Modelo de machine learning para disminuir la tasa de deserción de estudiantes antiguos en centro de estudio superior

Abstract

El proyecto tiene como objetivo implementar un modelo de aprendizaje automático en centros de estudios superiores. El enfoque principal se centra en optimizar un proceso del área de experiencia estudiantil, específicamente, prediciendo el porcentaje de deserción estudiantil. Para desarrollar el proyecto, se llevó a cabo una comparación de algoritmos de aprendizaje automático, con el propósito de seleccionar el más adecuado. El diseño del modelo incluyó la creación de una tabla maestra que incorpora todas las variables como información académica actual, información académica anterior, información de boletas, ratios de asistencia , información personal e información de encuestas, junto con un análisis estadístico utilizando técnicas como WOE para identificar cuáles de estas variables contribuyen significativamente a una predicción. Las validaciones se realizaron mediante la comparación de algoritmos como RUSBost , GausNB , Percept , LightGBM, utilizando indicadores clave como Recall mean, Precision mean y ROC AUC mean y entre otros indicadores para asegurarse de que el modelo sea efectivo y preciso. Es por ello que luego de evaluar entre todos los algoritmos el que obtuvo mayor puntaje fue LightGBM con un Recal mean de 86.37%, Precision mean de 86.83% y un ROC AUC mean de 77.61%. Además, se ha establecido un plan de continuidad para mejorar el modelo de machine learning con el tiempo. Antes de la implementación la deserción estudiantil la deserción estudiantil fue del 13.45%, en el periodo 2022-1 y luego de su implementación el periodo 2023-1 esta fue de 9.45%.

The project aims to implement a machine learning model in higher education institutions. The main focus is on optimizing a process in the student experience area, specifically, predicting the student dropout rate. To develop the project, a comparison of machine learning algorithms was conducted with the purpose of selecting the most suitable one. The model design included creating a master table that incorporates all variables such as current academic information, past academic information, grade information, attendance ratios, personal information, and survey information, along with statistical analysis using techniques like WOE to identify which of these variables significantly contribute to a prediction. Validations were performed by comparing algorithms like RUSBost, GausNB, Percept, LightGBM, using key indicators like Recall mean, Precision mean, ROC AUC mean, and other indicators to ensure the model is effective and accurate. Therefore, after evaluating all the algorithms, LightGBM obtained the highest score with a Recall mean of 86.37%, Precision mean of 86.83%, and ROC AUC mean of 77.61%. Additionally, a continuity plan has been established to improve the machine learning model over time. Before implementation, the student dropout rate was 13.45% in the 2022-1 period, and after implementation in the 2023-1 period, it decreased to 9.45%.