Modelo predictivo para estimar la deserción de estudiantes en la carrera de medicina de la Universidad Nacional de La Matanza
DOI:
https://doi.org/10.54789/rs.v2i1.20Palabras clave:
abandono escolar, inteligencia artificial, valor predictivo de las pruebasResumen
Introducción: La aplicación de un modelo de Inteligencia Artificial (IA) puede determinar el conjunto de datos socio económico financieros obtenidos al ingreso de cada estudiante a la carrera de medicina de la Universidad Nacional de la Matanza y su relación con la deserción voluntaria.
Materiales y métodos: Se llevó a cabo un estudio longitudinal y analítico. Las herramientas de observación y análisis fueron: 1. datos socioeconómico-familiares que surgen de una encuesta voluntaria a todos los estudiantes de medicina al ingreso a la carrera en el período 2012-2018. 2. datos del rendimiento académico de los estudiantes durante la carrera. Se aplicó un programa de IA denominado Orange Canvas a los contenidos de las bases de datos antes mencionadas, que consiste en una herramienta de minería de datos que proporciona una serie de complementos para el análisis, visualización y modelado de datos.
Resultados: El modelo “Random Forest” del programa logró un 72% de precisión, incrementándose al 76,7% con el modelo Test and Score. Finalmente, con el modelo KNN la precisión para predecir deserción ascendió al 87,2%.
Conclusión: Después de realizar todas las pruebas al conjunto de datos de la encuesta inicial y el conjunto de datos de las materias aprobadas por el estudiante surge que el modelo KNN de la herramienta de IA alcanza el mejor nivel de predicción (87,2%) para predecir deserción.
Citas
Fishbein M, Ajzen I. Attitudes toward objects as predictors of simple and multiple behavioural criteria. Psycological Review. 1975. 81:59-74.
Durkheim E. Suicide: A study in sociology (Internet) New York: Free Press. Disponible en https://www.gacbe.ac.in/images/E%20books/Durkheim%20-%20Suicide%20-%20A%20study%20in%20sociology.pdf
Cabrera A, Nora A, Castañeda M. The role of finances in the persistence process: A structural model. Res High Educ. 1992. 33:(5):303-336.
Cabrera A, Nora A, Castañeda M. College Persistence: Structural Equations Modelling Test of Integrated Model of Student Retention. J Higher Educ. 1993. 64(2):123-320.
Bernal E, Cabrera A, Terenzini P. The relationship between race and socioeconomic status (SES): Implications for institutional research and admissions policies. Removing Vestiges: Research-based strategies to promote inclusion. American Association of Community Colleges. 2000. (3):6-19.
St. John E, Cabrera A, Aker N, Asker E. Economic influences on persistence. In: J. M. Braxton. Reworking the student departure puzzle: new theory and research on college student retention. Nashville: Vanderbilt University Press. 2000. 29-47
Berger J, Milem J. Organizational Behavior in Higher Education and Student Outcomes. In: J. Smart (Ed.), Higher Education: Handbook of theory and research. 2000. (15):268-338.
Tinto V. Limits of theory and practice of student attrition. J Higher Educ. 1982. 3(6):687-700.
Spady WG. Dropouts from higher education: An interdisciplinary review and synthesis. Interchange. 1970. (1):64–85.
Nye J. Independence and Interdependence. Foreign Policy. Spring. 1976. (22):130-161.
Bean J. Student Attrition. Intensions and Confidence: Res High Educ. 1980. (17):291-320.
Bean JP, Metzner BS. A conceptual model non-traditional undergraduate student attrition. Rev Educ Res. 1985. 55(4):485-540.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 ReDSal
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
