Análisis de deserción estudiantil en un programa de pregrado en Ingeniería de Sistemas y Computación

Palabras clave: Minería de datos, Deserción estudiantil, Patrones, CRISP-DM, Análisis

Resumen

Las técnicas de minería de datos se enfocan principalmente en apoyar el proceso de toma de decisiones dentro de una organización. La deserción estudiantil es un fenómeno común que agobia a las universidades tanto públicas como privadas, las cuales se afectan de manera social y económica. Diversos estudios se llevaron a cabo en esta área; sin embargo, por lo general se enfocan solo en los aspectos académicos, sociales, demográficos y económicos. Este artículo propone un método para analizar la deserción académica en el contexto de un programa de pregrado en Ingeniería de Sistemas y Computación. Proporciona una vista de esta problemática desde la perspectiva ofrecida por KDD (descubrimiento de conocimiento en bases de datos) y usa técnicas para descubrir patrones de comportamiento asociados con dicha problemática. A diferencia de otros trabajos similares, esta propuesta considera variables planteadas por las pruebas BADyG. Este trabajo proporcionará apoyo al proceso de toma de decisiones y fomentará la creación de planes de acción por parte de las instituciones de educación superior con el propósito de reducir la preocupante tasa de deserción estudiantil.

Biografía del autor/a

Luis Fernando Castro, Universidad del Quindío

Ingeniero de Sistemas. Magister en Ingeniería de Sistemas, Universidad de los Andes. Doctor en Ingeniería, Universidad Nacional. Profesor Titular programa Ingeniería de Sistemas y Computación, Universidad del Quindío.

Esperanza Espitia P., Universidad del Quindío

Ingeniera de Sistemas. Magister en Ingeniería de Sistemas, Universidad EAFIT. Profesora Asociada programa Ingeniería de Sistemas y Computación, Universidad del Quindío.

Sergio Augusto Cardona, Universidad del Quindío

Ingeniero de Sistemas. Magister en Ingeniería, Universidad EAFIT. Doctor en Ingeniería, UPB. Profesor Asociado Ingeniería de Sistemas y Computación, Universidad del Quindío.

Citas

Argote, I., & Jiménez, R. (2016). Detección de patrones de deserción en los programas de pregrado de la Universidad Mariana de San juan de Pasto, aplicando el proceso de KDD y su implementación en modelos matemáticos de predicción. In Conferencia Latinoamericana sobre Abandono en la Educación Superior. Ponencias de Congresos CLABES (pp. 1–7). Retrieved from http://revistas.utp.ac.pa/index.php/clabes/article/view/991

Azoumana, K. (2013). Análisis de la deserción estudiantil en la Universidad Simón Bolívar, facultad Ingeniería de Sistemas, con técnicas de minería de datos. Revista Pensamiento Americano, 6(10), 41–51.

Castaño, E., Gallón, S., Gómez, K., & Vásquez, S. (2008). Análisis de los factores asociados a la deserción estudiantil en la Educación Superior: un estudio de caso. Revista de Educación, 255–280.

Castro, L. F., Espitia E., & Montilla A. (2018). Applying CRISP-DM in a KDD process for the analysis of student attrition. Communications in Computer and Information Science. Springer, 885, 386-401.

Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-DM 1.0 Step-by-step data mining guide.

Cruz O., D., & Ortega C., J. (2008). Análisis de la deserción estudiantil en la facultad de Ciencias Exactas y Naturales de la Universidad de Nariño desde la cohorte 2001-2 hasta la cohorte 2006-2 utilizando el sistema SPADIES. Retrieved from http://sired.udenar.edu.co/214/

Eckert, K. B., & Suénaga, R. (2015). Análisis de Deserción-Permanencia de Estudiantes Universitarios Utilizando Técnica de Clasificación en Minería de Datos. Formación Universitaria, 8(5), 03-12. https://doi.org/10.4067/S0718-50062015000500002

Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). The KDD process for extracting useful knowledge from volumes of data. Communications of the ACM, 39(11), 27–35.

Galvis, D. (2007). Estudio sobre la deserción estudiantil en la Universidad del Quindío. Retrieved from https://catalogo.uniquindio.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=33407

Hernán Cáceres, J., & González Cardona, J. C. (2011). Sistema de apoyo para la acreditación de la calidad de programas académicos de la Universidad de Caldas, aplicando técnicas en minería de datos. Universidad Autónoma de Manizales. Retrieved from http://repositorio.autonoma.edu.co/jspui/handle/11182/38

Hernández Cáceres, J. (2011). Descubrimiento de conocimiento en la base de datos académica de una institución de educación superior usando redes neuronales. Vector, 7–19.

Hernández Cáceres, J., & Gallego Gallego, M. (2014). Descubrimiento de conocimiento en una empresa de outsourcing de TI de la ciudad de Medellín aplicando técnicas de minería de datos que permita identificar potencialidades en el éxito de los proyectos de desarrollo de software. Universidad Autónoma de Manizales. Retrieved from http://repositorio.autonoma.edu.co/jspui/handle/11182/51

Hernández Cáceres, J., & Gutiérrez, J. E. (2012). Descubrimiento de conocimientos en la base de datos académica de la Universidad Autónoma de Manizales aplicando redes neuronales. Universidad Autónoma de Manizales. Retrieved from http://repositorio.autonoma.edu.co/jspui/handle/11182/39

Linoff, G., & Berry, M. (2011). Why and What is Data Mining? In Data Mining Techniques.

Paramo, G. J., & Correa Maya, C. A. (1999). Deserción estudiantil universitaria. Conceptualización. Revista Universidad EAFIT, 35(114), 65–78. Retrieved from http://publicaciones.eafit.edu.co/index.php/revista-universidad-eafit/article/view/1075

Salazar, A., Gosalbez, J., Bosch, I., Miralles, R., & Vergara, L. (2004). A case study of knowledge discovery on academic achievement, student desertion and student retention. In ITRE 2004. 2nd International Conference Information Technology: Research and Education (pp. 150–154). IEEE. https://doi.org/10.1109/ITRE.2004.1393665

Santhanakumar, M., & Christopher Columbus, C. (2015). Web Usage Based Analysis of Web Pages Using RapidMiner. WSEAS Transactions on Computers, 14, 455–464.

Sotomonte-Castro, J. E., Rodríguez-Rodríguez, C. C., Montenegro-Marín, C. E., Gaona-García, P. A., & Castellanos, J. G. (2016). Hacia la construcción de un modelo predictivo de deserción académica basado en técnicas de minería de datos - Towards the construction of a predictive model of academic desertion based on data mining techniques. Revista Científica, 3(26), 35. https://doi.org/10.14483/23448350.11089

Timarán Pereira, S. R., & Jiménez Toledo, J. (2015). Extracción de perfiles de deserción estudiantil en la institución universitaria CESMAG. InvestigiumIre: Ciencias Sociales y Humanas, 6(1), 30–44. https://doi.org/10.15658/CESMAG15.05060103

Vélez Bedoya, J. I., & Salcedo Toro, D. F. (2015). Tendencias y características de los viajeros que visitan la ciudad de Pereira por medio de técnicas de minería de datos. Universidad Autónoma de Manizales. Retrieved from http://repositorio.autonoma.edu.co/jspui/handle/11182/59

Yuste Hernanz, C., & Martínez Arias, M. del R. (2005). BADyG S batería de aptitudes diferenciales y generales. (CEPE, Ed.).
Cómo citar
Castro, L. F., Espitia P., E., & Cardona, S. A. (2019). Análisis de deserción estudiantil en un programa de pregrado en Ingeniería de Sistemas y Computación. Revista Colombiana De Computación, 20(1), 72-82. https://doi.org/10.29375/25392115.3608

Descargas

La descarga de datos todavía no está disponible.
Publicado
2019-05-28
Sección
Artículo de investigación científica y tecnológica