=Paper=
{{Paper
|id=Vol-2231/LALA_2018_paper_8
|storemode=property
|title=Minería de datos educativa para el análisis de la deserción estudiantil(Educational data mining for the analysis of student desertion)
|pdfUrl=https://ceur-ws.org/Vol-2231/LALA_2018_paper_8.pdf
|volume=Vol-2231
|authors=Emilcy J. Hernández-Leal,Diana Patricia Quintero-Lorza,Juan Camilo Escobar- Naranjo,Juan Sebastián Ramírez-Gómez,Néstor D. Duque-Méndez
}}
==Minería de datos educativa para el análisis de la deserción estudiantil(Educational data mining for the analysis of student desertion)==
https://ceur-ws.org/Vol-2231/LALA_2018_paper_8.pdf
Educational data mining for the analysis of student deser-
tion
Emilcy J. Hernández-Leal1, Diana Patricia Quintero-Lorza1, Juan Camilo Escobar-
Naranjo1, Juan Sebastián Ramírez-Gómez1, Néstor D. Duque-Méndez1
1 Universidad Nacional de Colombia, Sede Manizales
ejhernandezl@unal.edu.co, dpquinterol@unal.edu.co,
jcescobarn@unal.edu.co, jsramirezgo@unal.edu.co,
ndduqueme@unal.edu.co
Abstract. Student desertion is one of the phenomena that concerns the most to
educational institution's directives in the different academic levels. In the partic-
ular case of the higher education, such a phenomenon is relevant, to identify the
characteristics or factors most relevant that influence the problem, have a high
value. This current paper shows the results of the analysis on student desertion in
the Universidad Nacional de Colombia – headquarters Manizales, applying edu-
cational data mining techniques. To execute the sample, a dataset with 655 rec-
ords was used in the test, gathered from first academic semester (2009) to the
second academic semester (2014), and an open source software named Weka
whose version is 3.8.2. Moreover, classification techniques such as decision trees
and induction rules were used; In addition, attributes selection techniques were
applied in order to reduce the dimensionality of the set of initial data. The results
of the classification algorithms with the initial data set are shown, and also, their
modifications are compared to throw the best models obtained.
Keywords: Student desertion, Educational data mining, Classification algo-
rithms.
1 Introducción
En el campo académico, se puede definir la deserción como una situación a la que se
enfrenta un estudiante cuando no logra cumplir o completar un proyecto o proceso edu-
cativo [1]. La deserción estudiantil es uno de los problemas que más preocupa a los
sistemas educativos y en particular a las directivas de las instituciones de educación.
Este fenómeno, ha sido estudiado desde décadas atrás [2], es una problemática que se
presenta en los diferentes niveles educativos, desde la básica primaria, pasando por la
secundaria, media y en la educación superior [3], [4], [5].
Existen diferentes categorizaciones para la deserción estudiantil, una clasificación para
esta situación en educación superior, propone dos tipos, la deserción respecto al factor
tiempo y la deserción respecto al factor espacio. Para el primer tipo, se hace a su vez
una sub-división en: deserción precoz, esta se refiere a los estudiantes que son admiti-
dos, pero no llegan a realizar la matrícula; deserción temprana, se entiende cuando el
2
estudiante abandona los estudios en los primeros cuatro semestres y deserción tardía,
se da cuando el estudiante abandona el programa a partir del quinto semestre. Para el
segundo grupo, respecto al factor espacio, se dividen en: deserción interna, se considera
cuando el estudiante abandona el programa académico, pero para cambiar por otro pro-
grama que ofrece la misma institución, es decir, hace un traslado de programa; deser-
ción institucional, se da cuando el estudiante abandona una institución para iniciar es-
tudios en otra y finalmente, la total deserción del sistema educativo, como se indica, el
estudiante no retoma sus estudios en dicho nivel académico [6].
El fenómeno de la deserción universitaria afecta a instituciones en todo el mundo, en
[7] se reporta que según la Oficina Regional de Educación para América Latina y el
caribe – OREALC, para el año 2010, se tenía que solo uno de cada diez jóvenes entre
los 25 a 29 años presentaba más de cinco años en educación superior; en el caso de la
comunidad europea, particularmente para España en el año 2015, se comunicaba, según
el Ministerio de Educación, Cultura y Deporte, que el 19% de los estudiantes desertan
de la universidad en el primer año de estudio. Más en detalle, en [8] se presenta que
según la OCDE (Organización para la Cooperación y el Desarrollo Económico) para el
año 2012, los países que presentaban mayor abandono universitario eran México y Tur-
quía con un 38%, luego estaban Suecia (36%) y Portugal (31%); mientras que los de
menos deserción para ese año eran Alemania (4,03%), Finlandia (0,45%) y Países Bajos
(0,7%).
En cuanto al análisis de los factores o causas asociados a la deserción estudiantil, exis-
ten aportes de múltiples autores que han creado modelos completos en torno al tema.
Sin embargo, se puede encontrar que la mayoría coinciden en agrupar los factores frente
a variables de tipo personal, familiar e institucional [6]. Dado lo anterior, los estudios
sobre análisis y propuestas de modelos para predecir la deserción suelen usar atributos
que se recolectan dentro del sistema educativo y que corresponden a estas característi-
cas. En este sentido, las instituciones educativas cuentan con muchos de los datos ne-
cesarios y usados para estudiar esta problemática y poder hacer frente a ella.
La minería de datos, es un enfoque de análisis de datos bajo el cual se agrupan una serie
de técnicas que se rigen por el aprendizaje supervisado y no supervisado y que son
usadas para afrontar diferentes problemas que involucran el tratamiento de datos a partir
de los cuales se pueden descubrir patrones, tendencias y en general extraer conoci-
miento [9]. La minería de datos puede ser aplicada a diferentes dominios, en el caso
particular de los ambientes educativos se ha consolidado una corriente denominada mi-
nería de datos educativa, la cual se concentra en el estudio y análisis de los datos gene-
rados en este campo con técnicas de tipo descriptivo o predictivo [10]. La minería de
datos educativa está fuertemente asociada con las analíticas de aprendizaje, aunque se
pueden desarrollar por separado, se suelen encontrar algunos estudios en los que se
complementan [11].
Teniendo en cuenta lo anterior, este trabajo se orientó a detectar los factores que influ-
yen en el fenómeno de la deserción universitaria haciendo uso de la minería de datos
3
educativa en un caso de estudio de una institución de educación superior pública de la
ciudad de Manizales en Colombia. En lo que sigue del documento, se presentan las
siguientes secciones; en la sección 2 se describen algunos trabajos relacionados, en los
cuales se presentan estudios sobre deserción estudiantil y que emplean minería de da-
tos; en la sección 3 se describe el conjunto de datos y el pre-procesamiento que se
realizó a estos; en la sección 4 se presentan las pruebas realizadas con la aplicación de
las técnicas de minería de datos; en la sección 5 se reportan los resultados y finalmente
en la sección 6 se concluye y presentan algunos planteamientos para trabajos futuros.
2 Trabajos relacionados
Como se mencionó anteriormente, la deserción estudiantil es un fenómeno que genera
alta preocupación en las instituciones educativas de diferentes niveles, dado lo anterior,
se encuentran un buen número de trabajos que incluyen el estudio de aspectos asociados
a este fenómeno. A continuación, se traen a colación algunos trabajos relacionados.
Uno de los aspectos clave a la hora de estudiar la deserción o abandono estudiantil son
las variables que se asocian y que pueden ayudar a explicar o incluso predecir dicha
deserción. En [12] proponen agrupar las causas de la deserción en cinco variables: pér-
dida de semestre, dificultad financiera, ingreso al mercado laboral, otros intereses
atraen al estudiante e indeterminado; el estudio se realiza en una facultad de Ingeniería
de Sistemas de una institución de educación superior con una muestra de 707 sujetos;
los resultados dejan ver que la causa predominante de la deserción para estos estudian-
tes son los factores agrupados bajo el apelativo de indeterminado; sin embargo, seguida
de esta se encuentra la dificultad financiera, otros intereses en los estudiantes, la pérdida
del semestre y por último el ingreso al mercado laboral. A partir de la investigación
surgieron estrategias para mitigar este fenómeno, como el otorgamiento de bonos de
matrícula, monitoria social, reliquidación de matrícula y acompañamiento individual
por sicología.
Por otra parte, en [13] toman los datos de ingreso de los estudiantes a la institución de
educación superior (personales y antecedentes educativos) y los datos que se generan
durante el periodo de estudio y mediante la aplicación de técnicas de minería de datos,
identifican los factores que influyen en la deserción. Los autores aplicaron algoritmos
de clasificación (reglas y árboles de decisión) y encontraron que uno de los principales
factores asociado a la deserción, en su caso de estudio, es la cantidad de asignaturas que
aprueban los estudiantes en el primer año de carrera universitaria, también se destacan
la edad de ingreso y la procedencia.
En [14] se propone un modelo predictivo para la deserción académica, para ello utili-
zaron como fuentes de datos: estadísticas de deserción de los últimos años en áreas del
saber, zonificación y discriminación por programa, área del conocimiento, condiciones
sociales, resultados pruebas ICFES, pensum y acuerdo académico en el que se encuen-
tran los estudiantes. A partir de estas fuentes de información crearon una bodega de
4
datos para centralizar los registros y extrajeron un datamart para hacer los análisis apli-
cando un árbol de decisión. Los resultados encontrados indican que, para el caso de
estudio, Facultad de Ingeniería de una universidad de la capital colombiana y con datos
de los años 2009 a 2015, la cantidad de materias cursadas es un factor influyente en el
modelo generado, asimismo, el género es un factor relevante, por otro lado, factores
socioeconómicos también intervienen, ya que se encontró que los estudiantes que viven
en localidades distantes a la ubicación de la facultad tienen mayor probabilidad de de-
sertar de sus estudios.
Como lo indican en [15], el abandono o deserción universitaria es un problema que
genera costos altos para el estudiante y en general para la sociedad; los autores analiza-
ron varias metodologías utilizadas para la creación de modelos predictivos del fenó-
meno: análisis de correlaciones, análisis de regresión logística, análisis de superviven-
cia y minería de datos; además, deciden utilizar la primera metodología para llevar a
cabo un estudio particular con datos de la cohorte de nuevo ingreso del año 2010/11 a
la Universidad de Oviedo. El conjunto de datos estudiado, estaba formado por una
muestra de 5215 estudiantes de los que, en septiembre de 2012, 4194 permanecían en
la titulación inicialmente matriculada, 363 habían cambiado de titulación a otra dentro
de la Universidad y 658 habían abandonado la Universidad de Oviedo. Los resultados
obtenidos indican que hay una relación entre el rendimiento académico previo (nota de
ingreso al programa de estudios) y la deserción, quienes tienen bajo rendimiento previo,
presentan mayor riesgo de abandono de estudios. También encuentran relación entre la
asistencia a clase y el fenómeno estudiado, puesto que tienen mayor probabilidad de
permanecer en la institución los estudiantes que asisten con mayor frecuencia a clases.
En este orden de ideas, se encuentra que en los últimos años varios autores han coinci-
dido en que las técnicas de minería de datos son una buena alternativa para abordar los
análisis en cuanto al problema de la deserción universitaria, tanto para la identificación
de las variables o factores que influyen, como para la generación de modelos predicti-
vos que ayuden a prevenir el abandono. Entre las técnicas utilizadas se encuentran los
árboles de decisión [16], [17]; los k vecinos cercanos [18]; redes bayesianas y reglas
[19]. En [4] se muestra la aplicación de técnicas de minería para la predicción del fra-
caso y abandono escolar; los autores emplearon métodos de clasificación como reglas
de inducción y árboles de decisión. Las pruebas fueron realizadas con un conjunto de
datos reales de 670 estudiantes de educación media; es de destacar de este trabajo, que
se incluye un paso de balanceo de datos, lo cual no se consideró en los demás trabajos
previos revisados, este balanceo se realiza con el ánimo de equilibrar el número de
registros de estudiantes desertores con los no desertores.
3 Conjunto de datos y pre-procesamiento
El conjunto de datos con el cual se realizaron las pruebas fue conformado con los re-
gistros aportados por la dirección académica de la Universidad Nacional de Colombia
– sede Manizales. En total se logró tener una muestra de 655 registros y 71 atributos.
5
En la Tabla 1 se presentan las variables utilizadas. Los registros que conforman el da-
taset corresponden a los periodos 2009 – 2015 y provienen de tres fuentes de datos:
Registros de admisión y matrícula
Reporte de estudiantes bloqueados por cada periodo (semestre)
Registros de cursos inscritos por periodo
Tabla 1. Atributos utilizados y su fuente
Fuente Variable
Periodo, cód. facultad, plan, carrera, código, tipo doc., docu-
mento, año, mes, día, sexo, estado civil, creación, inicio estudios,
tipo acceso, acceso, tipo subacc, subacceso, estrato, cód. depto.,
cód. mpio, nacionalidad1, extranjero, lugar residencia, becado, tí-
Información de admi- tulo pregrado, tipcolegio, jorcolegio, carcolegio, calendario, cole-
sión y matrícula gio-depto., col depto., tipo vivienda, vivienda, nro. hnos., pbm cal-
culado, rcb pago, matricula, bienestar, sistematización, seguro, A1
pensión, B1 colegio, A2 estrato, B2 lugar res, B3 vivienda, A3
ingresos, B4 nro. hijos, aprobadas, homologadas, inscritas, cred.
apro, cred adi, cred homo, cred ins, graduado, papa.
Información de estu- Documento, nombre programa, municipio nacimiento, cód. núm.,
diantes bloqueados por causa.
periodo
Información de cursos Documento, cód. dep, id assignatura, grupo, nom asignatura, cré-
inscritos por periodo ditos, calificación codalf, tipología, periodo materia, tco codalf,
estado act.
Fuente: Elaboración propia
Una de las tareas que más tiempo y esfuerzo demandan en los procesos de minería de
datos es la fase correspondiente al pre-procesamiento de los datos, también conocida
como ETL (extraer, transformar y cargar por sus siglas en inglés), esta fase es requerida
para poder organizar los datos originales de tal manera que se puedan aplicar los algo-
ritmos particulares. En este orden de ideas, el primer paso que se siguió fue la integra-
ción de los datos provenientes de las tres fuentes descritas anteriormente, esta integra-
ción consiste en unificar en un solo dataset la información disponible de cada estu-
diante. La cantidad inicial de registros era de: 5690.
Posteriormente, se hizo un trabajo de limpieza para lograr que en el conjunto de datos
solo se mantuvieran los registros de los estudiantes que contaban con el 100% de la
información. Por ejemplo, si un estudiante, dentro de su información de admisión y
matrícula, tenía un dato faltante, como el número de hermanos, entonces éste se excluía
del conjunto de datos. En esta fase también se tuvo una dificultad al no contar con un
diccionario de datos consolidado que permitiera identificar con claridad cada uno de
los atributos, por ello, se tuvo que retirar del dataset algunos atributos que no se logra-
ron identificar. A su vez, algunos atributos correspondían a la misma información, por
ejemplo, se tenía el código del motivo de bloqueo y en otro atributo la descripción de
dicho motivo, por lo cual, se eliminó el atributo con el código y se dejó el atributo
categórico que contenía la descripción.
6
Al finalizar esta fase de ETL, se creó un fichero con formato .ARFF, que es el formato
propio de Weka [20], software seleccionado para realizar las pruebas, dadas sus bon-
dades en cuanto a algoritmos de minería de datos disponibles y facilidad de uso. Des-
pués de realizar estas tareas de pre-procesado, se cuenta con un dataset de 49 atributos
de 655 estudiantes. Siguiendo los pasos sugeridos en [4] se aplicaron seis algoritmos
de selección y a partir de los resultados arrojados por estos se seleccionaron los atribu-
tos con una frecuencia superior o igual a dos, es decir, si un atributo era seleccionado
por al menos dos de los algoritmos, se decidía llevarlo al nuevo dataset; con lo cual se
llegó a un segundo conjunto de datos con 20 atributos. En la tabla 2 se muestran los
resultados de la aplicación de los seis algoritmos de selección por medio del software
Weka.
Tabla 2. Mejores atributos según cada algoritmo de selección
Algoritmo Atributos seleccionados
CfsSubsetEval: Evalúa el valor de un sub- Documento, periodo, código, tipo_doc, ano,
conjunto de atributos al considerar la capa- tipo_acceso, vivienda, nro_hnos, papa, causa,
cidad de predicción individual de cada ca- tipología, tco_codalf
racterística junto con el grado de redundan-
cia entre ellas.
OneRAttributeEval: Evalúa el valor de un Cred_apro, aprobadas, inicio_estudios, causa,
atributo mediante el uso del clasificador código, nro_hnos, ano, periodo, documento,
OneR. papa, nom_asignatura, cred_adi, vivienda,
cod_facultad, carrera, plan, col_depto, nom-
bre_programa
ReliefFAttributeEval: Evalúa el valor de un Causa, cred_apro, aprobadas, inicio_estudios,
atributo al muestrear repetidamente una ins- periodo, cred_adi, tipología, nom_asignatura,
tancia y considerando el valor del atributo col_depto, ano, jorcolegio, carcolegio,
dado para la instancia más cercana de la nro_hnos
misma clase y diferente. Puede operar en da-
tos de clase discretos y continuos.
InfoGainAttributeEval: Evalúa el valor de Cred_apro, aprobadas, inicio_estudios, causa,
un atributo midiendo la ganancia de infor- nom_asignatura, código, documento, ano, pe-
mación con respecto a la clase riodo, nro_hnos, municipio nacimiento,
cred_adi, papa, col_depto, tipología, nombre
programa
GainRatioAttributeEval: Evalúa el valor de Cred_apro, aprobadas, causa, ano, nro_hnos,
un atributo midiendo la relación de ganancia papa, tipo_doc, documento, código, extran-
con respecto a la clase jero, inicio_estudios, periodo, cred_adi,
nom_asignatura, estado_civil
SymmetricalUncertAttributeEval: Evalúa el Cred_apro, aprobadas, causa, ano, nro_hnos,
valor de un atributo midiendo la incertidum- documento, papa, código, inicio estudios, pe-
bre simétrica con respecto a la clase. riodo, nom_asignatura, cred_adi, tipo_doc,
municipio nacimiento, estado_civil
Fuente: Elaboración propia
4 Aplicación de minería de datos educativa
A continuación, se describirán los experimentos realizados. Para la aplicación de los
algoritmos, se crearon 20 particiones, 15 de ellas con 33 registros y 5 de ellas con 32
7
registros, todas de manera aleatoria con los dataset de 20 y de 49 atributos. Con el fin
de obtener unos resultados confiables, se realizaron los experimentos con 5 algoritmos
de clasificación, en particular, tres de árboles de decisión y 2 de reglas de inducción.
Para conseguir una clasificación óptima, se decidió hacer un primer experimento en el
que se empleó el dataset con 49 atributos. En un segundo experimento se emplearon los
mismos algoritmos, pero sobre el dataset de los 20 mejores atributos escogidos previa-
mente por los algoritmos de selección. Los algoritmos de clasificación aplicados se
tomaron de los disponibles en Weka y se caracterizan por ser fácilmente interpretables,
puesto que muestran los resultados en forma de reglas del tipo si – entonces o en ramas
de árboles de decisión. En la Tabla 3 se muestran los resultados de la ejecución de los
algoritmos con las particiones del dataset de 49 atributos, para llegar a estos resultados
se calculó la media de las 20 ejecuciones. Las medidas empleadas son el RAE (Relative
Absolute Error), el porcentaje de instancias correctamente clasificadas y el porcentaje
de instancias incorrectamente clasificadas, teniendo en cuanta lo trabajado en [4].
Tabla 3. Validación cruzada utilizando los 49 atributos
Instancias correctamente Instancias incorrecta-
Algoritmo RAE (%)
clasificadas (%) mente clasificadas (%)
RandomTree 33.54 86.29 13.66
J48 11.47 95.40 4.56
REPTree 44.48 85.38 14.57
JRip 11.83 95.39 4.56
OneR 28.97 87.02 12.94
Fuente: Elaboración propia
Para el segundo experimento se han usado los ficheros con los mejores 20 atributos, los
resultados de la validación cruzada, promedio de las 20 ejecuciones, se muestran en la
Tabla 4, utilizando las mismas medidas que en la tabla anterior.
Tabla 4. Validación cruzada utilizando los 20 mejores atributos
Instancias correctamente Instancias incorrecta-
Algoritmo RAE (%)
clasificadas (%) mente clasificadas (%)
RandomTree 30.29 89.51 10.46
J48 11.47 95.43 4.56
REPTree 44.49 85.42 14.57
JRip 12.27 95.12 4.87
OneR 28.98 87.05 12.94
Fuente: Elaboración propia
5 Interpretación de resultados
Al revisar y comparar los resultados de las tablas 3 y 4, se encuentra que el algoritmo
de árboles de decisión que más se destaca es el J48, mientras que para los algoritmos
de reglas sobresale el JRip. En general, los algoritmos presentan una leve mejora
8
cuando se utiliza el dataset con los 20 mejores atributos, pero es casi imperceptible. Lo
anterior puede indicar que los atributos que fueron desechados por los algoritmos de
selección no generaban ruido en el conjunto de datos.
El algoritmo J48 es quien presenta mejores resultados con un porcentaje de instancias
correctamente clasificadas del 95,40% (para los 49 atributos) y del 95,43% (para los
20 atributos) y su porcentaje de error absoluto relativo es del 11,47 en los dos casos. Lo
sigue el algoritmo RandomTree con un porcentaje de aciertos del 86.29 y 89.51 respec-
tivamente para los dos experimentos, sin embargo, su porcentaje de error absoluto re-
lativo duplica el del J48, al ser de 30.29% en el mejor de los casos. Por su parte, el
REPTree es el algoritmo de árboles con el rendimiento más bajo, al solo alcanzar un
85,4% de aciertos y tener un RAE de 44.49% para la ejecución con el dataset de mejores
atributos.
Por otra parte, de los dos algoritmos de reglas de inducción utilizados, el JRip reportó
los mejores resultados y en cuanto al porcentaje de aciertos muy similar al J48; no obs-
tante, presentó una leve desmejora con el dataset de 20 atributos, con un porcentaje de
instancias correctamente clasificadas del 95,12% frente a un 95,39% obtenido para la
validación con el dataset de 40 atributos. Su porcentaje de RAE también tuvo un leve
aumento, pasando del 11.83 al 12.27 del primer experimento al segundo. En cuanto al
OneR, a pesar de que tuvo un resultado menos favorable que el JRip, presentó un por-
centaje de error absoluto relativo menor que dos de los algoritmos de árboles de deci-
sión, RandomTree y REPTree, con un 28.9%.
Ahora bien, si se revisan los mejores modelos de reglas y árboles encontrados por los
algoritmos, se encuentra que para el caso de estudio, los atributos que más influencia
presentan en el fenómeno de la deserción representado en la obtención o no del título
profesional son el número de créditos aprobados, el PAPA (esta es una calificación
utilizada en el interior de la institución que corresponde al Promedio Aritmético Pon-
derado Acumulado) , el periodo de inicio de estudios, estrato y la causa de finalización
de estancia en la universidad.
6 Conclusiones y trabajo futuro
Los algoritmos de clasificación utilizados en este trabajo permitieron conseguir ciertos
modelos con el objetivo de predecir la deserción estudiantil, es decir, si se alcanzará a
obtener el título universitario o no. Como se comentó en las dos primeras secciones, el
problema de la deserción no es fácil de abordar, dado que intervienen múltiples varia-
bles en él. Sin embargo, se ratifica que las técnicas de minería de datos educativa son
una alternativa viable para el análisis de este fenómeno. Además, en la Universidad
Nacional de Colombia sede Manizales, a pesar de tener sistemas de información con-
solidados, los datos no se habían utilizado para explorar causas o patrones en la deser-
ción estudiantil y este trabajo abre un espacio para promover este enfoque y las tecno-
logías de análisis de datos.
9
Se debe resaltar que una de las tareas que exigió mayor esfuerzo y tiempo fue la corres-
pondiente al pre-procesamiento de los datos, ya que de esta depende en gran parte la
calidad de los análisis y la fiabilidad de los resultados. En general, se tuvo que recuperar
desde tres fuentes diferentes, la información para conformar el conjunto de datos de
prueba y también se lograron aplicar algunos algoritmos de selección para buscar los
atributos que mejor describieran el modelo, sin embargo, los resultados posteriores lle-
van a pensar, que para el caso de estudio particular, el dataset inicial y el dataset con
los atributos seleccionados no presentaron diferencias mayores, por lo cual, se consi-
dera que los atributos no eran redundantes y no generaban ruido.
Con los resultados que generan estos algoritmos de clasificación se puede hacer una
selección de los grupos de estudiantes que presentan mayor tendencia a la deserción o
que están en una situación de riesgo de abandono, con lo cual, se puede iniciar con ellos
la aplicación de algún tipo de medidas preventivas por parte de los docentes o directivas
de la institución educativa.
Se comprobó que en los procesos de ingreso y admisión a la institución se suelen tener
muchos vacíos de información que hicieron que se tuviese que retirar una buena parte
de registros del conjunto de datos. Lo anterior, puede limitar los resultados de esta in-
vestigación, por lo cual se recomienda que en la institución se de gran relevancia a la
recolección de dicha información para posteriores periodos académicos.
Como trabajo futuro se plantea incluir un nuevo grupo de experimentos realizando ba-
lanceo de datos y análisis de costo de la clasificación como lo sugieren en [4]. Así
mismo, se socializarán los resultados del estudio con las directivas de la institución, en
particular con la dirección académica para iniciar procesos que permitan usar estos aná-
lisis en procesos de acompañamiento a estudiantes o planes de mejora y toma de accio-
nes correctivas.
Agradecimientos
Al programa de Formación de Capital Humano de Alto Nivel para el Departamento de
Norte de Santander en el marco de la Convocatoria N°753 de Colciencias.
Referencias
[1] V. Tinto, “Definir la Deserción: Una Cuestión de Perspectiva,” Rev. Educ. Super., no.
71, pp. 33–51, 1982.
[2] V. Tinto, “Dropout from Higher Education: A Theoretical Synthesis of Recent
Research,” Rev. Educ. Res., vol. 45, no. 1, pp. 89–125, Mar. 1975.
[3] C. Gómez-Restrepo, A. Padilla Muñoz, and C. J. Rincón, “Deserción escolar de
adolescentes a partir de un estudio de corte transversal: Encuesta Nacional de Salud
Mental Colombia 2015,” Rev. Colomb. Psiquiatr., vol. 45, pp. 105–112, Dec. 2016.
10
[4] C. Márquez Vera, C. Romero Morales, and S. Ventura Soto, “Predicción del Fracaso
Escolar mediante Técnicas de Minería de Datos,” Rev. Iberoam. Tecnol. del Aprendiz.,
vol. 7, no. 3, pp. 109–117, 2012.
[5] A. Betancur Escobar, “El reto de la permanencia para las IE en Colombia,” Rev.
Reflexiones y Saberes, vol. 3, no. 5, pp. 1–4, 2016.
[6] H. E. Viale Tudela, “Una aproximación teórica a la deserción estudiantil universitaria,”
Rev. Digit. Investig. en Docencia Univ., vol. 8, no. 1, pp. 59–75, 2014.
[7] N. L. Alvarez, Z. Callejas, D. Griol, and M. Durán Benejam, “La deserción estudiantil
en educación superior: S.O.S. en carreras de ingeniería informática,” in Conferencia
Latinoamericana sobre el abandono en la educación superior CLABES, 2017.
[8] G. Izquierdo Cázares and R. C. Mestanza Páez, “Retos de la educación ante la deserción
escolar universitaria. Revisión sistemática,” Rev. Científica Retos la Cienc., vol. 1, no.
2, pp. 15–21, Dec. 2017.
[9] M. A. Bramer, Principles of data mining. Springer, 2013.
[10] R. Jindal and M. D. Borah, “A Survey on Educational Data Mining and Research
Trends,” Int. J. Database Manag. Syst., vol. 5, no. 3, pp. 53–73, Jun. 2013.
[11] Z. Papamitsiou and A. A. Economides, “Learning Analytics and Educational Data
Mining in Practice: A Systematic Literature Review of Empirical Evidence,” Educ.
Technol. Soc., vol. 17, no. 4, pp. 49–64, Oct. 2014.
[12] K. Azoumana, “Análisis de la deserción estudiantil en la Universidad Simón Bolívar,
facultad Ingeniería de Sistemas, con técnicas de minería de datos,” Rev. Pensam. Am.,
vol. 6, no. 10, pp. 41–51, 2014.
[13] K. B. Eckert and R. Suénaga, “Análisis de Deserción-Permanencia de Estudiantes
Universitarios Utilizando Técnica de Clasificación en Minería de Datos,” Form. Univ.,
vol. 8, no. 5, pp. 3–12, 2015.
[14] J. E. Sotomonte-Castro, C. C. Rodríguez-Rodríguez, C. E. Montenegro-Marín, P. A.
Gaona-García, J. G. Castellanos, and J. G. Castellanos, “Hacia la construcción de un
modelo predictivo de deserción académica basado en técnicas de minería de datos,” Rev.
científica, vol. 3, no. 26, p. 35, Oct. 2016.
[15] A. B. Bernardo Gutiérrez, R. Cerezo Menéndez, L. J. Rodríguez-Muñiz, J. C. Núñez
Pérez, E. Tuero Herrero, and M. Esteban García, “Predicción del abandono
universitario: variables explicativas y medidas de prevención,” Rev. Fuentes, no. 16, pp.
63–84, Jun. 2015.
[16] J. L. Aguirre Mendiola, R. M. Valdovinos Rosas, J. A. Velazquez, R. A. Eleuterio, and
J. R. Marcial Romero, “Análisis de deserción escolar con minería de datos,” Res.
Comput. Sci., vol. 93, pp. 71–82, 2015.
[17] S. Formia, L. Lanzarini, and W. Hasperué, “Caracterización de la deserción universitaria
en la UNRN utilizando Minería de Datos. Un caso de estudio,” Rev. Iberoam. Educ. en
Tecnol. y Tecnol. en Educ., no. 11, pp. 92–98, 2013.
[18] Y. Marcano and R. Rodríguez, “Minería de datos aplicada a la deserción estudiantil,”
EDUCARE, vol. 18, no. 2, pp. 31–51, 2014.
[19] K. Eckert and R. Suénaga, “Análisis de Deserción-Permanencia de Estudiantes
Universitarios Utilizando Técnica de Clasificación en Minería de Datos,” Form. Univ.,
vol. 8, no. 5, pp. 3–12, 2015.
[20] University of Waikato, “Weka.” .