Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático

El presente trabajo, que forma parte de un proyecto de investigación y desarrollo de la Universidad Católica de Santiago del Estero (UCSE), aborda la problemática de la deserción de alumnos en las carreras de dicha universidad, generando modelos que permitan identificar a aquellos estudiantes con al...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Cassina, Paula, Giay, Florencia, Knoll, Gonzalo, Vera, Marcela
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Ciencias Informáticas
Minería de datos educacionales
Aprendizaje automático
Modelos predictivos
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/177199
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-177199
record_format dspace
spelling I19-R120-10915-1771992025-03-07T20:07:04Z http://sedici.unlp.edu.ar/handle/10915/177199 Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático Cassina, Paula Giay, Florencia Knoll, Gonzalo Vera, Marcela 2024-08 2024 2025-03-07T18:14:00Z es Ciencias Informáticas Minería de datos educacionales Aprendizaje automático Modelos predictivos El presente trabajo, que forma parte de un proyecto de investigación y desarrollo de la Universidad Católica de Santiago del Estero (UCSE), aborda la problemática de la deserción de alumnos en las carreras de dicha universidad, generando modelos que permitan identificar a aquellos estudiantes con altas probabilidades de desertar. El objetivo es prever estos casos y actuar ante estas circunstancias, permitiendo a las autoridades definir estrategias para reducir la deserción. Para alcanzar estos objetivos, se aplicaron técnicas de minería de datos y machine learning centradas en el aprendizaje automático, las cuales permitieron generar modelos predictivos para discernir y predecir de manera precisa si un estudiante abandonará una determinada carrera. Los modelos utilizados fueron KNeighbors, Random Forest, Gradient Boosting y Multilayer Perceptron, utilizando como fuente de datos un dataset generado a partir de la información proporcionada por el Sistema de Gestión Académica de la Universidad Católica de Santiago del Estero. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 23-36
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Minería de datos educacionales
Aprendizaje automático
Modelos predictivos
spellingShingle Ciencias Informáticas
Minería de datos educacionales
Aprendizaje automático
Modelos predictivos
Cassina, Paula
Giay, Florencia
Knoll, Gonzalo
Vera, Marcela
Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
topic_facet Ciencias Informáticas
Minería de datos educacionales
Aprendizaje automático
Modelos predictivos
description El presente trabajo, que forma parte de un proyecto de investigación y desarrollo de la Universidad Católica de Santiago del Estero (UCSE), aborda la problemática de la deserción de alumnos en las carreras de dicha universidad, generando modelos que permitan identificar a aquellos estudiantes con altas probabilidades de desertar. El objetivo es prever estos casos y actuar ante estas circunstancias, permitiendo a las autoridades definir estrategias para reducir la deserción. Para alcanzar estos objetivos, se aplicaron técnicas de minería de datos y machine learning centradas en el aprendizaje automático, las cuales permitieron generar modelos predictivos para discernir y predecir de manera precisa si un estudiante abandonará una determinada carrera. Los modelos utilizados fueron KNeighbors, Random Forest, Gradient Boosting y Multilayer Perceptron, utilizando como fuente de datos un dataset generado a partir de la información proporcionada por el Sistema de Gestión Académica de la Universidad Católica de Santiago del Estero.
format Objeto de conferencia
Objeto de conferencia
author Cassina, Paula
Giay, Florencia
Knoll, Gonzalo
Vera, Marcela
author_facet Cassina, Paula
Giay, Florencia
Knoll, Gonzalo
Vera, Marcela
author_sort Cassina, Paula
title Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
title_short Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
title_full Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
title_fullStr Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
title_full_unstemmed Análisis de la deserción en las carreras universitarias de UCSE : Construcción de modelos predictivos utilizando técnicas de aprendizaje automático
title_sort análisis de la deserción en las carreras universitarias de ucse : construcción de modelos predictivos utilizando técnicas de aprendizaje automático
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/177199
work_keys_str_mv AT cassinapaula analisisdeladesercionenlascarrerasuniversitariasdeucseconstrucciondemodelospredictivosutilizandotecnicasdeaprendizajeautomatico
AT giayflorencia analisisdeladesercionenlascarrerasuniversitariasdeucseconstrucciondemodelospredictivosutilizandotecnicasdeaprendizajeautomatico
AT knollgonzalo analisisdeladesercionenlascarrerasuniversitariasdeucseconstrucciondemodelospredictivosutilizandotecnicasdeaprendizajeautomatico
AT veramarcela analisisdeladesercionenlascarrerasuniversitariasdeucseconstrucciondemodelospredictivosutilizandotecnicasdeaprendizajeautomatico
_version_ 1847925351758430208

Ejemplares similares