Modelo predictivo de deserci?n universitaria de la carrera de Ingenier?a Inform?tica en la Universidad Ricardo Palma.

Abstract

La deserci?n universitaria se ha convertido en un problema importante a ser investigado. La tasa de deserci?n ha llegado a constituir uno de los principales indicadores de eficiencia interna dentro de cualquier instituci?n de educaci?n. Investigar las causas de la deserci?n con metodolog?as adecuadas que permitan predecir esta, contribuye a la toma de decisiones dentro de la gesti?n de la unidad acad?mica. El objetivo del presente proyecto consiste en investigar y proponer una metodolog?a que permita identificar en forma autom?tica a los estudiantes con mayor riesgo de deserci?n de las carreras de Ingenier?a Inform?tica en la Universidad Ricardo Palma. Para la implementaci?n de este proyecto se adopt? la metodolog?a CRISP-DM que estructura el proceso de miner?a de datos en seis fases, que interact?an entre ellas de forma iterativa. Se evaluaron los modelos de ?rboles de decisi?n y Clustering para analizar el comportamiento de los estudiantes, evaluando factores como el rendimiento del alumno, condici?n social y aspectos socioecon?micos. La exactitud de los modelos es calculada a partir de la informaci?n que brind? la Oficina Central de Inform?tica y C?mputo de la Universidad Ricardo Palma, en la cual se realiz? una transformaci?n y simulaci?n de algunas variables para mayor efectividad del modelo. The college desertion has become an important problem to be investigated. The desertion rate has come to be one of the main indicators of internal efficiency in any educational institution. The research of the causes of desertion with appropriate methodologies to predict, contributes to decision making in the academic management The objective of this project is to investigate and propose a methodology to automatically identify students at high risk of dropping out of the Computer Engineering career at the Ricardo Palma University. To implement this project, we used the CRISP-DM methodology to structure the data mining process into six phases, which interact with each other iteratively. It was applied the models of decision trees and clustering to analyze the behavior of the students, evaluating factors such as student performance, social status and socio-economic aspects. The accuracy of the models is calculated from the information provided the Central Office of Information and Computation at the Ricardo Palma University, in which it was applied a transformation and simulation of some variables for greater effectiveness and performance of the model.