Trabajo final de grado
Modelo predictivo para la detección temprana de alumnos en riesgo de abandono de la carrera de profesorado en ciencias de la educación, Facultad de Humanidades de la UNNE
Fecha
2021Registro en:
Moschner, Viviana Elizabeth, 2021. Modelo predictivo para la detección temprana de alumnos en riesgo de abandono de la carrera de Profesorado en Ciencias de la Educación, Facultad de Humanidades de la UNNE. Trabajo final de grado. Corrientes: Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura
Autor
Moschner, Viviana Elizabeth
Institución
Resumen
El abandono o deserción en la educación superior constituye una preocupación creciente
para las autoridades de la Universidad Nacional del Nordeste, como también para los
responsables de la gestión de cada Facultad. Para contribuir al aporte de soluciones para esta
problemática, la aplicación de técnicas y herramientas utilizadas en Ciencia de Datos en el
ámbito educativo tiene resultados positivos, en tanto permite predecir factores a partir de los
cuales es posible implementar acciones correctivas o mitigadoras de las situaciones
observadas. Este Trabajo Final de Maestría desarrolla un modelo predictivo utilizando la
metodología MoProPEI orientado al descubrimiento de factores comunes en la población
estudiantil del Profesorado en Ciencias de la Educación de la Facultad de Humanidades de
la Universidad Nacional del Nordeste que hayan abandonado la carrera o bien presentado
marcado rezago.
La fuente de datos utilizada incluye atributos personales y académicos de los alumnos del
Profesorado en Ciencias de la Educación, cohortes 2010 a 2018, se utilizaron técnicas de
clasificación e inducción logrando como resultado identificar factores comunes en los
diferentes grupos clasificados, los que contribuirán a la elaboración de nuevas estrategias
que permitan aumentar la retención estudiantil. The dropout or desertion in higher education constitutes a growing concern for the
authorities of the National University of the Northeast, as well as for those responsible for
the management of each Faculty.
In order to contribute to provide solutions for this problem, the application of techniques and
tools used in Data Science have shown positive results in the educational field. These
techniques allow to predict factors that make possible to implement corrective or mitigating
actions that would improve the observed situations.
The current Final Project develops a predictive model, using the MoProPEI methodology.
This model leads to the discovery of common factors of the student population of the
educational sciences program of the Faculty of Humanities of the National University of the
Northeast that has dropped out or present a marked lag.
III
The data was taken from the cohorts 2010 to 2018 of students of the educational sciences
program and includes their personal and academic characteristics. To achieve the result of
identifying common factors in the different student group’s classification and induction
techniques were used, these results will contribute to the development of new strategies to
increase student retention