Aplicación de técnicas de minería de datos para la predicción de la deserción en estudiantes de pregrado de la Universidad Pontificia Bolivariana, sede central Medellín

La deserción en las instituciones educativas es un tema no sencillo de resolver ya que existen múltiples condiciones que pueden conducir a un estudiante a abandonar su proyecto de formación, con todas las implicaciones que esto conlleva. La aplicación de técnicas de minería de datos en el campo educativo facilita, entre otras, predecir una acción o un evento del entorno de aprendizaje, de forma que se tomen las acciones preventivas correspondientes en el momento oportuno. En este proyecto se pretende seguir una metodología de minería de datos para plantear, de acuerdo a la información disponible, un modelo que permita predecir la deserción en un caso de estudio relacionado con estudiantes de pregrado en la U.P.B., sede central. Se logró analizar de forma conjunta la información suministrada por Bienestar Universitario de una encuesta de caracterización realizada entre los años 2015 y 2016 complementada con datos del sistema central. Los modelos analíticos desarrollados son: 1) seleccionar los factores principales que influyen en la deserción según los datos disponibles, 2) perfilamiento de los estudiantes que desertan y los que no, 3) reglas de asociación entre los factores seleccionados, y por último 4) la búsqueda del mejor método predictivo de deserción. Se encontró que, los factores seleccionados, en su mayoría, son congruentes en los diferentes experimentos aplicados y que el árbol de decisión RandomForest se ajusta mejor para clasificar si un estudiante va a presentar deserción o no. Además, el conjunto de factores seleccionados puede servir para apoyar otros esfuerzos que se tengan en la universidad relacionados con la permanencia estudiantil.