Northeast, as well as for those responsible for the management of each Faculty. In order to contribute to provide solutions for this problem, the application of techniques and tools used in Data Science have shown positive results in the educational field. These techniques allow to predict factors that make possible to implement corrective or mitigating actions that would improve the observed situations. The current Final Project develops a predictive model, using the MoProPEI methodology. This model leads to the discovery of common factors of the student population of the educational sciences program of the Faculty of Humanities of the National University of the Northeast that has dropped out or present a marked lag. III The data was taken from the cohorts 2010 to 2018 of students of the educational sciences program and includes their personal and academic characteristics. To achieve the result of identifying common factors in the different student group’s classification and induction techniques were used, these results will contribute to the development of new strategies to increase student retention