Revista de Ciencias
Sociales (RCS)
Vol. XXX, No. 1,
Enero - Marzo 2024. pp. 452-469
FCES - LUZ ●
ISSN: 1315-9518 ● ISSN-E: 2477-9431
Como
citar: Villarreal-Torres, H., Ángeles-Morales, J., Marín-Rodriguez, W., y Cano-Mejía,
J. (2024). Modelo de clasificación para la deserción estudiantil en las
universidades públicas del Perú. Revista De Ciencias Sociales, XXX(1),
452-469.
Modelo de
clasificación para la deserción estudiantil en las universidades públicas del
Perú
Villarreal-Torres,
Henry*
Ángeles-Morales,
Julio**
Marín-Rodriguez,
William***
Cano-Mejía,
Jenny****
Resumen
Las tecnologías de información y comunicación cumplen un rol relevante en
los diferentes campos del conocimiento, actualmente existe mayor capacidad para
identificar patrones y anomalías en los datos de una organización utilizando la
inteligencia artificial; el estudio tuvo como objetivo desarrollar un modelo de
clasificación para la deserción estudiantil aplicando aprendizaje automático
con el método autoML del framework H2O.ai, se ha tenido en cuenta la
dimensionalidad de las características socioeconómicas y académicas. La
metodología empleada fue de tipo predictivo y diseño no experimental,
observacional y prospectivo; para ello, se aplicó un cuestionario de 20 ítems a
237 estudiantes de la Escuela de Posgrado matriculados en los programas de
maestrías en educación. La investigación tuvo como resultado un modelo de
aprendizaje automático supervisado, máquina de refuerzo de gradiente, para
clasificar la deserción estudiantil, logrando así identificar los principales
factores asociados que influyen en la deserción, obteniendo un coeficiente Gini
del 92.20%, AUC del 96.10% y un LogLoss del 24.24% representando un modelo con
desempeño eficiente. Se concluye que el modelo es apropiado por sus métricas de
rendimiento, ofreciendo ventajas como trabajar con datos desequilibrados,
validación cruzada y realizar predicciones en tiempo real.
Palabras
clave: Aprendizaje automático; deserción estudiantil;
educación superior; minería de datos; H2O.ai.
Classification model for
student dropout in public universities in Peru
Abstract
Information and communication technologies play a
relevant role in different fields of knowledge. Currently, there is a greater
capacity to identify patterns and anomalies in an organization's data using
artificial intelligence; The study aimed to develop a classification model for
student dropout by applying machine learning with the autoML method of the
H2O.ai framework, taking into account the dimensionality of socioeconomic and
academic characteristics. The methodology used was predictive and
non-experimental, observational and prospective in design; To this end, a
20-item questionnaire was applied to 237 students from the Graduate School
enrolled in master's degree programs in education. The research resulted in a
supervised machine learning model, gradient boosting machine, to classify
student dropout, thus identifying the main associated factors that influence
dropout, obtaining a Gini coefficient of 92.20%, AUC of 96.10% and a LogLoss of
24.24% representing a model with efficient performance. It is concluded that
the model is appropriate for its performance metrics, offering advantages such
as working with unbalanced data, cross validation and making predictions in
real time.
Keywords: Machine learning;
student attrition; higher education; data mining; H2O.ai.
Introducción
La educación es fundamental para el desarrollo y
el bienestar de una sociedad, por tanto, los estudiantes son la razón de ser de
cualquier institución educativa. El desarrollo social y económico de un país
está directamente relacionado con el rendimiento académico de sus estudiantes
(Mushtaq y Khan, 2012). En el 2014 la Ley Universitaria No. 30220, crea la
Superintendencia de Educación Superior Universitaria (SUNEDU), organismo que
implementó el modelo de licenciamiento institucional. Ante la exigencia de
cumplimiento de las condiciones básicas de calidad, es una buena opción
gestionar la educación con las tecnologías de información según la propuesta de
Villarreal-Torres et al. (2021); y, Briñez (2021), para tener la información
disponible en el momento oportuno.
La deserción universitaria, es un problema
relacionado al estudiante como responsable directo, generando preocupación en
sus directivos por conocer las probabilidades de no culminación de estudios,
influyendo negativamente en el desarrollo académico y económico de la institución;
motivo por el cual, se pretende identificar patrones de comportamiento en los
estudiantes, mediante la minería de datos, analizando los factores
socioeconómicos y académicos para implementar estrategias específicas que
coadyuven a mantener una economía sostenible en el tiempo, evitando el alto
índice de riesgo de abandono de estudios. Específicamente en el ámbito de las
universidades, y particularmente en las escuelas de postgrado, resulta
necesario cumplir con estándares de calidad en lo referente a la oferta del
servicio educativo (Díaz-Landa, Meleán-Romero y Marín-Rodriguez, 2021).
En el Perú se
ha incrementado significativamente antes y aún más después de la pandemia de
Covid-19, es por ello, que las universidades públicas necesitan identificar e
implementar programas para disminuir la deserción estudiantil (Valero et al.
2022). Este problema se agudizo durante
el Covid-19 ocasionando un impacto negativo en la mayoría de los sectores
productivos, conduciendo a algunas instituciones educativas a implementar
estrategias para revertir la situación de abandono de estudios (Moreno et al.,
2021; Félix, Urrea y López, 2023; Villarreal-Torres et al., 2023). Por ello “son múltiples las aplicaciones de
inteligencia artificial [que] utilizan técnicas de minería de datos para
descubrir patrones importantes y obtener información útil de sistemas de
información de registros académicos” (Díaz et al. 2022, p. 198).
El informe de la Organización para la
Cooperación y el Desarrollo Económicos (Organisation
for Economic Co-operation and Development [OECD], 2019), indica que el 39% de los
estudiantes a tiempo completo que ingresan a un programa se gradúan dentro de
la duración teórica; asimismo, la tasa promedio de finalización posterior a los
tres años adicionales corresponde a un incremento del 67%. Por otra parte, el
12% de ingresantes a un programa a tiempo completo abandonan sus estudios antes
del inicio del segundo; asimismo, muestra un incremento del 20% al final de la
duración teórica y al 24% posterior a los tres años.
En el Perú, las cifras sobre la evolución de
matrículas según la Superintendencia Nacional de Educación Superior (SUNEDU,
2020) en el nivel de pregrado durante el 2018, fue de 1.59 millones cifra que
se ha reducido en 1.34 millones de estudiantes en el 2020, interpretado con un
15,7% de diferencia entre los periodos; en el caso, de posgrado se tiene una
reducción de 27,7%, puesto que durante el 2018 se tuvo 131.9 mil y en el periodo
2020 se contó con 95.4 mil estudiantes matriculados. Según el Diario Oficial El
Peruano (2021), se detalla que en las universidades
licenciadas a nivel nacional indican que el porcentaje de interrupción de
estudios ha decrecido en 4,7%; es decir, de un 16,2% ha disminuido a un 11,5%
entre los semestres 2020-II y 2021-I.
La investigación estuvo enmarcada en la
producción de un nuevo conocimiento mediante la propuesta del modelo de
clasificación, además se corroboró la teoría de deserción estudiantil sostenida
por Díaz (2008). El objetivo de la investigación fue desarrollar un modelo de
clasificación de deserción en estudiantes de los programas de estudio de
educación mediante aprendizaje automático y técnicas de minería de datos
aplicando autoML de H2O.ai, a fin de
que los estudiantes, con potencial de deserción, puedan ser identificados por
las autoridades para tomar las medidas correctivas pertinentes.
1.
Fundamentación teórica
1.1.
Minería de datos
La minería de datos utiliza el análisis matemático
y estadístico para encontrar patrones y tendencias en grandes conjuntos de
datos. La exploración de datos tradicional no puede descubrir estos patrones
debido a la complejidad o a las grandes cantidades de datos (Microsoft Learn,
2023). Utilizan métodos estadísticos y algoritmos de inteligencia artificial
para encontrar patrones en conjuntos de datos masivos (Camborda, 2014). Sus
métodos de clasificación, agrupación y predicción hacen que tenga éxito
(Zárate-Valderrama et al., 2021). Dole y Rajurkar (2014), pronostican la
culminación y el estado de aprobado/reprobado utilizando el algoritmo Naive
Bayes y el árbol de decisión.
En definitiva, la minería de datos
debe utilizarse con cuidado y responsabilidad para garantizar que se respeta el
derecho a la privacidad de las personas y se obtengan conclusiones precisas y
útiles. Es una técnica importante que ha transformado la forma en que las
organizaciones gestionan y toman decisiones basadas en grandes cantidades de
datos.
1.2.
Aprendizaje automático
Kodelja (2019), sostiene que es un subconjunto
de la inteligencia artificial; además, afirma que es aprendizaje y no otra
cosa; mientras que otros -incluidos los filósofos- rechazan la afirmación que
es un aprendizaje real, para ellos, el aprendizaje real es la forma más elevada
del aprendizaje humano. Por su parte, Xu y Li (2014), manifiestan que es un
método esencial para tratar los problemas de adquisición de conocimientos; se
refiere a la construcción y el estudio de sistemas que pueden aprender de los
datos.
Samuel (2000), lo define como el campo de
estudio donde los ordenadores tienen la capacidad de aprender, sin ser
programados explícitamente. Dwi, Prasetya y Pujianto (2018), sostienen que se
enfoca en desarrollar un sistema que sea capaz de aprender de sus propios
patrones sin intervención humana, su aplicación se encuentra en varios campos.
El aprendizaje automático, es la capacidad de
los sistemas informáticos para aprender y evolucionar de forma autónoma a
partir de datos a través del tiempo; el cual se está convirtiendo en una
herramienta indispensable para la adquisición de conocimientos en diversas
áreas; aunque con algunas limitaciones, sus aplicaciones son innovadoras y
eficientes para la solución de problemas reales.
1.3. Tipos de aprendizaje automático
Jung (2022), describe dos tipos de aprendizaje automático;
el primero, como aprendizaje supervisado, que emplea un conjunto de datos
etiquetados para su predicción, se divide en regresión y clasificación; el
segundo, como aprendizaje no supervisado, al conjunto de datos que no necesita etiquetas; permite a los
analistas descubrir patrones de comportamientos o similitudes entre las
características, solo se basa en la subdivisión o el agrupamiento (Chatterjee
et al., 2023). Existiendo el aprendizaje por refuerzo, similar al aprendizaje
no supervisado, puede evaluar la función de perdida; en estos casos, aprende de
las experiencias de prueba y error dependiendo de la retroalimentación y su
factor o agente para tener un desempeño eficiente
(Sharmeela et al., 2023).
Es de vital importancia conocer las
múltiples formas de aprendizaje automático y sus propias características,
fortalezas y debilidades de cada una de ellas; en tal sentido, es esencial la
selección del tipo de aprendizaje automático para desarrollar modelos de
predicción en la solución de problemas originados en diversas ramas del
conocimiento.
1.4.
AutoML
AutoML, es el aprendizaje automático de las
maquinas, Nagarajah y Poravi (2019), lo describen como un proceso que tiene la
capacidad de elaborar modelos a la medida, reduciendo de manera considerable la
intervención de las personas; además, de realizar el preprocesamiento de los
datos, la ingeniería de variables, la construcción de modelos, la optimización
de hiperparámetros y el análisis de los resultados de las predicciones y su
respectiva evaluación.
El desarrollo del aprendizaje automático de
máquinas ha permitido, en gran medida, agilizar las operaciones de desarrollo
del aprendizaje de máquina que requieren mucho tiempo, pretendiendo reducir la
demanda de los científicos de datos y tener la capacidad de construir
aplicaciones de aprendizaje automático de buen rendimiento, sin necesidad de
tener amplios conocimientos de estadística y aprendizaje de máquinas (Zöller y
Huber, 2021).
Mediante la implementación del autoML, se puede
lograr la automatización del proceso de desarrollo del aprendizaje automático,
lo que a su vez hace posible producir aplicaciones de aprendizaje automático de
alto rendimiento de una manera rápida y eficiente, sin la necesidad de tener
amplios conocimientos de estadística e informática. Actualmente, el número de
librerías desarrolladas ha aumentado significativamente, lo que hace posible
que las organizaciones desplieguen soluciones innovadoras de una manera simple
y eficaz.
1.5. Plataforma
H2O.ai
LeDell y Poirier (2020), expresan que H2O es una
plataforma de aprendizaje automático distribuido de código abierto, se creó
para escalar a conjuntos de datos extremadamente grandes. Sus interfaces de
programación de aplicaciones (API) están escritas en R, Python, Java y Scala. Los pasos para realizar el proceso de automatización
mediante H2O.autoML son: La recopilación de datos, exploración de datos,
preparación de datos, transformación de datos, selección del modelo, entrenamiento
del modelo, ajustes de hiperparámetros y finalmente, la predicción (Ajgaonkar,
2022).
La plataforma H2O, es una herramienta que viene
ganando popularidad para quienes trabajan con enormes conjuntos de datos y buscan
automatizar el proceso de aprendizaje automático; además, cuenta con interfaces
de programación de aplicaciones (API) haciéndola accesible para usuarios
avanzados de la comunidad de aprendizaje automático.
1.6.
Selección de características
Para el desarrollo de un modelo de aprendizaje
automático, es necesario realizar la selección de características, tiene como
finalidad identificar la interacción de las variables dependientes para tener
el mejor desempeño predictivo; este proceso es relevante porque permite conocer
las variables que aportan significativamente al modelo predictivo, permitiendo
así, reducir el número de variables, tiempo, velocidad y despliegue; haciendo
que el modelo sea menos complejo y más fácil de explicar (Haque, 2022).
Se tiene tres clases de métodos para la
selección de características según Khun y Jhonson (2019): Los métodos
intrínsecos, comprenden a los modelos basados en árboles y reglas, los modelos
multivariados de regresión adaptativa y los modelos de regularización; los
métodos de filtro, son simples y rápidos mediante un análisis supervisado
determinan las características, son propensos a sobre seleccionar predictores
en el modelo. Finalmente, los métodos de envoltura, que usan procedimientos de
búsqueda iterativos, proporcionando subconjuntos de predictores para el modelo
teniendo mayor eficacia en el rendimiento de la predicción.
El proceso de selección de características, es
un paso esencial en la construcción de modelos de aprendizaje automático, donde
se utilizan a menudo enfoques como las técnicas intrínsecas, de filtro y de
envoltura, para identificar las variables que aportan significativamente al
modelo predictivo; además, la selección de características tiene como propósito
la reducción de recursos que conlleva a una adecuada comprensión e
interpretación del modelo desarrollado. En grandes volúmenes de datos, la
selección de características puede conllevar a resultados sesgados o
incompletos.
1.7.
Deserción estudiantil
Tinto (1982); y, Félix et al. (2023), definen la
deserción como una situación en la que un estudiante no logra terminar su
educación o se aleja de ella de manera temporal o permanente; por lo tanto, un
desertor sería aquel que está inscrito en una institución de educación
superior, pero no presenta actividad académica durante tres semestres
académicos seguidos. González (2005), diferencia dos tipos de abandono en la
educación superior universitaria; la primera, con respecto al tiempo (inicial,
temprana y tardía); y la segunda, con respecto al espacio (institucional,
interna y del sistema educativo).
Tinto (1989), afirma que durante el periodo de
transición se producen los abandonos; específicamente, y tal como lo señalan
Duche et al. (2020), la transición secundaria-universitaria, siendo los más
frecuentes los abandonos voluntarios. Díaz (2008), presentó los modelos de
análisis de la deserción estudiantil, con el propósito de analizar el fenómeno
de la deserción inherente a la vida estudiantil universitaria, describiendo las
teorías desde diversos puntos de vista:
a.
Modelo psicológico: Indica
los rasgos de personalidad que establecen las diferencias entre los estudiantes
que culminan y abandonan sus estudios universitarios; se fundamenta en las
propuestas de Fhisbein y Ajzen (1974), quienes sostienen la Teoría de la Acción
Razonada; Ethington (1990), quien se basa en el Modelo de Elección Académica
sostenido por Eccles, Adler y
Meece (1984), para insertar teorías
sobre conductas de logro, como el rendimiento académico que afecta al
estudiante. Finalmente, Bean y Eaton (2001) fundamentan los procesos
psicológicos con la integración académica y social sustentados en cuatro
teorías psicológicas: Teoría de Actitud y Comportamiento; Teoría del
Comportamiento de Copia, la Habilidad para Entrar y Adaptarse a un Nuevo
Ambiente; la Teoría de Autoeficacia; y, la Teoría de Atribución.
b.
Modelo sociológico: Hace énfasis en los factores externos de los
estudiantes, los cuales influencian en la deserción estudiantil; Spady (1970),
manifiesta que una de las causas de la deserción, es la integración social en
la universidad, generada por las influencias, expectativas y demandas dadas en
el medio familiar. Asimismo, propone seis predictores para la deserción
estudiantil: Integración académica, integración social, estado socioeconómico,
género, calidad de carrera y el promedio de cada semestre.
c.
Modelo económico: Está basado en dos modelos: El primero,
Costo/Beneficio, está relacionado a los beneficios sociales y económicos que
perciben los estudiantes para permanecer en la universidad; el segundo,
Focalización del Subsidio, está orientado a los estudiantes con bajos recursos
o limitaciones para costear sus estudios (Cabrera, Nora y Castañeda, 1992; 1993; Bernal, Cabrera y
Terenzini, 2000; St. John et al.,
2000).
d.
Modelo organizacional: Se fundamenta en la forma cómo la organización
integra a los estudiantes (Berger, 2000; 2001; Kuh 2002).
e.
Modelo de interacción: Sostiene que la permanencia en la institución
está en función del grado de acoplamiento del estudiante con la institución
(Tinto, 1982), se complementa con el modelo de Spady (1970), en el que se
incorpora la teoría de intercambio de Nye (1976).
La deserción estudiantil en el sistema universitario, es un
problema complejo ocasionado por diversos factores como sociales, económicos,
personales, familiares, académicos, psicológicos, entre otros, desarrollados
dentro de su entorno y experiencias; los cuales deben ser analizados desde
diferentes puntos de vista con el propósito de brindar una solución integral y
permita a los estudiantes finalizar sus estudios. La reducción de la deserción
estudiantil puede lograrse desde un análisis de la personalidad, seguido de la
integración social y académica, optimización de costos y beneficios brindados
por el servicio educativo, hasta el grado de articulación o acoplamiento entre
el estudiante y la institución.
1.8.
Dimensiones de la deserción estudiantil
Las variables consideradas, con mayor
frecuencia, en los modelos teóricos relacionados a la deserción estudiantil
fueron consolidadas en el estudio realizado por Díaz (2008), se consideran
cuatro categorías, las individuales (edad, género, grupo familiar e
integración, social); las académicas (orientación profesional, desarrollo
intelectual, rendimiento académico, métodos de estudios, procesos de admisión,
grados de satisfacción de la carrera y carga académica); las institucionales
(normativas académicas, financiamiento estudiantil, recursos universitarios,
calidad del programa o carrera y relación con los profesores y pares); y las
socioeconómicas (estrato socioeconómico, situación laboral del estudiante,
situación laboral de los padres y nivel educacional de los padres).
2. Metodología
La metodología utilizada estuvo basada
en el enfoque cuantitativo, en virtud al análisis y procesamiento de datos
numéricos para detectar patrones y relaciones entre las variables de estudio;
con respecto al tipo de investigación corresponde un estudio predictivo, cuya
finalidad es desarrollar un modelo de predicción mediante las técnicas de
minería de datos, aprendizaje automático y estadísticas. Así mismo, el diseño
fue no experimental, observacional y prospectivo (Supo, 2020).
El conjunto de datos fue obtenido de
dos fuentes de información, en primer lugar, mediante la aplicación de un
cuestionario como instrumento, que contiene 20 ítems agrupados en cuatro dimensiones, aplicándose
a 237 participantes de la Escuela de Posgrado de la Universidad Nacional José Faustino
Sánchez Carrión matriculados en los programas de maestrías en educación,
seleccionados mediante muestreo aleatorio simple; en
segundo lugar, se recopilaron datos del registro de evaluaciones mediante la
observación. A continuación, se presentan los ítems en el Cuadro 1.
Cuadro 1
Instrumento
de recolección de datos para los participantes
|
N |
Pregunta |
Tipo |
|
P01 |
Rendimiento académico en secundaria |
Ordinal |
|
P02 |
Asignaturas desaprobadas en secundaria |
Ordinal |
|
P03 |
Repitencia de año en secundaria |
Dicotómico |
|
P04 |
Rendimiento académico en pregrado |
Ordinal |
|
P05 |
Asignaturas desaprobadas en pregrado |
Ordinal |
|
P06 |
Sexo |
Dicotómico |
|
P07 |
Rango edad |
Ordinal |
|
P08 |
Estado civil |
Ordinal |
|
P09 |
Empleado adecuadamente |
Ordinal |
|
P10 |
Número de hijos |
Ordinal |
|
P11 |
Ingreso familiar |
Ordinal |
|
P12 |
Motivación para el estudio |
Dicotómico |
|
P13 |
Situación económica |
Ordinal |
|
P14 |
Financiamiento de estudios |
Dicotómico |
|
P15 |
Disponibilidad de tiempo de estudio |
Ordinal |
|
P16 |
Nivel de estrés |
Ordinal |
|
P17 |
Infraestructura adecuada |
Ordinal |
|
P18 |
Equipamiento y mobiliario adecuado |
Ordinal |
|
P19 |
Asignaturas pertinentes |
Ordinal |
|
P20 |
Nivel de docentes |
Dicotómico |
Fuente:
Elaboración propia, 2023.
En base a la revisión de la literatura que
fundamenta la deserción estudiantil, se ha considerado la teoría de Díaz
(2008), quien adaptó las teorías propuestas al contexto de la realidad peruana
elaboradas por Spady (1970); y, Tinto (1989), en cuatro factores, como se
detalla en la Tabla 1.
Tabla
1
Descripción ítems según
factores propuesta de Díaz (2008)
|
N |
Factores |
Ítems |
|
|
Inicio |
Final |
||
|
01 |
Académicos |
01 |
05 |
|
02 |
Individuales |
06 |
12 |
|
03 |
Ambientales |
13 |
16 |
|
04 |
Institucionales |
17 |
20 |
Fuente:
Elaboración propia, 2023.
Para el desarrollo del modelo, se utilizó el
lenguaje R Statistical Software
(v4.2.2; R Core Team, 2022) y con el entorno de desarrollo R Studio (v2022.12.0 Build
353; RStudio Team, 2022) ejecutado desde el sistema operativo de escritorio Windows 11 (x64 Build 22621); así mismo, se empleó la plataforma H20.ai para la
generación del modelo de clasificación a través del paquete, H2O (v
3.38.0.1; Fryda et al., 2022). Para la reducción de la dimensionalidad
mediante la selección de características se utilizaron los paquetes: Familiar
(v1.4.1; Zwanenburg y Löck, 2021); Information
(v0.0.9; Larsen, 2016); Boruta
(v8.0.0; Kursa y Rudnicki, 2010); Regularized Random Forest, RRF (v1.9.4;
Deng, 2013); y, FSinR (v2.0.5;
Aragón-Royón et al., 2020).
3.
Resultados y discusión
A continuación, se presenta el análisis descriptivo de las opiniones
emitidas por los participantes a través del cuestionario, según la Tabla 2, los
resultados indican variabilidad en las respuestas. Así mismo, para desarrollar
estos modelos, se definieron variables independientes, que corresponde a 20 ítems del instrumento y como variable dependiente,
la deserción estudiantil; además, se ha considerado dos aspectos de vital
importancia: La selección de características y el porcentaje para la partición
del conjunto de datos para entrenamiento, validación y prueba para cada uno de
los modelos.
Para la selección de las características se utilizaron diferentes
algoritmos, obteniendo dos conjuntos de variables en base a las coincidencias o
similitudes en común; el primer conjunto, conformado por 11 variables (P01,
P02, P03, P04, P09, P10, P12, P13, P14, P16, P20); y el segundo conjunto,
conformado por las cinco variables (P07, P11, P17, P18, P19), haciendo un total
de 16 variables.
Tabla 2
Análisis
descriptivo del conjunto de datos de los participantes
|
N |
Etiq. |
Descripción |
Min |
Max |
Mean |
DE |
|
01 |
P01 |
Rendimiento académico en
secundaria |
1 |
5 |
3.633 |
0.977 |
|
02 |
P02 |
Asignaturas desaprobadas en
secundaria |
1 |
4 |
1.578 |
0.786 |
|
03 |
P03 |
Repitencia de año en
secundaria |
1 |
2 |
1.932 |
0.251 |
|
04 |
P04 |
Rendimiento académico en
pregrado |
2 |
5 |
3.443 |
0.879 |
|
05 |
P05 |
Asignaturas desaprobadas en
pregrado |
1 |
3 |
1.266 |
0.530 |
|
06 |
P06 |
Sexo |
1 |
2 |
1.624 |
0.485 |
|
07 |
P07 |
Rango edad |
1 |
3 |
2.004 |
0.805 |
|
08 |
P08 |
Estado civil |
1 |
5 |
1.975 |
0.786 |
|
09 |
P09 |
Empleado adecuadamente |
1 |
2 |
1.831 |
0.375 |
|
10 |
P10 |
Número de hijos |
1 |
3 |
1.916 |
0.714 |
|
11 |
P11 |
Ingreso familiar |
2 |
5 |
3.013 |
0.773 |
|
12 |
P12 |
Motivación para el estudio |
1 |
2 |
1.038 |
0.192 |
|
13 |
P13 |
Situación económica |
2 |
5 |
3.194 |
0.773 |
|
14 |
P14 |
Financiamiento de estudios |
1 |
2 |
1.068 |
0.251 |
|
15 |
P15 |
Disponibilidad de tiempo de
estudio |
1 |
5 |
3.118 |
1.477 |
|
16 |
P16 |
Nivel de estrés |
1 |
5 |
2.970 |
1.418 |
|
17 |
P17 |
Infraestructura adecuada |
1 |
5 |
3.084 |
1.369 |
|
18 |
P18 |
Equipamiento y mobiliario adecuado |
1 |
5 |
2.924 |
1.376 |
|
19 |
P19 |
Asignaturas pertinentes |
1 |
5 |
2.911 |
1.419 |
|
20 |
P20 |
Nivel de docentes |
1 |
5 |
3.650 |
1.012 |
Fuente:
Elaboración propia, 2023.
Posteriormente, se establecieron los parámetros para la invocación del método
AutoML del objeto H2O, considerando como parámetros de datos, el conjunto de
las variables independientes y luego la variable objetivo o de destino,
definida como la variable dependiente; el parámetro de parada o de
finalización, se consideró max_models = 100; además, de la opción
balance_classes = TRUE.
Con esta configuración se presentan en la Tabla 3, los resultados de las
10 ejecuciones o iteraciones realizadas según la configuración definida; se
muestra en síntesis los principales modelos de aprendizaje automático con
mejores métricas de entrenamiento en comparación con otros modelos ubicados en
posiciones inferiores; por ejemplo, Extremely
Randomized Trees (XRT) y Distributed
Random Forest (DRF), Generalized
Linear Model (GLM). A continuación, se presentan las métricas del proceso
de entrenamiento de cada uno de los modelos generados automáticamente.
Tabla 3
Modelos de aprendizaje automático
según el tamaño de los conjuntos de datos
|
N |
Modelo |
Ítems |
Conjunto de Datos |
||
|
Entrenamiento |
Prueba |
Validación |
|||
|
01 |
DeepLearning Grid |
16 |
70 |
30 |
0 |
|
02 |
DeepLearning Grid |
11 |
70 |
30 |
0 |
|
03 |
GBM Grid |
16 |
70 |
15 |
15 |
|
04 |
DeepLearning Grid |
11 |
70 |
15 |
15 |
|
05 |
GBM Grid |
16 |
80 |
20 |
0 |
|
06 |
GBM Grid |
11 |
80 |
20 |
0 |
|
07 |
GBM Grid |
16 |
60 |
40 |
0 |
|
08 |
GBM Grid |
11 |
60 |
40 |
0 |
|
09 |
GBM Grid |
16 |
75 |
25 |
0 |
|
10 |
GBM Grid |
11 |
75 |
25 |
0 |
Fuente:
Elaboración propia, 2023.
Como se aprecia en la Tabla 4, las puntuaciones obtenidas en cada
métrica son muy similares y significativas durante el proceso de entrenamiento y
validación, se observa valores óptimos de rendimiento en cada modelo según el
tamaño de los conjuntos de datos de la Tabla 3; realizándose posteriormente,
las pruebas para obtener las métricas de rendimiento de cada uno de los modelos
indicados.
Tabla 4
Métricas
de rendimiento de los modelos de entrenamiento y validación
|
N |
Modelo |
Ítems |
AUC |
LOGLOS |
AUCPR |
|
01 |
DeepLearning Grid |
16 |
0.981685 |
0.389653 |
0.956428 |
|
02 |
DeepLearning Grid |
11 |
0.981136 |
0.214359 |
0.951164 |
|
03 |
GBM Grid |
16 |
0.980220 |
0.183851 |
0.943741 |
|
04 |
DeepLearning Grid |
11 |
0.982784 |
0.196832 |
0.954476 |
|
05 |
GBM Grid |
16 |
0.972311 |
0.258593 |
0.923799 |
|
06 |
GBM Grid |
11 |
0.972603 |
0.204378 |
0.932085 |
|
07 |
GBM Grid |
16 |
0.974163 |
0.246842 |
0.915569 |
|
08 |
GBM Grid |
11 |
0.972010 |
0.207276 |
0.920860 |
|
09 |
GBM Grid |
16 |
0.977618 |
0.218077 |
0.925325 |
|
10 |
GBM Grid |
11 |
0.972982 |
0.201235 |
0.923862 |
Fuente:
Elaboración propia, 2023.
Los modelos de clasificación tienen una variedad de métricas de
rendimiento entre las de mayor relevancia se tiene el coeficiente de Gini, el cual
es empleado para medir la calidad del modelo de predicción, teniendo como
interpretación, que una valoración de cero significa una igualdad perfecta, es
decir, se tiene un modelo deficiente; cuanto tiene un valor cercano a la
unidad, se presenta como desigualdad máxima, y se considera un clasificador
perfecto.
La Tabla 5, contiene las métricas de las ejecuciones y pruebas
realizadas con cada uno de los modelos generados automáticamente, como se
evidencia las métricas son similares a diferencia del tercero y cuarto modelo
que se encuentran sobre ajustados, debido al número de observaciones
particionadas en tres conjuntos de datos. Asimismo, se muestra un mejor
desempeño en las métricas de los modelos con menor número de ítems; en este sentido, por el principio
de parsimonia, se opta por aquellos con 11 ítems
según los algoritmos utilizados para la selección de características,
permitiendo beneficios para su futura implementación. Se observa ligeramente
una mejor prestación en el décimo modelo Gradient
Boosting Machine, seguido por el segundo modelo DeepLearning.
Tabla 5
Métricas
de rendimiento de los modelos de pruebas
|
N |
Modelo |
Ítems |
GINI |
AUC |
AUCPR |
LOGLOSS |
|
01 |
DeepLearning Grid |
16 |
0.895981 |
0.947991 |
0.913763 |
0.850491 |
|
02 |
DeepLearning Grid |
11 |
0.865248 |
0.932624 |
0.905851 |
0.546854 |
|
03 |
GBM Grid |
16 |
1.000000 |
1.000000 |
1.000000 |
0.025920 |
|
04 |
DeepLearning Grid |
11 |
1.000000 |
1.000000 |
1.000000 |
0.044860 |
|
05 |
GBM Grid |
16 |
0.915633 |
0.957816 |
0.911510 |
0.312979 |
|
06 |
GBM Grid |
11 |
0.935484 |
0.967742 |
0.937704 |
0.259712 |
|
07 |
GBM Grid |
16 |
0.943012 |
0.971506 |
0.919590 |
0.293444 |
|
08 |
GBM Grid |
11 |
0.932157 |
0.966079 |
0.925879 |
0.217350 |
|
09 |
GBM Grid |
16 |
0.912281 |
0.956140 |
0.922686 |
0.270146 |
|
10 |
GBM Grid |
11 |
0.898246 |
0.949123 |
0.911629 |
0.295948 |
Fuente:
Elaboración propia, 2023.
El Gráfico I, contempla las variables ordenadas de mayor a menor según
la importancia en la predicción del modelo, en base a los valores porcentuales
que se encuentran escalados al 100%. Se evidencia una influencia fuerte en la
experiencia de los participantes en el nivel de secundaria: Rendimiento
académico (29,65%), asignaturas reprobadas (22,67%) y repetición de año
(13,65%); el desempeño de los docentes (14,03%); en menor relevancia se
encuentran los aspectos relacionados a estrés de la persona (6,35%),
rendimiento en pregrado (5,99%), el número de hijos (3,40%), motivación
(2,23%), situación económica (1,28%), trabajo relacionado a su carrera (0,62%),
y finalmente, el financiamiento de sus estudios (0,10%).
Fuente:
Elaboración propia, 2023.
Gráfico I: Importancia de
las variables en el modelo de clasificación
La exactitud es una métrica para determinar las predicciones correctas
como proporción al total de predicciones realizadas, una puntuación cercana a
la unidad representa un rendimiento óptimo. De la Tabla 6, se puede obtener una
precisión equivalente a un 92%, es decir, el modelo tiene una capacidad de
predicción puesto que de 100 observaciones alcanza predecir 92 casos
exitosamente; para la sensibilidad se tiene un 90%, indicando una predicción
que, de 100 casos, 90 son exitosos para la clase positiva; finalmente, para la
especificidad, identifica un 100% de los casos para predecir la clase negativa.
Tabla 6
Matriz de confusión
del modelo GBM generado
|
Valores Predicción |
Reales |
Error |
Ratio |
|
|
Positivo |
Negativo |
|||
|
Positivo |
38 |
0 |
0.000 |
= 0 / 38 |
|
Negativo |
4 |
11 |
0.267 |
= 4 / 15 |
|
Total |
42 |
11 |
0.075 |
= 4 / 53 |
Fuente:
Elaboración propia, 2023.
El área bajo la curva, es una métrica para evaluar la capacidad del modelo
de clasificación, permitiendo diferenciar entre los verdaderos positivos y
falsos positivos; un valor cercano a la unidad, se considera un modelo
perfecto. A diferencia de la métrica área bajo la curva precisión –
recuperación, no considera los verdaderos negativos muy utilizado en conjunto
de datos desequilibrados. La métrica de pérdida logarítmica analiza la
aproximación de los valores predichos de un modelo y las valoraciones del
objetivo real, donde una asignación cercana a cero significa que el modelo
proporciona correctamente la probabilidad.
La curva ROC, es un gráfico que representa la relación entre verdaderos
positivos (sensibilidad) y falsos positivos (especificidad), el Gráfico II,
demuestra una curva cercana a la esquina superior izquierda, indicando así un
rendimiento óptimo. Cabe precisar que, cuando la curva se aproxima a la
diagonal de 45° o línea base, será menos precisa correspondiendo un desempeño
deficiente. Asimismo, el lado inferior izquierdo del gráfico representa una
menor tolerancia a los falsos positivos; mientras que el lado superior derecho
representa una mayor tolerancia a los falsos positivos.
|
|
Fuente:
Elaboración propia, 2023.
Gráfico
II: Gráfico ROC del
modelo de clasificación GBM
El Gráfico III, muestra el comportamiento del modelo de clasificación
GBM mediante la curva de aprendizaje, presenta una perdida logarítmica en el
conjunto de datos de entrenamiento y validación; además se visualiza que las
curvas son estables al tener un número superior a los 50 árboles, es decir, al
agregar más instancias al modelo, este no mejoraría mucho su desempeño o
rendimiento.
|
|
Fuente: Elaboración
propia, 2023.
Gráfico
III: Curva de aprendizaje
del modelo de clasificación GBM
En síntesis, el modelo GBM (Gradient
Boosting Machine) es un método de aprendizaje automático supervisado que se
utiliza para realizar la clasificación de problemas de aprendizaje automático.
Está construido utilizando árboles de decisión. El modelo GBM generado consta
de 51 árboles internos, con un tamaño correspondiente a 8,910 bytes.
El árbol tiene una profundidad mínima de 4 y una profundidad máxima de
6, con una profundidad promedio de 5.29. El número mínimo de hojas es de 7 y el
número máximo es de 13, con un promedio de 9.24 hojas. Esta configuración del
modelo GBM indica que los árboles de decisión internos tienen una profundidad
razonable y un número moderado de hojas. Esto significa que el modelo GBM
presenta una buena capacidad de ajuste y puede proporcionar una buena
clasificación para los datos evidenciado por las métricas de rendimiento.
Al contrastar los resultados obtenidos con la fundamentación teórica, se
puede indicar que, el modelo de clasificación ha sido posible mediante la
utilización de técnicas de minería de datos para identificar patrones y
tendencias que pueden ser útiles para predecir a los estudiantes con riesgo de
deserción. Sin embargo, es solo una herramienta y es necesaria la intervención
humana para proporcionar el apoyo emocional y académico a los estudiantes en
riesgo, coincidiendo con lo indicado por Zárate-Valderrama et al. (2021); Jung
(2022); y, Microsoft Learn (2023), se indica también, que Dole y Rajurkar
(2014), desarrollaron un modelo de clasificación binaria mediante Naive de
Bayes; en el presente estudio, fue un modelo de clasificación GBM.
El desarrollo del modelo ha conllevado los procesos de entrenamiento,
validación y prueba con diversos conjuntos de datos obteniendo métricas de
rendimiento eficaces concordando con el estudio de Xu y Li (2014); además, se
coincide con las investigaciones realizadas por Samuel (2000); y, Dwi et al.
(2018), sobre la capacidad de los sistemas de información para aprender
mediante los algoritmos AutoML y el uso de la plataforma H2O.ai expresado por
LeDell y Poirier (2020).
Debido a la complejidad de la deserción estudiantil, esta fue analizada
íntegramente mediante los cinco modelos propuestos por Díaz (2008),
considerándose como base para la elaboración de los instrumentos de recolección
de datos, consolidándose en 20 ítems;
de los cuales, fueron utilizados sólo 11 ítems
para el modelo de clasificación debido al proceso de selección de
características (Haque, 2022), siendo los ítems
de mayor relevancia P01, P02, P20 y P03.
Conclusiones
En vista de los
resultados, se evidencia el desarrollo de un modelo GBM para la clasificación
de la deserción estudiantil utilizando la plataforma H2O.ai y AutoML, se puede
concluir que presenta un rendimiento eficiente debido a las métricas de precisión,
sensibilidad y especificidad para identificar patrones en los estudiantes con
riesgo de abandonar sus estudios; ofrece ventajas como la
capacidad de trabajar con datos desbalanceados, la capacidad de mejorar los
resultados mediante la sintonización de los parámetros, el uso de la validación
cruzada y la capacidad de realizar predicciones en tiempo real, considerándose
como herramienta útil para la toma de decisiones.
Un aspecto relevante
de la investigación fue la transversalidad, en primera instancia el aprendizaje
automático, tuvo la capacidad de utilizar los algoritmos para extrapolar los
conocimientos adquiridos en un conjunto de datos; para el caso de la minería de
datos, esta técnica ha permitido identificar patrones en los datos dentro del
contexto de la educación superior universitaria, permitiendo a los usuarios
compartir y reutilizar conocimientos adquiridos y mejores prácticas en otras
áreas del conocimiento.
Respecto al
aporte científico, la investigación es significativa y se presenta desde
diferentes perspectivas; desde el punto de vista teórico, permite conocer y
comprender los factores que influyen en la deserción de estudiantes
contribuyendo de manera general al conocimiento en el campo de la inteligencia
artificial y el aprendizaje automático; desde el punto de vista práctico, las
instituciones de educación superior pueden implementar estrategias y programas
de retención a los estudiantes en riesgo y evitar el abandono de los estudios.
Las limitaciones
a considerar en el desarrollo de un modelo de clasificación es el tamaño de
conjunto de datos, la selección de características, la discretización de las
variables, datos desbalanceados, dichos factores conllevan a sesgos y
predicciones inexactas; por otra parte, el modelo desarrollado funciona para un
contexto especifico debido a la influencia de las variables independientes en
la deserción estudiantil, las cuales pueden cambiar con el tiempo o entorno.
Las futuras líneas
de investigación a desarrollar pueden incluir otros tipos de aprendizaje
automático como aprendizaje profundo, ensamblajes, entre otros, así como la
incorporación de conjuntos de datos no estructurados; además, se pueden incluir
otras características y/o factores que influyen en la deserción estudiantil y
que varían dependiendo del entorno. También se puede considerar estudios sobre
la efectividad de las intervenciones basadas en las predicciones del modelo de
clasificación.
Referencias
bibliográficas
Ajgaonkar, S. (2022). Practical automated machine learning using
H2O.ai: Discover the power of automated machine learning, from experimentation
through to deployment to production. Packt
Publishing.
Aragón-Royón, F.,
Jiménez-Vílchez, A., Arauzo-Azofra, A., y Benitez, J. (2020). FSinR: An exhaustive package for feature selection. arXiv: 2002. 10330.
https://doi.org/10.48550/arXiv.2002.10330
Bean, J., y
Eaton, S. B. (2001). The psychology
underlying successful retention practices. Journal
of College Student Retention: Research, Theory & Practice, 3(1), 73-89. https://doi.org/10.2190/6R55-4B30-28XG-L8U0
Berger, J. B. (2000).
Organizational behavior in higher education and student outcomes. In J. C.
Smart (Ed.), Higher Education: Handbook
of theory and research (Vol. XV, pp. 268-338). Agathon Press.
Berger, J. B.
(2001). Understanding the organizational nature of student persistence:
Empirically based recommendations for practice. Journal of College Student Retention: Research, Theory and Practice, 3(1),
3-21.
https://doi.org/10.2190/3K6A-2REC-GJU5-8280
Bernal, E. M., Cabrera,
A. F., y Terenzini, P. T. (2000). The relationship between
race and socioeconomic status (SES): Implications for institutional research
and admissions policies. Removing
Vestiges: Research-Based Strategies to Promote Inclusion, (3), 6-19.
Briñez, M. E. (2021). Tecnología de información: ¿Herramienta potenciadora para
gestionar el capital intelectual? Revista de Ciencias Sociales (Ve), XXVII(1),
180-192. https://doi.org/10.31876/rcs.v27i1.35305
Cabrera, A. F.,
Nora, A., y Castañeda, M. B. (1992). The role of
finances in the persistence process: A structural model. Research in Higher Education, 33(5), 571-593. https://doi.org/10.1007/BF00973759
Cabrera, A. F.,
Nora, A., y Castañeda, M. B. (1993). College persistence: Structural Equations
modelling test of Integrated model of student retention. Journal of Higher Education, 64(2), 123-320. https://doi.org/10.2307/2960026
Camborda, M. G. (2014). Aplicación de árboles de decisión
para la predicción del rendimiento académico de los estudiantes de los primeros
ciclos de la carrera de Ingeniería Civil de la Universidad Continental [Tesis
de maestría, Universidad Nacional del Centro del Perú]. http://repositorio.uncp.edu.pe/handle/20.500.12894/1477
Chatterjee, P., Yazdani,
M., Fernández-Navarro, F., y Pérez-Rodríguez, J. (Eds.) (2023). Machine learning
algorithms and applications in engineering. CRC Press. https://doi.org/10.1201/9781003104858
Deng, H. (2013). Guided
Random Forest in the RRF Package. ArXiv:
1306.0237. https://doi.org/10.48550/arXiv.1306.0237
Diario Oficial del Bicentenario El Peruano (9 de noviembre
de 2021). Tasa de deserción en educación universitaria. El Peruano. https://elperuano.pe/noticia/132960-tasa-de-desercion-en-educacion-universitaria-se-redujo-a-115
Díaz, B., Marín, W., Lioo, F., Baldeos, L.,
Villanueva, D., y Ausejo, J. (2022).
Deserción de estudiantes, factores asociados con árboles de decisión: Caso
Escuela de Postgrado de una Universidad pública en Perú. Risti: Revista
Ibérica de Sistemas e Tecnologias de Informação,
(E-53), 197-211. https://www.risti.xyz/issues/ristie53.pdf
Díaz, C. (2008). Modelo conceptual para
la deserción estudiantil universitaria chilena. Estudios Pedagógicos, XXXIV(2), 65-86. https://dx.doi.org/10.4067/S0718-07052008000200004
Díaz-Landa, B., Meleán-Romero, R., y Marín-Rodriguez,
W. (2021). Rendimiento académico de estudiantes en Educación Superior:
Predicciones de factores influyentes a partir de árboles de decisión. Telos: Revista de Estudios
Interdisciplinarios en Ciencias Sociales, 23(3), 616-639. https://doi.org/10.36390/telos233.08
Dole, L., y Rajurkar, J. (2014). A decision
support system for predicting student performance. International Journal of Innovative Research in
Computer and Communication Engineering, 2(12), 7232-7237. https://ijircce.com/admin/main/storage/app/pdf/GE1YcjUwFseBETuax9LEymgN04TtdLS7TGEfmMgr.pdf
Duche,
A. B., Paredes, F. M., Gutiérrez, O. A., y Carcausto, L. C. (2020). Transición
secundaria-universidad y la adaptación a la vida universitaria. Revista de Ciencias Sociales (Ve), XXVI(3),
244-258. https://doi.org/10.31876/rcs.v26i3.33245
Dwi, M., Prasetya, A., y Pujianto, U. (2018). Technology acceptance model of student ability and tendency
classification system. Bulletin of Social
Informatics Theory and Application, 2(2), 47-57. https://doi.org/10.31763/businta.v2i2.113
Eccles, J.,
Adler, T., y Meece, J. L. (1984). Sex differences in achievement: A test of
alternate theories. Journal of
Personality and Social Psychology, 46(1), 26-43. https://doi.org/10.1037/0022-3514.46.1.26
Ethington, C.
A. (1990). A psychological model of student persistence. Research in Higher Education, 31(3), 279-293. https://doi.org/10.1007/BF00992313
Félix, A. V., Urrea, M. L., y López, S. (2023). Abandono
escolar de alumnos universitarios en la carrera de Derecho y Ciencias Sociales.
Revista de Ciencias Sociales (Ve), XXIX(2), 242-254. https://doi.org/10.31876/rcs.v29i2.39974
Fishbein, M., y
Ajzen, I. (1974). Attitudes
toward objects as predictors of simple and multiple behavioural criteria. Psycological Review, 81, 59-74. https://doi.org/10.1037/h0035872
Fryda, T., LeDell, E.,
Gill, N., Aiello, S., Fu, A., Candel, A., Click, C., Kraljevic, T., Nykodym,
T., Aboyoun, P., Kurka, M., Malohlava, M., Poirier, S., y
Wong, W. (2022). H2O: R
Interface for the 'H2O' Scalable Machine Learning Platform. R package version
3.38.0.1. https://docs.h2o.ai/h2o/latest-stable/h2o-r/docs/index.html
González, L. E. (2005). Estudio sobre la repitencia y deserción en
la educación superior chilena. Instituto Internacional para la Educación
Superior en América Latina y el Caribe, IESALC – UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000140087
Haque, M. A. (2022). Feature Engineering & Selection for Explainable Models: A second
course for data scientists. LULU Internacional.
Jung, A. (2022). Machine Learning: The basics. Springer. https://doi.org/10.1007/978-981-16-8193-6
Khun, M., y Jhonson, K.
(2019). Feature
Engineering and Selection: A Practical Approach for Predictive Models. Chapman and Hall/CRC. https://doi.org/10.1201/9781315108230
Kodelja, Z. (2019). Is machine learning real
learning? CEPS Journal, 9(3), 11-23. https://doi.org/10.26529/cepsj.709
Kuh, G. D.
(2002). Organizational culture and student persistence: Prospects and puzzles. Journal of College Student Retention: Research, Theory & Practice, 3(1), 23-39.
https://doi.org/10.2190/U1RN-C0UU-WXRV-0E3M
Kursa, M. B., y
Rudnicki, W. R. (2010). Feature selection with
the Boruta Package. Journal of
Statistical Software, 36(11), 1-13. https://doi.org/10.18637/jss.v036.i11
Larsen, K. (2016). Data
Exploration with Information Theory (Weight-of-Evidence and Information Value).
R package version 0.0.9. https://CRAN.R-project.org/package=Information
LeDell, E., y Poirier,
S. (2020). H2O AutoML: Scalable Automatic Machine Learning. 7th ICML Workshop on Automated Machine
Learning. https://www.automl.org/wp-content/uploads/2020/07/AutoML_2020_paper_61.pdf
Ley No. 30220 de 2014. Ley Universitaria. 3 de
julio de 2014.
Microsoft
Learn (23 de diciembre de 2023). Conceptos de minería de datos. Microsoft Learn. https://learn.microsoft.com/es-es/analysis-services/data-mining/data-mining-concepts?view=asallproducts-allversions
Moreno,
F. O., Ochoa, F. A., Mutter, K. J., y Vargas, E. C. (2021). Estrategias
pedagógicas en entornos virtuales de aprendizaje en tiempos de pandemia por
Covid-19. Revista de Ciencias Sociales
(Ve), XXVII(4), 202-213. https://doi.org/10.31876/rcs.v27i4.37250
Mushtaq, I., y Khan, S. N. (2012). Factors
affecting students’ academic performance. Global
Journal of Management and Business Research, 12(9), 17-22. https://journalofbusiness.org/index.php/GJMBR/article/view/100221
Nagarajah, T., y Poravi,
G. (2019). A Review on Automated Machine Learning (AutoML)
Systems. IEEE 5th International
Conference for Convergence in Technology (I2CT), Bombay, India. https://doi.org/10.1109/i2ct45611.2019.9033810
Nye, J. S.
(1976). Independence and Interdependence. Foreign
Policy, (22), 130-161. https://doi.org/10.2307/1148075
Organisation for Economic
Co-operation and Development - OECD (2019).
Education at a Glance 2019. OECD
Publishing. https://doi.org/10.1787/f8d7880d-en
R Core Team (2022). R: A language and environment for
statistical computing. R Foundation for Statistical Computing. https://www.R-project.org/
RStudio Team (2022). RStudio: Integrated Development for R.
RStudio, http://www.rstudio.com/
Samuel, A. L. (2000). Some studies in machine
learning using the game of checkers. IBM
Journal of Research and Development, 44(1.2), 211-229. https://doi.org/10.1147/rd.441.0206
Sharmeela, C.,
Sanjeevikumar, P., Sivaraman, P., y Joseph, M. (2023). IoT, machine
learning and blockchain technologies for renewable energy and modern hybrid
power systems. Routledge.
Spady, W. G.
(1970). Dropouts from higher education: An interdisciplinary review and
synthesis. Interchange, 1, 64-85. https://doi.org/10.1007/BF02214313
St. John, E.
P., Cabrera, A. E., Nora, A., y Asker, E. H. (2000). Economic influences on
persistence reconsidered: How can finance research inform the reconceptualization
of persistence models? In J. M. Braxton (Ed.), Reworking the student departure puzzle: New theory and research on
college student retention (pp. 29-47). Vanderbilt University Press.
Superintendencia
Nacional de Educación Superior Universitaria - SUNEDU (2020). II Informe bienal sobre la
realidad universitaria en el Perú. SINEDU. https://cdn.www.gob.pe/uploads/document/file/1230044/Informe%20Bienal.pdf
Supo, J.
(2020). Metodología de la Investigación
Científica: Para las Ciencias de la Salud y las Ciencias Sociales. Independently published.
Tinto, V.
(1982). Limits of theory and practice of student attrition. Journal of Higher Education, 53(6),
687-700. https://doi.org/10.2307/1981525
Tinto, V. (1989). Definir la deserción:
Una cuestión de perspectiva. Revista de
Educación Superior, (71), 1-9. http://publicaciones.anuies.mx/revista/71/1/3/es/definir-la-desercion-una-cuestion-de-perspectiva
Valero, J. E., Navarro, Á. F., Larios,
A. C., y Julca, J. D. (2022). Deserción universitaria: Evaluación de diferentes
algoritmos de Machine Learning para su predicción. Revista de Ciencias Sociales (Ve), XXVIII(3), 362-375. https://doi.org/10.31876/rcs.v28i3.38480
Villarreal-Torres, H.,
Ángeles-Morales, J., Marín-Rodriguez, W., Andrade-Girón, D., Carreño-Cisneros,
E., Cano-Mejía, J., Mejía-Murillo, C., Boscán-Carroz, M. C., Flores-Reyes, G.,
y Cruz-Cruz, O. (2023). Development of a
classification model for predicting student payment behavior using artificial
intelligence and data science techniques. EAI
Endorsed Transactions on Scalable Information Systems, 10(5). https://doi.org/10.4108/eetsis.3489
Villarreal-Torres, H. O., Marín-Rodriguez, W.
J., Ángeles-Morales, J. C., y Cano-Mejía, J. E. (2021). Gestión de Tecnología
de Información para universidades peruanas aplicando computación en la nube. Revista Venezolana de
Gerencia, 26(E-6), 665-679. https://doi.org/10.52080/rvgluz.26.e6.40
Xu, W., y Li, W. (2014).
Granular computing approach to two-way learning based
on formal concept analysis in Fuzzy Datasets. IEEE Transactions on Cybernetics, 46(2), 366-379. https://doi.org/10.1109/tcyb.2014.2361772
Zárate-Valderrama, J.,
Bedregal-Alpaca, N., y Cornejo-Aparicio, V. (2021). Modelos de clasificación para reconocer patrones de deserción en
estudiantes universitarios. Ingeniare. Revista Chilena de Ingeniería, 29(1), 168-177. http://dx.doi.org/10.4067/S0718-33052021000100168
Zöller, M.-A., y Huber, M.
F. (2021). Benchmark and survey of automated machine
learning frameworks. Journal of
Artificial Intelligence Research, 70, 409-472. https://doi.org/10.1613/jair.1.11854
Zwanenburg, A., y Löck,
S. (2021). Familiar: End-to-End Automated Machine Learning
and Model Evaluation. https://cran.r-project.org/web/packages/familiar/familiar.pdf
* Doctor en Ingeniería Informática y de Sistemas.
Magíster en Ingeniería Informática y de Sistemas. Ingeniero Informático y de
Sistemas. Docente Principal en la Universidad San Pedro, Chimbote, Perú. E-mail: henry.villarreal@usanpedro.edu.pe
ORCID: https://orcid.org/0000-0002-5989-4534
** Doctor en
Ingeniería Industrial. Magister en Administración de Empresas y Negocios (MBA).
Ingeniero Industrial. Docente Principal en la Universidad San Pedro, Chimbote,
Perú. E-mail:
julio.angeles@usanpedro.edu.pe ORCID: https://orcid.org/0000-0002-7470-8154
*** Doctor
en Administracion. Magister en Administración Estratégica. Ingeniero
Informático. Docente en la Universidad Nacional José Faustino Sánchez Carrión,
Huacho, Lima, Perú. Investigador
RENACYT. E-mail: wmarin@unjfsc.edu.pe
ORCID: https://orcid.org/0000-0002-0861-9663
(Autor de vorrespondencia)
**** Doctora en Gestión y Ciencias de la Educación.
Magister en Obstetricia. Licenciada en Obstetricia. Docente Principal en la
Universidad San Pedro, Chimbote, Perú. Investigadora RENACYT. E-mail: jenny.cano@usanpedro.edu.pe ORCID: https://orcid.org/0000-0001-5638-972X
Recibido: 2023-09-16 · Aceptado:
2023-12-05