La predicción del desempeño académico de los estudiantes de ingeniería usando los resultados de la prueba icfes y datos demográficos
Introducción: este trabajo forma parte de un proyecto de investigación cuyo objetivo es construir un modelo predictivo para el rendimiento académico de los alumnos, como resultado de un proceso iterativo de experimentación y evaluación de la pertinencia de algunas técnicas de minería de datos.
Metodología: este trabajo fue escrito en el 2016 en la Universidad El Bosque, Bogotá, Colombia y presenta un análisis comparativo del desempeño y relevancia de los algoritmos J48 y Random Forest para identificar las variables más influyentes, demográficas y de resultados del icfes, así como las reglas de clasificación, para predecir el desempeño académico del primer año de los estudiantes de la Facultad deIngeniería, en
la Universidad El Bosque, Bogotá, Colombia.
Resultados: el proceso de análisis se realizó con 7644 expedientes de estudiantes, y se desarrolló en dos fases. En primer lugar, se extrajeron y prepararon los datos necesarios para alimentar el proceso de minería de datos. En segundo lugar, se implementó el proceso de minería de datos mediante el pre-procesamiento de datos y la ejecución de los algoritmos de clasificación disponibles en Weka. Se hallaron algunas variables significativas y reglas para predecir el rendimiento académico, según las características de la población estudiada.
Conclusiones: el riesgo académico, visto como la causa del fenómeno de deserción, debe ser estudiado como un fenómeno en sí mismo. Establecer sus orígenes facilita la creación de estrategias preventivas para el acompañamiento de los estudiantes durante su proceso, que mitiguen el riesgo de ambos fenómenos.
Cómo citar
Licencia
Derechos de autor 2017 Ingeniería solidaria
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Compromiso ético y cesión de derechos
El autor debe declarar que su trabajo es original e inédito y que no se ha postulado a evaluación simultánea para su publicación por otro medio. Además, debe asegurar que no tiene impedimentos de ninguna naturaleza para la concesión de los derechos previstos en el contrato.
El autor se compromete a esperar el resultado de evaluación de la revista Ingeniería Solidaria, antes de considerar su presentación a otro medio; en caso de que la respuesta de publicación sea positiva, adicionalmente, se compromete a responder por cualquier acción de reivindicación, plagio u otra clase de reclamación que al respecto pudiera sobrevenir por parte de terceros.
Asimismo, debe declarar que, como autor o coautor, está de acuerdo por completo con los contenidos presentados en el trabajo y ceder todos los derechos patrimoniales, es decir, su reproducción, comunicación pública, distribución, divulgación, transformación, puesta a disposición y demás formas de utilización de la obra por cualquier medio o procedimiento, por el término de su protección legal y en todos los países del mundo, al Fondo Editorial de la Universidad Cooperativa de Colombia, de manera gratuita y sin contraprestación presente o futura.
C. Guzman et al., Deserción estudiantil en la educación superior colombiana. Metodología de seguimiento, diagnóstico y elementos para su prevención, Bogotá: Ministerio de Educación Nacional,2009, p. 156. Available: http://www.mineducacion.gov.co/sistemasdeinformacion/1735/articles-254702_libro_desercion.pdf
MinEducación, “Pruebas Saber”, Mineducación, Aug. 26, 2010. Available: http://www.mineducacion.
gov.co/1759/w3-article-244735.html
Centro de Estudios sobre Desarrollo Económico, cede, “Informe Determinantes de la deserción. Informe mensual sobre el soporte técnico y avance del contrato para garantizar la alimentación,
consolidación, validación y uso de la información del spadies”, Centro de Estudios sobre Desarrollo
Económico, cede, Facultad de Economía, Universidad de los Andes, Bogotá, Colombia, Feb. 14,
N. Suárez-Montes & L. B. Díaz-Subieta, “Estrés académico, deserción y estrategias de retención de
estudiantes en la educación superior”, Revista de Salud Pública, vol. 17, no. 2, pp. 300-313, 2015. doi:
15446/rsap.v17n2.52891
M. Astudillo, “Factores de riesgo asociados a la deserción estudiantil en la Universidad icesi”, Tesis
de grado, Facultad de Ciencias Administrativas y Económicas, Programa de Economía, Universidad
icesi, Santiago de Cali, Colombia, Mayo, 2013. Available: https://repository.icesi.edu.co/biblioteca_digital/bitstream/10906/71417/1/factores_riesgo_asociados.pdf
J. C. de la Rosa, R. Linero, I. Meriño & O. Rodríguez, “Acompañamiento de estudiantes en alto riesgo académico”, in Encuentro Internacional de Educación en Ingeniería acofi 2014, Cartagena de Indias, Colombia, Oct. 7-10, 2014, pp. 118-119.
F. Barrero, C. Barrero, H. Borja & M. Montaño. “Factores de riesgo asociados a la deserción estudiantil universitaria en programas de pregrado de la Universidad de San Buenaventura, Bogotá (2009-
”, Academia y Virtualidad, vol.2, no. 8, pp. 60-72, 2015. Available: http://revistas.unimilitar.edu.
co/index.php/ravi/article/view/1423. doi: //dx.doi.org/10.18359/ravi.1423
E. P. Ibarra García & P. Medina Mora, “Model prediction of academic performance for first year students”, in micai 2011: 10th Mexican International Conference on Artificial Intelligence, Puebla, Mexico, Nov. 26-Dec. 4, 2011, pp. 169-174.
S. Taruna & M. Pandey, “An empirical analysis of classification techniques for predicting academic performance”, in 2014 ieee International Advance Computing Conference (iacc), Gurgaon, India, Feb. 21-22, 2014. Available: http://ieeexplore.ieee.org/document/6779379. doi: 10.1109/IA-dCC.2014.6779379
G. Gray, C. McGuinness & P. Owende, “An application of classification models to predict learner
progression in tertiary education”, in 2014 ieee international Advance Computing Conference
(iacc), Gurgaon, India, Feb. 21-22, 2014. Available: http://ieeexplore.ieee.org/document/6779384. doi:
1109/IAdCC.2014.6779384
N. Thai Nghe, P. Janecek & P. Haddawy, “A comparative analysis of techniques for predicting academic performance”, in 37th Annual Frontiers in Education Conference. Global Engineering: Knowledge Without Borders - Opportunities Without Passports, Milwaukee, Wisconsin, Oct. 10-13, 2007. Available: http://iee-explore.ieee.org/document/4417993. doi: 10.1109/FIE.2007.4417993
S. M. Merchán Rubiano & J. A. Duarte García. “Formulation of a predictive model for academic
performance based on students’ academic and demographic data”, in 2015 ieee Frontiers in Education Conference (fie), El Paso, Texas, Oct. 21-24, 2015. Available: http://ieeexplore.ieee.org/document/7344047. doi: 10.1109/FIE.2015.7344047.
S. M. Merchán Rubiano & J. A. Duarte García. “Analysis of data mining techniques for constructing a predictive model for academic performance”, Latin America Transactions, vol. 14, no. 6, pp. 2783-2788, 2016. Available: http://ieeexplore.ieee.org/document/7555255. doi: 10.1109/TLA.2016.7555255.
S. M. Merchán Rubiano & J. A. Duarte García, “Analysis of data mining techniques for constructing a predictive model for academic performance”, in unesco-unir ict & Education Latam Congress
, Online, June, 22-24, 2016, pp. 39-48.
Machine Learning Group at the University of Waikato, Weka 3: Data Mining Software in Java,
The University of Waikato, Hamilton, New Zealand. Available: http://www.cs.waikato.ac.nz/ml/weka
