Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático

Autores
Cassina, Paula; Giay, Florencia; Knoll, Gonzalo; Vera, Marcela
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El presente trabajo, que forma parte de un proyecto de investigación y desarrollo de la Universidad Católica de Santiago del Estero (UCSE), aborda la problemática de la deserción de alumnos en las carreras de dicha universidad, generando modelos que permitan identificar a aquellos estudiantes con altas probabilidades de desertar. El objetivo es prever estos casos y actuar ante estas circunstancias, permitiendo a las autoridades definir estrategias para reducir la deserción. Para alcanzar estos objetivos, se aplicaron técnicas de minería de datos y machine learning centradas en el aprendizaje automático, las cuales permitieron generar modelos predictivos para discernir y predecir de manera precisa si un estudiante abandonará una determinada carrera. Los modelos utilizados fueron KNeighbors, Random Forest, Gradient Boosting y Multilayer Perceptron, utilizando como fuente de datos un dataset generado a partir de la información proporcionada por el Sistema de Gestión Académica de la Universidad Católica de Santiago del Estero.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Minería de datos educacionales
Aprendizaje automático
Modelos predictivos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/177199

id SEDICI_e0866610eafcafc9def9d4e0d50c0fcd
oai_identifier_str oai:sedici.unlp.edu.ar:10915/177199
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automáticoCassina, PaulaGiay, FlorenciaKnoll, GonzaloVera, MarcelaCiencias InformáticasMinería de datos educacionalesAprendizaje automáticoModelos predictivosEl presente trabajo, que forma parte de un proyecto de investigación y desarrollo de la Universidad Católica de Santiago del Estero (UCSE), aborda la problemática de la deserción de alumnos en las carreras de dicha universidad, generando modelos que permitan identificar a aquellos estudiantes con altas probabilidades de desertar. El objetivo es prever estos casos y actuar ante estas circunstancias, permitiendo a las autoridades definir estrategias para reducir la deserción. Para alcanzar estos objetivos, se aplicaron técnicas de minería de datos y machine learning centradas en el aprendizaje automático, las cuales permitieron generar modelos predictivos para discernir y predecir de manera precisa si un estudiante abandonará una determinada carrera. Los modelos utilizados fueron KNeighbors, Random Forest, Gradient Boosting y Multilayer Perceptron, utilizando como fuente de datos un dataset generado a partir de la información proporcionada por el Sistema de Gestión Académica de la Universidad Católica de Santiago del Estero.Sociedad Argentina de Informática e Investigación Operativa2024-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf23-36http://sedici.unlp.edu.ar/handle/10915/177199spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17986info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:47:49Zoai:sedici.unlp.edu.ar:10915/177199Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:47:49.341SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
title Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
spellingShingle Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
Cassina, Paula
Ciencias Informáticas
Minería de datos educacionales
Aprendizaje automático
Modelos predictivos
title_short Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
title_full Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
title_fullStr Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
title_full_unstemmed Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
title_sort Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
dc.creator.none.fl_str_mv Cassina, Paula
Giay, Florencia
Knoll, Gonzalo
Vera, Marcela
author Cassina, Paula
author_facet Cassina, Paula
Giay, Florencia
Knoll, Gonzalo
Vera, Marcela
author_role author
author2 Giay, Florencia
Knoll, Gonzalo
Vera, Marcela
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Minería de datos educacionales
Aprendizaje automático
Modelos predictivos
topic Ciencias Informáticas
Minería de datos educacionales
Aprendizaje automático
Modelos predictivos
dc.description.none.fl_txt_mv El presente trabajo, que forma parte de un proyecto de investigación y desarrollo de la Universidad Católica de Santiago del Estero (UCSE), aborda la problemática de la deserción de alumnos en las carreras de dicha universidad, generando modelos que permitan identificar a aquellos estudiantes con altas probabilidades de desertar. El objetivo es prever estos casos y actuar ante estas circunstancias, permitiendo a las autoridades definir estrategias para reducir la deserción. Para alcanzar estos objetivos, se aplicaron técnicas de minería de datos y machine learning centradas en el aprendizaje automático, las cuales permitieron generar modelos predictivos para discernir y predecir de manera precisa si un estudiante abandonará una determinada carrera. Los modelos utilizados fueron KNeighbors, Random Forest, Gradient Boosting y Multilayer Perceptron, utilizando como fuente de datos un dataset generado a partir de la información proporcionada por el Sistema de Gestión Académica de la Universidad Católica de Santiago del Estero.
Sociedad Argentina de Informática e Investigación Operativa
description El presente trabajo, que forma parte de un proyecto de investigación y desarrollo de la Universidad Católica de Santiago del Estero (UCSE), aborda la problemática de la deserción de alumnos en las carreras de dicha universidad, generando modelos que permitan identificar a aquellos estudiantes con altas probabilidades de desertar. El objetivo es prever estos casos y actuar ante estas circunstancias, permitiendo a las autoridades definir estrategias para reducir la deserción. Para alcanzar estos objetivos, se aplicaron técnicas de minería de datos y machine learning centradas en el aprendizaje automático, las cuales permitieron generar modelos predictivos para discernir y predecir de manera precisa si un estudiante abandonará una determinada carrera. Los modelos utilizados fueron KNeighbors, Random Forest, Gradient Boosting y Multilayer Perceptron, utilizando como fuente de datos un dataset generado a partir de la información proporcionada por el Sistema de Gestión Académica de la Universidad Católica de Santiago del Estero.
publishDate 2024
dc.date.none.fl_str_mv 2024-08
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/177199
url http://sedici.unlp.edu.ar/handle/10915/177199
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17986
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
23-36
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616341390098432
score 13.070432