Resumen

TITO, Anthony Edwin Aco; CONDORI, Bryan Orlando Hancco  y  VERA, Yasiel Pérez. Análisis comparativo de Técnicas de Machine Learning para la predicción de casos de deserción universitaria. RISTI [online]. 2023, n.51, pp.84-98.  Epub 30-Sep-2023. ISSN 1646-9895.  https://doi.org/10.17013/risti.51.84-98.

La deserción universitaria afecta negativamente a muchos estudiantes, este suceso puede estar relacionado con problemas personales, cuestiones económicas, entre otros. Ante tal situación surge la importancia de desarrollar una forma de predecir estos casos, para esto se propuso el uso de técnicas de Machine Learning, las utilizadas fueron Regresión Logística, Naive Bayes, Red Neuronal Perceptrón Multicapa, Árbol de Decisión, Support Vector Machine y Random Forest; se seleccionó un Dataset, que pasó por una limpieza de datos, se corrigieron los datos faltantes y los valores atípicos; luego se eliminaron los registros cuya variable de salida era Matriculado, centrándose en los tipos Abandono y Graduado. Cada modelo fue entrenado y probado mediante validación cruzada con pliegues, finalmente, se compararon en función de métricas de precisión, exactitud y exhaustividad, donde se concluyó que la Regresión Logística es la técnica que mejores resultados proporciona para predecir la deserción universitaria en el dataset considerado.

Palabras clave : Análisis comparativo; Deserción Universitaria; Machine Learning; Predicción; Regresión Logística.

        · resumen en Inglés     · texto en Español     · Español ( pdf )