Modelo de minería de datos basado en factores asociados para la predicción de deserción estudiantil universitaria.

Abstract

El siguiente proyecto de investigación tiene como objetivo desarrollar un modelo de minería de datos, analizando el paradigma de aprendizaje para atacar el problema de deserción estudiantil que presentan las universidades, se hace mención algunas investigaciones que emplean diversas arquitecturas de algoritmos en el campo educacional (Milton, Neto, & Carlos, 2012) como la predicción de cursos a elegir, rendimiento académico, clasificación de estudiantes, entre otros. La investigación surge al observar un decaimiento en el crecimiento vegetativo de la universidad nacional de Moquegua, visualmente se puede observar que las personas tienden a desertar cuando su promedio del semestre es muy bajo, por ello surge el interés de explorar los diversos factores que motiva a una persona a tomar esa decisión y fundamentalmente llevar ese pensamiento a una maquina capaz de realizar la clasificación para generar la misma actividad humana. se emplea la metodología CRISP DM para desarrollar el modelo predictivo y se realiza un primer enfoque de levantamiento de información para analizar las variables más resaltantes para el modelo de clasificación, posteriormente se hace una exploración de la data para definir la arquitectura del modelo. Por última instancia se evalúa las derivadas del algoritmo para observar el aprendizaje de la máquina y comparar los resultados con nueva data y determinar la influencia del modelo con la estimación de deserción.