Estudio de variables que influyen en la deserción de estudiantes universitarios de primer año, mediante minería de datos

Abstract

El objetivo de esta investigacion fue analizar la desercion de los estudiantes mediante tecnicas de mineria de datos y obtener un modelo que fuese capaz de clasificar estudiantes desertores a partir de los datos socioeconomicos y academicos de los estudiantes de carreras de pregrado en la Universidad Arturo Prat, Chile. Para el desarrollo de este proyecto se utilizo CRISP-DM como metodologia para guiar las etapas del proyecto y se analizaron tres diferentes modelos de clasificacion: arboles de decision, metodos bayesianos y redes neuronales, con el fin de evaluar su comportamiento, encontrandose que Random Forest es el algoritmo de mejor desempeno general, con un 88,9% de exactitud, mientras que el algoritmo Naive Bayes resulto ser el mas adecuado para dar respuesta a los objetivos del negocio, dados los niveles de sensibilidad alcanzados. Mediante los experimentos realizados se determino que las variables academicas de ingreso de los estudiantes no resultan significativas para explicar la desercion de primer ano. Con estos resultados, la Universidad podra generar mejoras en los procesos criticos y en las variables que pudiesen intervenirse, haciendo mas eficiente su gestion y mejorando el bienestar del estudiante, y por ende, de la comunidad en la cual se encuentra inmersa.