Modelo predictivo de la mortalidad académica del programa de Ingeniería de Sistemas de la USTA Seccional Tunja basado en técnicas de Machine Learning

Aug 2, 2026

Subir por Quinn

El proyecto desarrolla un modelo predictivo con técnicas de machine learning para identificar casos de mortalidad académica asociados con la posible deserción en el programa de Ingeniería de Sistemas. El trabajo inicia con un análisis bibliométrico sobre investigaciones que aplican aprendizaje automático a la deserción. Luego consolida un dataset con información académica de estudiantes (2018-1 a 2021-2) e implementa ingeniería de características para seleccionar variables relevantes. Finalmente compara algoritmos, valida con validación cruzada y despliega un dashboard con factores y predicciones de riesgo de deserción.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas182

Tiempo de lectura4 h 40 min

AccesoGratis para descargar

Tabla de contenidos

Ficha técnica del proyecto

Planteamiento del problema

Justificación

Objetivos

Estado del arte

Modelo de desarrollo

Desarrollo del proyecto

Conclusiones y análisis de resultados

Referencias

Anexos

TÍTULO PROYECTO MODELO PREDICTIVO DE LA MORTALIDAD ACADÉMICA DEL PROGRAMA DEINGENIERÍA DE SISTEMAS DE LA USTA SECCIONAL TUNJA BASADO EN TÉCNICAS DE MACHINE LEARNING PROPONENTE(S) Juana Valentina Mendoza Santamaría 1049659604 2274474 DIRECTOR Ingeniera Martha Susana Contreras Ortiz Tunja 13 de junio del 2023 Tabla de Contenido 1. FICHA TÉCNICA DEL PROYECTO.....................................................................................3 2. PLANTEAMIENTO DEL PROBLEMA..................................................................................4 3. JUST IF ICACIÓN..................................................................................................................6 4. OBJET IVOS.........................................................................................................................8 5. ESTADO DEL ARTE............................................................................................................9 6. MODELO DE DESARROLLO............................................................................................18 7. DESARROLLO DEL PROYECTO......................................................................................20 8. CONCLUSIONES Y ANÁLISIS DE RESULTADOS..........................................................86 9. REFER ENCIAS..................................................................................................................89 10. AN EXOS.......................................................................................................................... 92 1. FICHA TÉCNICA DEL PROYECTO | Título | Modelo predictivo de la mortalidad académica del programade Ingeniería de Sistemas de la USTA Seccional Tunja basado en técnicas de Machine Learning | | --- | --- | | Autor | Juana Valentina Mendoza Santamaría | | Director del proyecto | Ingeniera Martha Susana Contreras Ortiz | | Palabras claves | Deserción Estudiantil, Educación Superior, Ingeniería de Sistemas, Machine Learning, Mortalidad Académica | | Descripción | | | El objetivo del proyecto consistió en desarrollar un modelo predictivo con técnicas de machine learning, que permitió identificar los casos de mortalidad académica que pueden conllevar a ladeserción de los estudiantes en el programa de ingeniería de sistemas. El trabajo inició con un análisis bibliométrico para recopilar los datos de las investigaciones que hayan implementado elaprendizaje automático en el estudio de la deserción académica. Asimismo, se indagó sobre lastécnicas de machine learning que mejor se ajustan al tema y las experiencias internacionales. Posteriormente, se consolidó el dataset a partir de la información académica de los estudiantes de ingeniería de sistemas durante los periodos 2018-1 al 2021-2. Después, se aplicó laingeniería de características para determinar cuáles eran las más relevantes para un predictor de deserción. De esta forma, se determinó el modelo de aprendizaje automático para lapredicción de estudiantes de ingeniería de sistemas en la universidad. Este proceso se realizó mediante la comparación de índices de desempeño, al utilizar diferentes algoritmos de machine learning con la información previamente recopilada. Posteriormente, se realizó la validación del modelo, mediante la técnica de la validación cruzada. Por último, se desplegó un dashboard con los factores que influyen en la deserción académica estudiantil y las predicciones de riesgo dedeserción en los estudiantes. | | 2. PLANTEAMIENTO DEL PROBLEMA Las instituciones de educación superior se enfrentan al desafiante reto de prevenir ladeserción estudiantil y, asimismo, los estudiantes experimentan diferentes problemáticas socioeconómicas, académicas, institucionales y personales que afectan su rendimiento y permanencia (Sierra & Hernández, 2014) . Para mitigar el riesgo de la deserción estudiantil, la gran mayoría de las universidades han implementado distintas estrategias, tales como: lacreac

Preguntas frecuentes

Cuál es el objetivo principal del modelo predictivo?

Desarrollar un modelo predictivo con machine learning para identificar casos de mortalidad académica que pueden conllevar a la deserción en Ingeniería de Sistemas.

Qué datos se utilizaron para construir el dataset?

La consolidación del dataset se realizó con la información académica de estudiantes del programa durante los periodos 2018-1 a 2021-2.

Cómo se validó el modelo y cómo se compararon los algoritmos?

Se compararon distintos algoritmos de machine learning mediante índices de desempeño y luego se realizó la validación del modelo usando validación cruzada.

Aug 2, 2026

Subir por Quinn