Publicación:

Minería de datos para la predicción de la deserción estudiantil en el programa de Ingeniería de Sistemas en la Universidad de La Guajira

Resumen en español

El objetivo de la investigación es evaluar el uso de la minería de datos para la estructura predictiva de la deserción estudiantil en el programa de Ingeniería en Sistemas de la Universidad de la Guajira. El mismo se fundamenta por los autores Song y Ying (2015); Intel IT Center (2014); González (2005); Acevedo y otros (2015); Grandon y Vargas (2012); Díaz (2008); Dult y otros (2017); Kovacic (2010); Eckert y Suenaga (2015); Mishra y otros (2014); Suarez-Tirado (2013); entre otros. En tanto, corresponde a una investigación de tipo descriptiva y proyectiva, de diseño no experimental, de campo, transaccional, con una población de 331 y una muestra de 181, con tres grupos de muestreo estudiantes, docentes y directiva, a la cual se le desarrollaron dos técnicas de recolección de datos la encuesta y la observación con 4 instrumentos de preguntas de selección y con escala de Likert, los mismos poseen 21, 12, 11 y 4 ítems. Asimismo, se construye un modelo de minería de retención para la predicción de la deserción estudiantil, empleando la técnica de minería: Árboles de decisión. Entre los resultados se presentan que los factores determinantes individuales y socioeconómicos no afectan la deserción estudiantil, pocos recursos en relación a los recursos tecnológicos, que el modelo de minería y recolección de información para predecir la deserción estudiantil no alcanzó variabilidad de resultados, además se observó que la influencia de la variable satisfacción con el programa se evidenciò claramente en el valor de P chi-cuadrado corregído=0, 019, el cual resultó altamente significativo, lo cual nos dice que esa variable tuvo alta influencia en la deserción y se considera como la variable independiente con la mayor relación con la deserción y se recomienda aplicar el mismo modelo con una poblaciòn mas alta para que las variables idependiente se puedan evaluar con mas precision.