[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-es-110":3,"doc-seo-127787-110":49,"doc-detail-127787-es":119},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},39,"Document","Cómic",60,"comic",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},43,"Estilo de Vida","lifestyle",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},38,"Examen","exam",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},44,"General","general",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},41,"Investigación e Informes","research-report",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},37,"Literatura","literature",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},22,"Relatos y Novelas","story-novel",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},42,"Religión y Espiritualidad","religion-spirituality",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},40,"Salud y Atención Médica","healthcare",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},24,"Tecnología","technology",{"code":4,"msg":50,"data":51},"ok",{"site_id":52,"language":53,"slug":54,"title":55,"keywords":56,"description":57,"schema_data":58,"social_meta":112,"head_meta":114,"extra_data":116,"updated_unix":118},110,"es","model-based-on-machine-learning-to-predict-the-approval-of-an-engineering-course","Modelo basado en Machine learning para predecir la aprobación de un curso de ingeniería","","La educación virtual y a distancia enfrenta la deserción en primera matrícula del curso “Introducción a la Ingeniería de Telecomunicaciones” de la UNAD. Para afrontarla, se desarrolló un modelo de minería de datos con metodología CRISP-DM usando 808 registros de estudiantes de 2021. Se evaluaron Random Forest, Tree Decision, KNN, SVM y Red Neural mediante validación cruzada k-10. Random Forest logró 80% de precisión para predecir la aprobación, habilitando estrategias proactivas de retención y mejora de indicadores, aun con diferencias frente a estudios previos.",{"@graph":59,"@context":111},[60,77,94],{"@type":61,"itemListElement":62},"BreadcrumbList",[63,68,71,74],{"item":64,"name":65,"@type":66,"position":67},"https://docshare.wps.com","Home","ListItem",1,{"item":69,"name":9,"@type":66,"position":70},"https://docshare.wps.com/es/document/",2,{"item":72,"name":27,"@type":66,"position":73},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":75,"name":55,"@type":66,"position":76},"https://docshare.wps.com/es/document/model-based-on-machine-learning-to-predict-the-approval-of-an-engineering-course/127787/",4,{"url":75,"name":55,"@type":78,"author":79,"headline":55,"publisher":82,"fileFormat":85,"inLanguage":53,"description":57,"dateModified":86,"datePublished":87,"encodingFormat":85,"isAccessibleForFree":88,"interactionStatistic":89},"DigitalDocument",{"name":80,"@type":81},"Ivy","Person",{"url":64,"name":83,"@type":84},"DocShare","Organization","application/pdf","2026-09-02","2026-08-05",true,{"@type":90,"interactionType":91,"userInteractionCount":93},"InteractionCounter",{"@type":92},"ViewAction",8,{"@type":95,"mainEntity":96},"FAQPage",[97,103,107],{"name":98,"@type":99,"acceptedAnswer":100},"¿Qué problema aborda el documento en el curso de ingeniería?","Question",{"text":101,"@type":102},"El documento aborda la deserción estudiantil en primera matrícula en el curso “Introducción a la Ingeniería de Telecomunicaciones” de la UNAD.","Answer",{"name":104,"@type":99,"acceptedAnswer":105},"¿Qué metodología y datos se utilizaron para construir el modelo?",{"text":106,"@type":102},"Se usó la metodología CRISP-DM y un dataset con 808 registros de estudiantes recolectados en distintos periodos académicos del año 2021.",{"name":108,"@type":99,"acceptedAnswer":109},"¿Qué algoritmo obtuvo el mejor rendimiento y con qué precisión?",{"text":110,"@type":102},"El modelo Random Forest obtuvo el mejor desempeño, alcanzando aproximadamente 80% de precisión para predecir la aprobación del curso.","https://schema.org",{"og:url":75,"og:type":113,"og:title":55,"og:site_name":83,"og:description":57},"article",{"robots":115,"canonical":75},"index,follow",{"doc_id":117,"site_id":52},127787,1785941661,{"code":4,"msg":5,"data":120},{"doc_id":117,"user_id":121,"nickname":80,"user_avatar":122,"doc_module":4,"category_id":26,"category_name":27,"doc_title":55,"doc_description":57,"doc_content":123,"file_id":124,"file_url":125,"file_type":126,"file_size":127,"view_count":93,"is_deleted":4,"is_public":67,"is_downloadable":67,"audit_status":67,"page_count":128,"language":129,"language_code":53,"site_id":52,"html_lang":53,"table_of_contents":130,"faqs":131,"seo_title":132,"seo_description":57,"update_tm":118,"read_time":133},1099523885074,"https://ap-avatar.wpscdn.com/davatar_9964176cb1d06d4a9deccf72a44ae3dc","Modelo basado en Machine learning para predecir laaprobación de uncurso de ingeniería  \nModel based on machine learning to predict the approval of an engineering course  \n1Fernando Luis Carrascal Porras, 2Wilson de Jesús Arrubla Hoyos, 3Luis Alfonso Flórez Prias, 4Daniel Francisco Chica Medrano  \n1,2,3,4Universidad Nacional Abiertay a Distancia, Colombia  \nRecibido: 20/10/2023 Aprobado 20/11/2023  \n\n| resuMen\u003Cbr>En el contexto de la educación virtual y a distancia, el curso “Introducción a la Ingeniería de Telecomunicaciones” de la Universidad Nacional Abierta y a Distancia (UNAD) ha enfrentado el desafío de la deserciónestudiantil en primera matrícula. Para abordar esta problemática, se realizó una investigación centrada en desarrollar un modelo de minería de datos basado en la metodología CRISP-DM. El estudio utilizó un dataset con 808 registros de estudiantes recopilados en distintos periodos académicos del año 2021. Se aplicaron diversastécnicas de machine learning, como Random Forest, Tree Decision, Knn, SVM y Neural Network, evaluando su desempeño mediante validación cruzada k-10. Los resultados revelaron que el modelo Random Forest obtuvo el mejor rendimiento, logrando predecir con un 80 % de precisión la aprobación del curso. Este modelo es relevante para identificar los estudiantes con riesgo de deserción temprana del curso, permitiendo la implementaciónde estrategias proactivas para hacer frente a la deserción y mejorar los indicadores del curso. Aunque algunos resultados fueron ligeramente inferiores a investigaciones anteriores, el modelo sigue siendo una herramientavaliosa para apoyar las estrategias de retención de los estudiantes en el curso “Introducción a la Ingeniería de Telecomunicaciones” de la UNAD.\u003Cbr>Palabras clave: clasificación predictiva, deserción estudiantil, Random Forest, retención, permanencia. |\n| --- |\n| Citación: Carrascal Porras, F. L. ., Arrubla Hoyos, W. de J. ., Florez Prias, L. A. ., & Chica Medrano, D. F. . (2023). Modelo basado en machine learning para predecir la aprobación de un curso de ingeniería. Publicaciones E Investigación, 17(4). [https://doi](https://doi). org/10.22490/25394088.7510 |\n| [1](1 fernando.carrascal@unad.edu.co /)[ fernando.carrascal@unad.edu.co /](1 fernando.carrascal@unad.edu.co /) [https://orcid.org/0000-0002-6674-7321](https://orcid.org/0000-0002-6674-7321)\u003Cbr>[2](2wilson.arrubla@unad.edu.co /)[wilson.arrubla@unad.edu.co /](2wilson.arrubla@unad.edu.co /) [https://orcid.org/0000-0001-7119-7603](https://orcid.org/0000-0001-7119-7603)[ ](https://orcid.org/0000-0001-7119-7603)3luis.florez@unad .edu .co / [https://orcid.org/0000-0002-5350-0119](https://orcid.org/0000-0002-5350-0119)\u003Cbr>[4](4 daniel.chica@unad.edu.co /)[ daniel.chica@unad.edu.co /](4 daniel.chica@unad.edu.co /) [https://orcid.org/0000-0001-7558-2461](https://orcid.org/0000-0001-7558-2461) |\n\n[https://doi.org/10.22490/25394088.7510](https://doi.org/10.22490/25394088.7510)  \nPublicaciones e Investigación. Bogotá - Colombia, edición especial Expotech, julio-diciembre 2023-ISSN: 1900-6608 e 25394088 1  \nFernando Luis Carrascal Porras, Wilson de Jesús Arrubla Hoyos, Luis Alfonso Flórez Prias, Daniel Francisco Chica Medrano  \nModelo basado en machine learning para predecir la aprobación de un curso de ingeniería  \nabstract  \nIn the context of virtual and distance education, the course “Introduction to Telecommunications Engineering” at the National Open and Distance University (UNAD) has faced the challenge of student attrition at first enrolment. To address this problem, a research study was carried out to develop a Data Mining model based on the CRISP-DM methodology. The study used a dataset with 808 student records collected in different academic periods of the year 2021. Several Machine Learning techniques were applied, such as Random Forest, Tree Decision, Knn, SVM and Neural Network, evaluating their performance through k-10 cross-validation. The results revealed that the Random Forest model obtained","cbCaisagqcxrWHVm","https://ap.wps.com/l/cbCaisagqcxrWHVm","pdf",447682,9,"Spanish","# Resumen\n# Introducción\n## Deserción estudiantil y SPADIES\n## Contexto de la UNAD y modalidad virtual","[{\"question\":\"¿Qué problema aborda el documento en el curso de ingeniería?\",\"answer\":\"El documento aborda la deserción estudiantil en primera matrícula en el curso “Introducción a la Ingeniería de Telecomunicaciones” de la UNAD.\"},{\"question\":\"¿Qué metodología y datos se utilizaron para construir el modelo?\",\"answer\":\"Se usó la metodología CRISP-DM y un dataset con 808 registros de estudiantes recolectados en distintos periodos académicos del año 2021.\"},{\"question\":\"¿Qué algoritmo obtuvo el mejor rendimiento y con qué precisión?\",\"answer\":\"El modelo Random Forest obtuvo el mejor desempeño, alcanzando aproximadamente 80% de precisión para predecir la aprobación del curso.\"}]","Modelo basado en Machine learning para predecir la aprobación de un curso de ingeniería | PDF",14]