Modelo de Machine Learning para predecir la deserción universitaria a partir de factores socioeconómicos y académicos

Simple item page
dc.contributor.advisorSoria Quijaite, Juan Jesús
dc.contributor.authorIzquierdo Marin, Sandra Sofia
dc.contributor.authorTorres Navarrete, William Robert
dc.date.accessioned2024-07-14T18:22:52Z
dc.date.available2024-07-14T18:22:52Z
dc.date.issued2024-04-02
dc.description.abstractEl estudio se centró en generar un modelo de Machine Learning que pueda predecir la deserción de los estudiantes de la Universidad Católica de Trujillo en el periodo 2021-2022, a partir de factores socioeconómicos y académicos, cuya efectividad sea superior al 75%. El diseño metodológico de este estudio fue mixto, ya que no solo utilizó un método estadístico, sino también el análisis documental de casos, los cuales están recolectado de forma numérica y categórica para determinar la relación entre factores socioeconómicos y académicos y la deserción universitaria de los estudiantes, así como explicar y predecir a través de ellos escenarios futuros de la variable dependiente. La población estudiada consistió en dos cohortes (2021 y 2022) de 11 carreras de nivel pregrado dictadas en la Universidad Católica de Trujillo; totalizando 3156 alumnos, de los cuales 789 han abandonado los estudios (índice de deserción del orden del 25%). En conclusión, el modelo propuesto es significativo (p- value: 0) en base a cuatro factores predictores (lugar de procedencia, hermanos, institución educativa de egreso y cantidad de cursos desaprobados). Además, los factores socioeconómicos abordados si se relacionan de forma significativa con la deserción universitaria, a excepción del género (masculino y femenino), cuya relación no es significativa (chi2=,338). Además, los resultados obtenidos mediante el análisis de chi- cuadrado indica que todos los factores académicos están relacionados de forma significativa. Finalmente, el modelo es capaz de clasificar correctamente 98.7% de las observaciones de entrenamiento.
dc.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12840/7717
dc.language.isospa
dc.publisherUniversidad Peruana Unión
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectMachine Learning
dc.subjectDeserción
dc.subjectFactores socioeconómicos y académicos
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.01.03
dc.titleModelo de Machine Learning para predecir la deserción universitaria a partir de factores socioeconómicos y académicos
dc.typeinfo:eu-repo/semantics/bachelorThesis
renati.advisor.dni21504919
renati.advisor.orcidhttps://orcid.org/0000-0002-4415-8622
renati.author.dni07636301
renati.author.dni42796297
renati.discipline542039
renati.jurorAltez Ortiz, Ethel
renati.levelhttps://purl.org/pe-repo/renati/level#tituloSegundaEspecialidad
renati.typehttp://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineSegunda Especialidad en Estadística Aplicada para Investigación
thesis.degree.grantorUniversidad Peruana Unión. Unidad de Posgrado de Ingeniería y Arquitectura
thesis.degree.nameSegunda Especialidad Profesional de Ingeniería: Estadística para Investigación

Files

Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
William_Tesis_Esp_24.pdf
Size:
639.22 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Reporte de similit.pdf
Size:
451.41 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Autorización.pdf
Size:
87.94 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Segunda Especialidad Profesional de Ingeniería: Estadística Aplicada Para Investigación