ML para prevenir la deserción en universidades privadas de Bogotá

Abstract

La deserción estudiantil es un problema significativo en las universidades colombianas, con diversas causas que van desde dificultades económicas hasta bajo rendimiento académico. Sin embargo, las universidades enfrentan desafíos para identificar de manera temprana a los estudiantes en riesgo de abandonar sus estudios, lo que limita las intervenciones oportunas. A pesar de las estrategias tradicionales, como el apoyo académico o financiero, no se aprovecha de manera eficiente el potencial de los datos disponibles para predecir este fenómeno. El uso de machine learning ofrece una solución innovadora para abordar este desafío. Mediante el análisis de grandes volúmenes de datos, como calificaciones, asistencia y factores socioeconómicos, es posible crear modelos predictivos que permitan identificar a los estudiantes en riesgo de deserción de manera temprana. Esto facilitaría la implementación de estrategias preventivas personalizadas, que aumenten las probabilidades de retención estudiantil. Este trabajo busca desarrollar una monografía que explore el diseño, implementación y evaluación de un sistema predictivo basado en machine learning para la detección temprana de la deserción estudiantil en universidades privadas colombianas en la ciudad de Bogotá. Al hacerlo, se pretende contribuir a la mejora de la calidad educativa y la equidad en el acceso a la educación superior en el país.