Palabras clave
deserción estudiantil
desarrollo de ingeniería
Cómo citar
Resumen
La investigación tiene como objetivo identificar aplicar la minería de datos para identificar los principales factores que influyen en la deserción de los estudiantes universitarios en universidades públicas de Latinoamérica. Se realizó un análisis documental para contextualizar el problema de la deserción estudiantil y se presentaron antecedentes relevantes en el tema. Entre los principales hallazgos del estudio, se identificó que los problemas socioeconómicos, las condiciones institucionales y las situaciones del entorno social y cultural, son los principales factores que influyen en la deserción estudiantil en universidades públicas de Latinoamérica. Finalmente es posible afirmar que la minería de datos es útil para diferentes aplicaciones de ingeniería que contribuyan a la atención de problemas sociales.
Citas
[2] M. Alzahrani and A. Alharthi, "Predicting student dropout in higher education using decision tree and logistic regression. " Journal of Computational Science, vol. 42, p. 101148., 2020.
[3] Y. Zou, Q. Liu, Y. Liu, and Y. Peng, "A predictive model for student dropout risk in higher education: A comparative study of feature selection and classification algorithms. " Journal of Educational Computing Research, vol. 59, no. 2, pp. 238-262.
[4] M. Fernández-Diego, I. García-García and J. García-Sánchez, "The Use of Data Mining Techniques to Analyze Student Dropout in Higher Education.," Sustainability, vol. 13, no. 10, p. 5689, 2021.
[5] M. Montoya-Valdez, M. Gutiérrez-Martínez and O. Medina-Ramírez, "Análisis de factores de deserción estudiantil en educación superior mediante técnicas de minería de datos.," Revista Electrónica Educare, vol. 25, no. 1, pp. 1-20. , 2021.
[6] L. Quiñonez and Y. Carrasco, "Rendimiento académico empleando minería de datos," Espacios, vol. 41, no. 44, pp. 277-285, 2020.
[7] M. Kaur and L. Goyal, "Student Dropout Prediction in Higher Education using Data Mining Techniques: A Review. International," Journal of Advanced Research in Computer Science and Software Engineering, vol. 11, no. 1, pp. 389-395, 2021.
[8] Y. Hirakawa, M. Mizuno, and Y. Matsuda, "Predicting university student dropout using an ensemble learning approach. " Journal of Educational Computing Research, vol. 57, no. 7, pp. 1585-1604, 2019.
[9] K. Bastian, E. Puentes-Rosas and D. Herrera-Araujo, "¿Qué factores influyen en la deserción universitaria? Una revisión sistemática.," Revista Electrónica de Investigación y Evaluación Educativa, vol. 25, no. 2, pp. 1-21, 2019.
[10] M. Kaur and L. M. Goyal, "Student Dropout Prediction in Higher Education using Data Mining Techniques: A Review.," International Journal of Advanced Research in Computer Science and Software Engineering, vol. 11, no. 1, pp. 389-395., 2021.
[11] L. González and O. Espinoza, "Deserción en Educacion Superior en América Latina y el Caribe," 2015. [Online]. Available:
https://www.researchgate.net/publication/275275484_Desercion_en_educacion_superior_en_America_Latina_y_el_Caribe_2008-16. [Accessed 2023].
