"

Predicción De Estudiantes Universitarios En Riesgo Académico Usando Algoritmos Supervisados

Published in: Prospective and trends in technology and skills for sustainable social development. Leveraging emerging technologies to construct the future: Proceedings of the 19th LACCEI International Multi-Conference for Engineering, Education and Technology
Date of Conference: July 19-23, 2021
Location of Conference: Virtual
Authors: Edson Lazaro Camasca (Universidad Nacional de Ingenieria, PE)
Yuri Nuñez Medrano (Universidad Nacional de Ingenieria, PE)
Full Paper: #363

Abstract:

El presente trabajo, tuvo como propósito la creación de modelos predictivos usando Algoritmos Supervisados de Clasificación, con el fin de dar a conocer que alumnos llegaran a estar en riesgo académico y poder realizar un seguimiento focalizado. En este estudio se usó la metodología CRISP-DM para la creación de los modelos predictivos, se aprovecho al máximo los datos, donde estos solo consisten de calificaciones académicas. Algunos hallazgos importantes obtenidos durante el análisis de los datos fue la importancia del periodo de verano, gracias a este ciclo la cantidad de alumnos en riesgo disminuye significativamente. Además, que la mayoría de alumnos en riesgo se encuentra focalizado entre los cinco primeros semestres. Se presentan cinco clasificadores, Clasificador Bayesiano, Red Neuronal Artificial, Análisis Cuadrático Discriminante, Maquina de Vectores de Soporte y Regresión Logística. La elección del mejor modelo está basada en dos Medidas de Rendimiento, la Curva ROC y la Sensibilidad, entonces se presentan a los dos mejores modelos de acuerdo a los recursos que posee la institución, el Clasificador Bayesiano cuando se tienen suficientes recursos y la Regresión Logística cuando los recursos son bajos.