Modelo predictivo basado en Machine Learning como soporte para el seguimiento académico del estudiante universitario

Abstract

La educación universitaria con tanta antigüedad, aun en estos tiempos tiene el problema de gestionar el desempeño de los estudiantes de cara a obtener mejores resultados en cuanto a egresar, graduarse y/u obtener el título profesional, o incurrir en abandono de la carrera sin lograrlo, está tesis quiere contribuir en la búsqueda de una solución a través de la inteligencia artificial, machine learning y deep learning, con las limitaciones de la calidad y la cantidad de la data colectada, es por ello que se inició seleccionando los atributos más relevantes para proponer un modelo de predicción de aprendizaje profundo, se implementó un modelo inicial de red neuronal de 2 capas y se compararon con modelos alternos de 3, 4, 5, 6 y 7 capas con cantidades variables de neuronas entre ellos, los cuales fueron evaluados a través del ratio de precisión del conjunto de entrenamiento y de prueba, consiguiéndose un modelo capaz de tener una precisión de predicción de 98.97%, lo cual coadyuvará en el seguimiento eficiente a los estudiantes y poder de manera temprana orientar a los estudiantes con perfil de riesgo de abandono temporal o permanente de la carrera a conseguir sus metas, teniendo en cuenta que la variable que mayor incidencia tuvo fue el número de semestres cursado por el estudiante.