Modelo machine learning para predicción de deserción estudiantil

Abstract

El persistente problema de la deserción estudiantil impacta negativamente al sector educativo y a la sociedad en general. Este estudio presenta un modelo de aprendizaje automático que aprovecha datos de la Encuesta Nacional de Hogares para predecir la deserción escolar en Perú, integrando una amplia gama de variables sociodemográficas. La investigación llena un vacío en la literatura existente al proporcionar un modelo que incorpora variables sociodemográficas, un área no explorada completamente en estudios anteriores. El modelo predictivo tiene como objetivo identificar factores asociados con la deserción escolar, ayudando a los actores educativos a implementar intervenciones efectivas. Los hallazgos subrayan el potencial del modelo para mejorar los resultados educativos al permitir la identificación temprana de estudiantes en riesgo, facilitando así un apoyo específico. Este trabajo contribuye a perfeccionar los modelos predictivos de las tasas de deserción universitaria y sugiere el uso de métodos conjuntos para mejorar la precisión de las predicciones de un solo modelo. Las investigaciones futuras podrían explorar más a fondo metodologías computacionales como el aprendizaje profundo y los modelos híbridos para predecir las tasas de deserción escolar y su comparación con los resultados de este estudio, considerando factores influyentes adicionales que no se tratan en esta investigación.