Estudio del estado del arte sobre la predicción de deserción universitaria usando machine learning
La deserción universitaria trae como principal consecuencia el aumento del número de estudiantes con educación superior incompleta. Por lo cual se ha implementado técnicas predictivas que han ayudado a detectar patrones que sirven para el estudio del tema. Existen varias técnicas utilizadas para el...
Saved in:
| Hovedforfatter: | |
|---|---|
| Format: | bachelorThesis |
| Sprog: | spa |
| Udgivet: |
2023
|
| Fag: | |
| Online adgang: | http://dspace.ups.edu.ec/handle/123456789/24428 |
| Tags: |
Tilføj Tag
Ingen Tags, Vær først til at tagge denne postø!
|
Tilføj Tag | Summary: | La deserción universitaria trae como principal consecuencia el aumento del número de estudiantes con educación superior incompleta. Por lo cual se ha implementado técnicas predictivas que han ayudado a detectar patrones que sirven para el estudio del tema. Existen varias técnicas utilizadas para el análisis predictivo como: La Regresión Logística, El Análisis Bayesiano, Árboles de Decisión, entre otras, que han logrado ser de suma importancia al momento de arrojar resultados favorables que ayuden a llevar un control estadístico sobre los casos de estudiantes desertores. Es importante señalar que el uso de técnicas predictivas como la minería de datos en donde se pueda visualizar las razones por las que los estudiantes desertan según los patrones expresados estadísticamente para que las autoridades institucionales puedan tomar decisiones basándose en esta información y disminuir la deserción de los estudiantes universitarios. Este artículo recopila información sobre los diferentes algoritmos de predicción utilizados en el tema de la deserción universitaria y analiza los datos sobre técnicas, algoritmos, datasets, usados para la predicción de la deserción universitaria, con el objetivo de encontrar la técnica de mejor rendimiento al momento de realizar el estudio mediante métricas de evaluación como son el Accuracy, Recall y F-Score. |
|---|