Sistema de alerta temprana de potencial repitencia y deserción estudiantil (SisALTem) Español

dc.contributorVega, Omar Antonio
dc.creatorMaya Játiva, Yesid Alejandro
dc.date2022-09-19T16:26:33Z
dc.date2022-08-24
dc.date2022-09-19T16:26:33Z
dc.date2022-08-22
dc.date.accessioned2023-09-06T18:17:14Z
dc.date.available2023-09-06T18:17:14Z
dc.identifierhttps://repositorio.ucaldas.edu.co/handle/ucaldas/18080
dc.identifierUniversidad de Caldas
dc.identifierRepositorio institucional
dc.identifierhttps://repositorio.ucaldas.edu.co/
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8694767
dc.descriptionFotografías, gráficas
dc.descriptioneng:Dropout and course retaking in the educational field are aspects of great impact on the mission of educational institutions, this considering that in addition to affecting their direct work, they also impact on the socioeconomic conditions of students and their families, widening pre-existing gaps, and reduce possibilities of improvement. Dropout is a multifactorial phenomenon, approached from various conceptions, which indicates its complex character. Therefore, it is very important for universities to have a broad knowledge of the different student factors that lead to dropping out. The Objective is design and build an early warning information system to prevent the phenomena of university dropout and course retaking, that is originated in academic factors. The Methodology his project involves developing the following procedural phases: - Collection of historical student academic information. - Identification through the application of Data Mining, of patterns that cause potential course retaking and student dropout. - Structure and analyze data bases to design early warning reports of potential course retaking and students drop out. - Implementation of the early warning system of potential course retaking and student dropout. The main result is an early warning system adaptable to the Colombian university, through the identification of important patterns by data mining for the improvement of protocols aimed at student retention. The main function of educational institutions is to train people for society, an objective that is affected by the entry rates into the system and aggravated by the phenomenon of course retaking and dropout. Therefore, the system, described here, contributes to adequately address the situation.
dc.descriptionspa:La deserción y la repitencia en el ámbito educativo son aspectos de incidencia sobre la misión de las instituciones educativas pues, además de afectar su quehacer directo, repercuten sobre las condiciones socioeconómicas de los estudiantes y sus familias, ampliando brechas preexistentes y disminuyendo posibilidades de mejoramiento. La deserción es un fenómeno multifactorial, abordado desde diversas concepciones, lo que indica su carácter complejo, que implica para las universidades un amplio conocimiento de los diferentes factores de los estudiantes que conllevan a ella. El objetivo principal es diseñar y construir un sistema de información de alerta temprana para prevenir los fenómenos de deserción y repitencia universitaria originando en factores académicos. La metodología del proyecto implica desarrollar las siguientes fases procedimentales: - Recolección de información académica histórica estudiantil. Identificación mediante la aplicación de Minería de Datos, de patrones de las causas de potencial repitencia y deserción estudiantil. – Estructuración y análisis de base de datos para diseñar reportes de alerta temprana de potencial repitencia y deserción. - Implementación del sistema de alertas tempranas de potencial repitencia y deserción estudiantil. El resultado principal es un sistema de alerta temprana adaptable a la universidad colombiana, mediante la identificación de patrones importantes por minería de datos para el mejoramiento de protocolos orientados a la retención de estudiantes. La función principal de las instituciones educativas es formar personas para la sociedad, objetivo que se ve afectado por las tasas de ingreso al sistema y agravado con el fenómeno de repitencia y deserción, por lo que este sistema aporta a enfrentar adecuadamente la situación.
dc.descriptionRESUMEN / ABSTRACT / LISTA DE CONTENIDOS / LISTA DE TABLAS / LISTA DE FIGURAS / LISTA DE ABREVIATURAS / CAPÍTULO 1. INTRODUCCIÓN 1.1 /CAMPO TEMÁTICO / 1.2 PLANTEAMIENTO DEL PROBLEMA DE INVESTIGACIÓN / 1.3 JUSTIFICACIÓN / 1.4 OBJETIVOS / 1.4.1 Objetivo General / 1.4.2 Objetivos Específicos / 1.5 ESTRUCTURA DEL DOCUMENTO / CAPÍTULO 2. REVISIÓN BIBLIOGRÁFICA / 2.1 MARCO CONCEPTUAL / 2.1.1 Deserción estudiantil / 2.1.3 Sistema de alerta temprana, SAT / 2.1.4 Minería de Datos / 2.2 MARCO REFERENCIAL / Moschner (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 / Romero et al. (2021). Predictor de deserción universitaria / Casanova, Miranda, & Yáñez (2021). Sistema de alerta temprana: Centinela, una experiencia para la retención estudiantil en la Universidad Católica de la Santísima Concepción / Henríquez, & Vargas (2022). Modelos predictivos de rendimiento y deserción académica en estudiantes de primer año de una universidad pública chilena / 2.3 MARCO LEGAL 42 CAPÍTULO 3. 46 DESCRIPCIÓN DEL PROCESO / 3.1 FASE 1. RECOLECCIÓN DE INFORMACIÓN ACADÉMICA HISTÓRICA ESTUDIANTIL / 3.1.1 Actividad 1. Entrevistar a los responsables encargados de monitorear el comportamiento académico estudiantil, para determinar necesidades de potencial repitencia y deserción institucional / 3.1.2 Actividad 2. Descubrir conocimiento en base de datos de algunas instituciones de educación superior / 3.1.3 Actividad 3. Revisar antecedentes de sistemas de alerta temprana en los ámbitos nacional e internacional / 3.2 FASE 2. IDENTIFICACIÓN MEDIANTE LA APLICACIÓN DE MINERÍA DE DATOS, DE PATRONES DE LAS CAUSAS DE POTENCIAL REPITENCIA Y DESERCIÓN ESTUDIANTIL / 3.2.1 Actividad 1. Determinar y clasificar la información a considerar con sentencias SQL, utilizando postgreSQL, para realizar minería de datos 7 3.2.2 Actividad 2. Utilizar técnicas y algoritmos de minería de datos, donde se descubrirá patrones en la información recolectada para evaluar situaciones futuras / 3.3 FASE 3. ESTRUCTURACIÓN Y ANÁLISIS DE BASE DE DATOS PARA DISEÑAR REPORTES DE ALERTA TEMPRANA DE POTENCIAL REPITENCIA Y DESERCIÓN / 3.3.1 Actividad 1. Analizar los requerimientos para la creación de estructura de tablas, utilizando base de datos Postgres y dbvisualezer contribuyendo a la agilidad en el manejo de información / 3.3.2 Actividad 2. Desarrollar scripts en PostgresSQL para la verificación de la información requerida en el desarrollo de alertas tempranas de deserción y potencial repitencia / 3.3.3 Actividad 3. Diseñar y desarrollar reportes de alerta temprana según los requerimientos establecidos por el personal encargado del monitoreo del comportamiento académico estudiantil / 3.4 FASE 4. IMPLEMENTACIÓN DEL SISTEMA DE ALERTAS TEMPRANAS DE POTENCIAL REPITENCIA Y DESERCIÓN ESTUDIANTIL / 3.4.1 Actividad 1. Instalar paquetes y librerías necesarias para el funcionamiento de la plataforma angular con lenguaje de programación Laravel / 3.4.2 Actividad 2. Creación del perfil de usuario con sentencias SQL, en la base de datos, para el manejo del sistema de alertas tempranas de potencial repitencia y deserción y se vinculará a las personas encargadas del monitoreo de deserción / 3.4.3 Actividad 3. Capacitar a los usuarios en el manejo del sistema de alertas tempranas de potencial repitencia y deserción / CAPÍTULO 4. / RESULTADOS /4.1 DESCRIPCIÓN DE LOS RESULTADOS / 4.2 DISCUSIÓN DE LOS RESULTADOS / CAPÍTULO 5. / CONCLUSIONES Y RECOMENDACIONES / 5.1 CONCLUSIONES / 5.2 RECOMENDACIONES / CAPÍTULO 6. / ANEXOS 7 6.1 ANEXO A: RECOPILACIÓN DE INFORMACIÓN 7 6.2 ANEXO B: ESTRUCTURA Y ANÁLISIS DE BASE DE DATOS / 6.2.1 Análisis de requerimientos / 6.2.2 Desarrollo de scripts / 6.2.3 Diseño y desarrollo de reportes de alerta temprana / 6.3 ANEXO C:
dc.descriptionMaestría
dc.descriptionMagister en Bioinformática y Biología Computacional (EN CONVENIO)
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.languageeng
dc.languagespa
dc.publisherFacultad de Ingeniería
dc.publisherMaestría en Bioinformática y Biología Computacional (En convenio)
dc.relationAdermann N., Boggiano J. (2020). Composer. [A Dependency Manager for PHP.]. Disponible en: https://getcomposer.org/.
dc.relationAhumada, H.C.; Dip, H.; Herrera, C.G. & Leguizamón A., J.C. (2015). Minería de datos para un sistema de alerta temprana de deserción en carreras de Ingeniería. En: XVII Workshop de Investigadores en Ciencias de la Computación. Salta, Argentina. Recuperado de: http://sedici.unlp.edu.ar/handle/10915/45515
dc.relationÁvila P., M.l. (2021). Modelo de Predicción de Deserción Estudiantil, apoyado en tecnologías de Data Mining, en un curso de primera matrícula de la Escuela ECBTI de la UNAD. [tesis de maestría, Universidad Nacional Abierta y a Distancia, UNAD]. Repositorio Institucional UNAD. https://repository.unad.edu.co/bitstream/handle/10596/42544/Mavila.pdf?seq uence=1&isAllowed=y
dc.relationBaño R., D.R. (2019). Sistema de alerta temprana para alumnos de ingeniería de la Universidad de Chile en riesgo de reprobar un ramo. Tesis de pregrado. Departamento de Ciencias de la Computación, Facultad de Ciencias Físicas y Matemáticas, Universidad de Chile: Santiago, Chile. 77 p. Recuperado de: http://repositorio.uchile.cl/handle/2250/174943
dc.relationBarbosa G., F., Eslava R., C., Jimeno M., S., Martán M., S., & Sandoval F., C. (2021, 17-19 de noviembre). Semáforo de Alertas Tempranas: una herramienta para el seguimiento estudiantil y la prevención de la deserción 125 en la Universidad del Valle [ponencia]. Congresos CLABES, evento virtual. https://revistas.utp.ac.pa/index.php/clabes/article/view/3426
dc.relationBarrios, E.A., García G., A.R., Pazmiño V., A.R., Gallar, Y., & Chávez R., M.E. (2018). Sistema de gestión integral para el acceso, la permanencia, el egreso y la empleabilidad universitaria. VIII CLABES. Disponible en: https://revistas.utp.ac.pa/index.php/clabes/article/view/2032.
dc.relationBeltrán, M., y Fajardo, M. (1999). Identificación de Factores Asociados a la Deserción de Estudiantes del Programa de Fisioterapia de la Corporación Universitaria Iberoamericana durante el periodo comprendido entre 1994 – 1999
dc.relationBeltrán A., J.D. (2016). Sistema de Alertas Tempranas para la Identificación de Bajo Rendimiento, Pérdida de la Calidad y Seguimiento Estudiantil, a través de Tecnología Web 2.0, en el Programa de Ingeniería de Sistemas Presencial de la Universidad de Cartagena. [trabajo de grado, Universidad de Cartagena]. Repositorio Institucional de la Universidad de Cartagena. https://repositorio.unicartagena.edu.co/handle/11227/5945
dc.relationBootstrap. (2020). Build fast, responsive sites with Bootstrap.[Quickly design and customize responsive mobile-first sites with Bootstrap, the world’s most popular front-end open source toolkit, featuring Sass variables and mixins, responsive grid system, extensive prebuilt components, and powerful JavaScript plugins.]. Disponible en: https://getbootstrap.com/.
dc.relationCabrales, R.A., Moreno, G. A., Trujillo, S. E., Londoño, J. F., Patiño, V. M. (2022). Deserción, rezago estudiantil y egreso exitoso en 40 cohortes del Programa de Medicina de la Universidad Tecnológica de Pereira. Iatreia, 35(3), 239-48. https://doi.org/10.17533/10.17533/udea.iatreia.133
dc.relationCamana, R.G. (2016). Potenciales aplicaciones de la Minería de Datos en Ecuador. Revista Tecnológica ESPOL – RTE, 29(1):170-183. Recuperado de: http://www.rte.espol.edu.ec/index.php/tecnologica/article/view/464
dc.relationCamargo G., A.J. (2020). Modelo para la predicción de la deserción de estudiantes de pregrado, basado en técnicas de minería de datos. Tesis de maestría. 126 Universidad de la Costa: Barranquilla, Colombia. 121 p. Recuperado de: https://repositorio.cuc.edu.co/handle/11323/7077
dc.relationCarvajal O., P., López G., A.J., & Trejos C., Á.A. (2016). ¿Cuánto cuesta la deserción estudiantil?: Sistema de cálculo de costos monetarios del abandono estudiantil (Sissemae). En: Sexta Conferencia Latinoamericana sobre el Abandono de la Educación Superior, VI-CLABES 2016. Quito, Ecuador. Disponible en: http://revistas.utp.ac.pa/index.php/clabes/article/view/1392.
dc.relationCarvajal P., Montes H., Álvaro Trejos, Cárdenas J. (2013). Sistema de Alertas Tempranas: una herramienta para la identificación de riesgo de deserción estudiantil, seguimiento académico y monitoreo a estrategias. Tercera Conferencia Latinoamericana sobre el ABandono de la Educación Superior, III-CLABES. Ciudad de México, México.: 12p.
dc.relationCasanova C., D., Miranda D., C., & Yáñez C., A. M. (2021). Sistema de alerta temprana: Centinela, una experiencia para la retención estudiantil en la Universidad Católica de la Santísima Concepción. Calidad en la educación, (55), 156-174. https://dx.doi.org/10.31619/caledu.n55.1056
dc.relationCastro A., M.C.; Domínguez Á., R. & Nava N., R. (2020). Representaciones sobre prácticas letradas de estudiantes universitarios en situaciones vulnerables. Magis: Revista Internacional de Investigación en Educación, 12(25):3-20. doi: https://doi.org/10.11144/Javeriana.m12-25.rple
dc.relationCid C., D.A. (2020). Migración e integración del Sistema de Alerta Temprana de estudiantes de Ingeniería Civil Informática de la UTFSM. Tesis de pregrado. Departamento de Informática, Universidad Técnica Federico Santa María: Valparaíso, Chile. 75 p. Recuperado de: https://repositorio.usm.cl/handle/11673/49760
dc.relationCongreso de Colombia (1994). Ley 1620 de 2013. Congreso de Colombia: Bogotá, Colombia. Recuperado de: http://www.secretariasenado.gov.co/senado/basedoc/ley_0115_1994.html
dc.relationCongreso de Colombia (1994). Ley 30 de 1992. Congreso de Colombia: Bogotá, Colombia. Recuperado de: http://www.secretariasenado.gov.co/senado/basedoc/ley_0030_1992.html
dc.relationCongreso de Colombia (2013). Ley 115 de 2013. Congreso de Colombia: Bogotá, Colombia. Recuperado de: http://wsp.presidencia.gov.co/Normativa/Leyes/Documents/2013/LEY%20162 0%20DEL%2015%20DE%20MARZO%20DE%202013.pdf
dc.relationCongreso de la República (2006). Ley 1098 de 2006. Congreso de la República: Bogotá, Colombia. Recuperado de: http://www.secretariasenado.gov.co/senado/basedoc/ley_1098_2006.html
dc.relationConsejo Nacional de Acreditación República de Colombia. (2021). Lineamientos y aspectos por evaluar para la acreditación en alta calidad de las instituciones de educación superior. Bogotá. 47 p. Recuperado de: https://www.cna.gov.co/1779/articles-404751_norma.pdf
dc.relationContreras, C. (2021). Determinación de variables predictivas de deserción inicial para generar un sistema de alerta temprana. Análisis sobre una muestra de estudiantes beneficiarios de la beca de nivelación académica en una universidad pública en Chile. Calidad en la Educación, (54), 12-45. https://doi.org/10.31619/caledu.n54.828
dc.relationCornejo, M. F. & González, F. (2015). Ampliación de la cobertura del sistema de alerta temprana en la Universidad de Santiago de Chile. En: Congreso CLABES V. Talca, Chile. Recuperado de: https://revistas.utp.ac.pa/index.php/clabes/article/view/1180/1200
dc.relationCorrea C., H. K. & Ponce M., J. C. (2020). El Sistema de Alerta Temprana (SISAT) para disminuir el abandono escolar en las Escuelas Primaria Rurales de Tabasco. Perspectivas docentes, 31(73):23-30. doi: https://doi.org/10.19136/pd.a31n73.4177
dc.relationCortés C., S; Álvarez, P.; Llanos O., M. & Castillo C., L. (2019). Deserción universitaria: La epidemia que aqueja a los sistemas de educación superior. Perspectiva, 20(1):13-25. doi: https://doi.org/10.33198/rp.v20i1.00017
dc.relationCruz, E., González, M., & Rangel, J. (2022). Técnicas de machine learning aplicadas a la evaluación del rendimiento y a la predicción de la deserción de estudiantes universitarios, una revisión. Prisma Tecnológico, 13(1), 77-87. https://doi.org/10.33412/pri.v13.1.3039
dc.relationCuadrado B., J. (2018). Los sistemas de alerta temprana en la prevención de conflictos armados. Un estudio comparado en África occidental. Tesis doctoral. Universidad Nacional de Educación a Distancia (UNED), Escuela Internacional de Doctorado (EIDUNED): Madrid, España. 356 p. Recuperado de: http://e-spacio.uned.es/fez/eserv/tesisuned:ED-Pg-SegIntJcuadrado/CUADRADO_BOLANOS__Jara_Tesis.pdf
dc.relationDari, N. L.; Cervini, R. A. & Quiroz S. S. (2019). Repitencia escolar y desempeño en ciencias en Argentina. Estudio multinivel con base en datos de PISA 2015. Revista de Educación, 10(16):55-79. Recuperado de: http://fh.mdp.edu.ar/revistas/index.php/r_educ/article/view/3074/3333
dc.relationDonoso D., S.; Neira I., T. & Donoso T., G. (2018). Sistemas de Alerta Temprana para estudiantes en riesgo de abandono de la Educación Superior. Avaliação e Políticas Públicas em Educação, 26(100):944-967. doi: https://doi.org/10.1590/S0104-40362018002601494
dc.relationDussaillant, F. (2017). Deserción escolar en Chile: propuesta para la investigación y la política pública. Análisis, (19):1-18. Recuperado de: https://gobierno.udd.cl/cpp/files/2017/08/18-Desercio%CC%81n.pdf
dc.relationErdozain A., J. C. (2020). Desafíos institucionales de la deserción en la educación superior técnico profesional en Chile: construcción de un modelo explicativopredictivo como estrategia de intervención y apoyo estudiantil. La experiencia del Instituto Profesional y Centro de Formación Técnica Santo Tomás. Tesis de maestría. Facultad de Gobierno, Universidad del Desarrollo: Santiago, Chile. 106 p. Recuperado de: https://repositorio.udd.cl/handle/11447/3455
dc.relationEtchart M., K. & Torreblanca R., Á. (2016). SAT: una herramienta de la Pedagogía Universitaria. Análisis de la mirada que tienen los estudiantes de la carrera de Obstetricia y Puericultura de la Universidad Mayor, sede Santiago, sobre 129 el SAT implementado. Tesis de Maestría. Universidad Mayor: Santiago, Chile. Recuperado de: http://repositorio.umayor.cl/xmlui/handle/sibum/5962
dc.relationFernández, N. & Barría, G. (2018). Tutores de acompañamiento integral como parte del sistema de alerta temprana para disminuir el abandono de estudiantes que ingresan a la Universidad Alberto Hurtado Vía Pace. En: Congreso CLABES VIII. Ciudad de Panamá, Panamá. Recuperado de: https://ridda2.utp.ac.pa/handle/123456789/5610
dc.relationFlores L., G. A.; Cadena M., J. A.; Quinatoa A., E. E. & Villa Q., M. W. (2019). Minería de datos como herramienta estratégica. RECIMUNDO: Revista Científica de la Investigación y el Conocimiento, 3(1):955-970. doi: https://doi.org/10.26820/recimundo/3.(1).enero.2019.955-970
dc.relationFranco J.G. (2019). Implementación de un modelo computacional basado en reglas de clasificación supervisadas para la predicción de la deserción estudiantil en la universidad peruana unión filial Juliaca. Universidad Peruana Unión. Disponible en: https://repositorio.upeu.edu.pe/bitstream/handle/UPEU/1975/Jacob_Tesis_Lic enciatura_2019.pdf?sequence=1&isAllowed=y.
dc.relationFoundation Open JS. (2020). Node Js. [Node.js® es un entorno de ejecución para JavaScript construido con el motor de JavaScript V8 de Chrome. Disponible en: https://nodejs.org/es/.
dc.relationGarcía F., J. (2019). Implementación de un Modelo Computacional basado en reglas de clasificación supervisadas para la predicción de la deserción estudiantil en la Universidad Peruana Unión Filial Juliaca. Tesis de pregrado. Escuela Profesional de Ingeniería de Sistemas, Facultad de Ingeniería y Arquitectura, Universidad Peruana Unión: Juliaca, Perú. 95 p. Recuperado de: https://repositorio.upeu.edu.pe/handle/UPEU/1975
dc.relationGarcía J. I. (2018). Cálculo de indicadores de deserción y permanencia en la Maestría en Administración de las Organizaciones. UNAD. Trabajo de grado. Maestría en Administración de las Organizaciones, Universidad Nacional Abierta y a Distancia: Colombia: 70 p.
dc.relationGiraldo M., J. C., Vargas A., F. A. & Palacios P., F. (2021). Creación de un modelo de minería de datos para la prevención de la deserción de los estudiantes en Instituciones de Educación Superior. [tesis de maestría, Tecnológico de Antioquia]. Repositorio Digital TDEA. https://dspace.tdea.edu.co/handle/tdea/1945
dc.relationGómez J., Ochoa A. (2015). Metodología para la identificación de características académicas a tener en cuenta en un sistema de alertas tempranas para la prevención del abandono. Quinta Conferencia Latinoamericana sobre el abandono en la educación superior, V CLABES 2015. Talca, Chile.: 5p.
dc.relationGonzález G., L. D. (2019). Control de nuestros datos personales en la era del big data: el caso del rastreo web de terceros. Estudios Socio-Jurídicos, 21(1), 209-244. doi: http://dx.doi.org/10.12804/revistas.urosario.edu.co/sociojuridicos/a.6941
dc.relationGonzalez Fiegehen, L. E., & Espinoza Diaz, O. (2016). Deserción en educación superior en América Latina y el Caribe. Paidea, revista de educación, 45, 33-35. Disponible en: http://www.revistapaideia.cl/index.php/PAIDEIA/article/view/71/65
dc.relationGoogle. (2020). Angular CLI. CLI Overview and Command Reference. Disponible en: https://cli.angular.io/
dc.relationGordillo, E., & Polanco , J. (1981). Deserción Estudiantil: Análisis cuantitativo. Oficina Planeación, División de Programación Económica. Bogotá D.C.: Universidad Pedagogica Nacional
dc.relationHan J., Kamber M. (2001). Data mining: Concepts and Tecniques. San Francisco Morgan Kaufmann Publishers, Academic Press: 550.
dc.relationHenríquez C., N. & Escobar R., D. (2016). Construcción de un modelo de alerta temprana para la detección de estudiantes en riesgo de deserción de la Universidad Metropolitana de Ciencias de la Educación. Revista Mexicana de Investigación Educativa, RMIE, 21(71):1221-1248. Recuperado de: http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405- 66662016000401221
dc.relationHenríquez C., N., & Vargas E., D. (2022). Modelos predictivos de rendimiento y deserción académica en estudiantes de primer año de una universidad pública chilena. Revista de estudios y experiencias en educación, 21(45), 299-316. https://dx.doi.org/10.21703/0718-5162.v21.n45.2022.015
dc.relationHimmel E. (2018). Modelo de análisis de la deserción estudiantil en la educación superior. Calidad en la Educación, (17): 91-108. Disponible en: https://doi.org/10.31619/caledu.n17.409
dc.relationHonores V., G. A. (2019). Sistema de Alerta Temprana basado en Inteligencia de Negocios para detectar riesgo académico en estudiantes de la Universidad de La Serena. Tesina de Maestría. Departamento de Informática, Universidad Técnica Federico Santa María: Valparaíso, Chile. 23 p. Recuperado de: https://www.mti.cl/wpcontent/uploads/2019/06/TesinaMTI2019_Honores_Gonzalo.pdf
dc.relationIstvan, R. M. & Lasagna, V. (2019). Sistema informático para la detección temprana de deserción estudiantil universitaria. Innovación y Desarrollo Tecnológico y Social, 2:1-15. Recuperado de http://sedici.unlp.edu.ar/bitstream/handle/10915/88167/Documento_completo. pdf-PDFA.pdf?sequence=1&isAllowed=y
dc.relationJiménez V., F.; Rivera C., M.; Ariza R., C. M.; Rojas, K. E.; Serrano, S. & Sepúlveda M., M. N. (2021). Capítulo 7. Conclusiones y Discusión. En: Jiménez V., F. J. & Ariza R., C. M. (Comp.). Para la comprensión del fenómeno de la deserción escolar en el sistema de educación pública colombiano. Corporación Universitaria Minuto de Dios: Bogotá, Colombia. p. 149-160. Recuperado de: https://repository.uniminuto.edu/handle/10656/11821
dc.relationLaravel. (2020). The PHP Framework for Web Artisans. [Laravel is a web application framework with expressive, elegant syntax. We’ve already laid the foundation — freeing you to create without sweating the small things.]. Disponible en: https://Laravel.com/.
dc.relationLondoño P., H. F. (2021). Modelo para la identificación de estudiantes en riesgo de deserción escolar Estudio de caso: Institución educativa Sur Oriental (Pereira). [tesis de maestría, Universidad Tecnológica de Pereira]. Repositorio Institucional UTP. https://repositorio.utp.edu.co/items/f7cfc06a1f79-4d74-b894-fb5909960461
dc.relationLópez V., L. & Beltrán S., A. (2017). La deserción en estudiantes de educación superior: tres percepciones en estudio, alumnos, docentes y padres de familia. Pistas Educativas, 39(126):143-159. Recuperado de http://itcelaya.edu.mx/ojs/index.php/pistas/article/view/776/849
dc.relationLosio M. S., Macri A. (2015). Deserción y Rezago en la Universidad: Indicadores para Autoevaluación. Revista Latinoamericana de Políticas y Administración de la Educación, 2(3): 114-126. Disponible en: http://relapae.com.ar/wpcontent/uploads/relapae_2_3_losio_macri_desercion_rezago_universidad_au toe valuacion.pdf
dc.relationLoza A., E. F. & Vinueza L., C. N. (2021). Diseño de un modelo matemático para estimar la deserción estudiantil mediante técnicas de análisis multivariado en una institución de educación superior tecnológica. [tesis de maestría, Universidad Técnica de Ambato]. Repositorio Digital UTA. http://repositorio.uta.edu.ec/handle/123456789/32219
dc.relationMariño M., I. C. (2016). Diseño de una metodología de monitoreo y alerta temprana para programas de cofinanciación universitaria basado en análisis prospectivo: caso de estudio: Programa Ser Pilo Paga en la Universidad del Norte. Tesis de maestría. Departamento de Ingeniería Industrial, Universidad del Norte: Barranquilla, Colombia. 190 p. Recuperado de: http://manglar.uninorte.edu.co/handle/10584/8968#page=1
dc.relationMartínez L., G. L. (2011). Minería de datos: cómo hallar una aguja en un pajar. Revista Ciencia, 62(3):18-28. Recuperado de: https://revistaciencia.amc.edu.mx/images/revista/62_3/PDF/mineria_aguja.pd f
dc.relationMendoza M., L. (2018). El software como servicio y el habeas data: una aproximación desde el Derecho Privado y Constitucional en Colombia. DIXI, 20(27):1-13. doi: https://doi.org/10.16925/di.v20i27.2396
dc.relationMendoza, A.; González, H.; Buelvas, J. & Martínez R., S. L. (2016). Guía para la implementación de sistemas de alerta temprana comunitarios. 2 ed. Unidad Nacional para la Gestión del Riesgo de Desastres: Bogotá, Colombia. 28 p. Recuperado de: https://www.boyaca.gov.co/SecInfraestructura/images/OPAD/documentos/sist emaalertatemprana.pdf
dc.relationMeza B., M. P., & Gutiérrez C., G. A. (2021). Modelo basado en árbol de decisiones para determinar los factores de deserción de estudiantes en una Institución de Educación Superior Mexicana. Revista de Gestión Empresarial y Sustentabilidad, 7(1), p. 19-30. https://rges.umich.mx/index.php/rges/article/view/67
dc.relationMinisterio de Educación Nacional, MEN (2019). Spadies. [Sistema para la prevención de la deserción de la educación superior.]. Disponible en: https://www.mineducacion.gov.co/sistemasinfo/spadies/.
dc.relationMinisterio de Educación Nacional, MEN (2009). Deserción estudiantil en la educación superior colombiana: Metodología de seguimiento, diagnóstico y elementos para su prevención. Ministerio de Educación Nacional: Bogotá, Colombia. 156 p. Recuperado de: https://www.mineducacion.gov.co/sistemasdeinformacion/1735/articles254702_libro_desercion.pdf
dc.relationMinisterio de Educación Nacional, MEN (2014). Manual de preguntas frecuentes – versión 2. Ministerio de Educación Nacional: Bogotá, Colombia. Recuperado de: https://www.mineducacion.gov.co/sistemasdeinformacion/1735/articles254704_archivo_pdf_manual_preg_frecuentes.pdf
dc.relationMinisterio de Educación Nacional, MEN (2021). SIMAT: Sistema Integrado de Matrícula. Ministerio de Educación Nacional: Bogotá, Colombia. Recuperado 134 de: https://www.mineducacion.gov.co/1759/w3-article168883.html?_noredirect=1
dc.relationMoreno S., Barragán J. (2017). Indicadores del desempeño organizacional para la permanencia y la deserción estudiantil desde la perspectiva de la gestión dinámica del desempeño. En: Séptima Conferencia Latinoamericana sobre el ABandono de la Educación Superior, VII-CLABES Congresos CLABES. Córdoba, Argentina.
dc.relationMoschner, V. E. (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. [tesis de maestría, Universidad Nacional del Nordeste]. Repositorio Institucional UNNE. https://repositorio.unne.edu.ar/handle/123456789/37789
dc.relationMoya, H.; Fernández, P. & Oyarzun, F. (2018). Análisis de la deserción en el Departamento de Formación Técnica de la Universidad Arturo Prat. Revista CIS, 15(25):22-33. Recuperado de: https://dialnet.unirioja.es/descarga/articulo/6794422.pdf
dc.relationNieto, C Patiño, M. Rodríguez, B. (1981). Deserción Estudiantil en el Departamento de Química de la Universidad Pedagógica Nacional: Grado y Causas. Monografia, Bogotá
dc.relationNpm. (2020). Build amazing things. [We're npm, Inc., the company behind Node package manager, the npm Registry, and npm CLI. We offer those to the community for free, but our day job is building and selling useful tools for developers like you.]. Disponible en: https://www.npmjs.com/package/bootstrap. [Visitada en de
dc.relationOrganización de los Estados Americanos, OEA (2010). Manual para el diseño, instalación, operación y mantenimiento de sistemas comunitarios de alerta temprana ante inundaciones. OEA: Washington D.C., EUA. 331
dc.relationPaz Saavedra, L. E. (2007). El B-Learning como una estrategia para la disminución de la desercion estudiantil en la universidad colombiana. Bogota: Universidad de Nariño, p 3-4. [Ponencia XIV Congreso Internacional sobre 135 Educación Electrónica virtual y a distancia, Universidad de Nariño]. Repositorio Institucional de la Universidad de Nariño. http://sired.udenar.edu.co/id/eprint/3618
dc.relationPérez P., J. J. & Chong B., M. C. (2020). Reflexión sobre la deserción escolar. Revistadecooperacion.com, (17):19-22. Recuperado de https://www.revistadecooperacion.com/numero18/18-02.pdf
dc.relationPontificia Universidad Católica de Valparaíso (2019). Dirección de Asuntos estudiantiles: Beneficios – Crédito con garantía estatal. Pontificia Universidad Católica de Valparaíso: Valparaíso, Chile. Recuperado de: http://vra.ucv.cl/dae/?page_id=1428
dc.relationQuispe F., R. & Paucar S., S. (2019). Factores de riesgo asociados a la deserción estudiantil en la Universidad Nacional Amazónica de Madre de Dios. Revista El Ceprosimad, 7(1): 37-42. Recuperado de: http://journal.ceprosimad.com/index.php/ceprosimad/article/view/77/87 Ricoachury, H; Lara, L. (1984). Los Desertores En: Cuadernos de Planeación. Universidad Pedagógica Nacional, Bogotá
dc.relationRivera P., J. (2020). Sistemas de alerta temprana en la región SICA: revisión de la literatura y de la práctica. Coordinación Educativa y Cultural Centroamericana (CECC) – Sistema de la Información Centroamericana (SICA): San José, Costa Rica. 56 p. Recuperado de: https://ceccsica.info/sites/default/files/inlinefiles/SISTEMAS%20DE%20ALERTA%20TEMPRANA%20EN%20LA%20RE GI%C3%93N%20SICA.pdf
dc.relationRivera V., K. (2021). Modelo predictivo para la detección temprana de estudiantes con alto riesgo de deserción académica. Innovación y software, 2(2), 6-13. https://revistas.ulasalle.edu.pe/innosoft/article/view/40/37
dc.relationRodríguez A.B., Espinoza J., Ramírez L.J., Ganga A. (2018). Deserción Universitaria: nuevo análisis metodológico. 107-118. Disponible en: https://www.scielo.cl/scielo.php?pid=S0718- 50062018000600107&script=sci_abstract
dc.relationRomero G., Paredes A. (2017). Análisis de la deserción estudiantil en la USB, facultad Ingeniería de Sistemas, con técnicas de minería de datos. Revista Investigación y Desarrollo en TIC, 4(1).
dc.relationRomero, G. V., Toranzo C., J. S., Jaremczuk, S. E., Gómez, J. C. & Verrastro, C. (2021). Predictor de deserción universitaria. Revista Proyecciones, 19(1), https://ria.utn.edu.ar/xmlui/handle/20.500.12272/5587
dc.relationRosado O., G. (2017). ¿Deserción o exclusión escolar?: Políticas, ambientes y prácticas educativas frente a la pobreza y la desigualdad. Disertación doctoral. Facultad de Ciencias Sociales, Universidad de Puerto Rico: Río Piedras, Puerto Rico. 373 p. + Apéndices. Recuperado de https://repositorio.upr.edu/handle/11721/1961
dc.relationSarobe, M.; Smail, A.; Piergallini, M. R.; Guasch, M. M.; Rodríguez, M.; Lanzillota, M.; Adó, M.; Banchoff T., C. M. (2016). Evaluación de técnicas de data mining para la obtención de perfiles de ingresantes a la UNNOBA. En: XVIII Workshop de Investigadores en Ciencias de la Computación, WICC 2016. Entre Ríos, Argentina. Recuperado de: http://sedici.unlp.edu.ar/handle/10915/52957
dc.relationSeminara M.P. & Aparicio M. T. (2018). La deserción universitaria ¿un concepto equívoco? revisión de estudios latinoamericanos sobre conceptos alternativos. Revista Orientación Educacional, ROE, 32(61):44-72. Recuperado de: http://www.roe.cl/index.php/roe/article/view/166/158, https://dialnet.unirioja.es/servlet/articulo?codigo=6739300
dc.relationShica J., Z. C. (2022). Modelos de Data Science para mejorar la detección de la deserción académica en la Institución Educativa 88331 en Chimbote – 2021. [tesis de maestría, Universidad César Vallejo]. Repositorio Digital UCV. https://repositorio.ucv.edu.pe/handle/20.500.12692/86968
dc.relationSistema de prevención y Análisis de la Deserción en las Instituciones de Educación Superior SPADIES (2008) 137 Suárez N., Díaz L. B. (2015). Estrés académico, deserción y estrategias de retención de estudiantes en la educación superior. Revista de Salud Pública, 17(2): 300-313. Disponible en: https://doi.org/10.15446/rsap.v17n2.52891
dc.relationTapia S., J. (2021). Modelo predictivo de clasificación basado en aprendizaje automatizado para la detección temprana de posibles estudiantes universitarios desertantes [tesis de maestría, Universidad Nacional de San Agustín de Arequipa]. Repositorio Institucional UNSA. http://hdl.handle.net/20.500.12773/13409
dc.relationTimarán P., S. R.; Hernández A., I.; Caicedo Z., S. J.; Hidalgo T., A. & Alvarado P., J. C. (2016). Descubrimiento de patrones de desempeño académico con árboles de decisión en las competencias genéricas de la formación profesional. Ediciones Universidad Cooperativa de Colombia: Bogotá, Colombia. doi: http://dx.doi.org/10.16925/9789587600490
dc.relationTimarán P., S. R.; Jiménez T., A. & Calderón R., A. (2017). Detección de patrones de deserción estudiantil con minería de datos. Caso de estudio: Universidad de Nariño e Institución Universitaria CESMAG. Editorial Universidad de Nariño: Pasto, Colombia. 151 p.
dc.relationTimarán R., Jiménez J. (2015). Extracción de Perfiles de Deserción Estudiantil en la Institución Universitaria Cesmag. InvestigiumIRE, 6(1): 30-44.
dc.relationTinto V. (2016). Definir la deserción: una cuestión de perspectiva. Revista Educación Superior, 76 (18):1-9. Disponible en: http://publicaciones.anuies.mx/pdfs/revista/Revista71_S1A3ES.pdf
dc.relationToledo A., P. & Rojas P., P. (2019). Relación entre acreditación institucional y retención de primer año, de las universidades estatales en Chile, cohorte 2012-2016. Journal of Management & Business Studies, JM&BS, 1(1), Art. 03:75-105. 193 p. doi: https://doi.org/10.32457/jmabs.v1i1.293
dc.relationTorres González, J.D.; Acevedo Correa, D. & Gallo García, L.A. (2015). Causas y consecuencias de la deserción y repitencia escolar: una visión general en el contexto latinoamericano. Cultura, Educación y Sociedad 6(2):157-187. 138 https://revistascientificas.cuc.edu.co/culturaeducacionysociedad/article/view/9 04/pdf_127
dc.relationUNESCO (2020). UNESCO COVID-19 education response: how many students are at risk of not returning to school? Advocacy paper. Disponible en https://unesdoc.unesco.org/ark:/48223/pf0000373992?
dc.relationUniversidad Andrés Bello (2019). Beneficios: Crédito con Garantía Estatal. Universidad Andrés Bello: Santiago, Chile. Recuperado de: https://www.unab.cl/financiamiento/
dc.relationUniversidad Antonio Nariño (2017). Documento descriptivo por factor: Factor No. 2 Estudiantes y Profesores. Universidad Antonio Nariño: Bogotá, Colombia. 68 p. Recuperado de: http://acreditacion.uan.edu.co/images/SIAC/documentos/ResultadosProceso AutoevaluacionInstitucional/2017/3.DocumentoDescriptivoPorFactor/Factor2. pdf
dc.relationUniversidad Pedagogica Nacional. (1984). Los desertores, Cuaderno de Planeacion. Bogota.
dc.relationUrbina-Nájera, A.B., Camino-Hampshire, J.C., & Cruz Barbosa, R. (2020). Deserción escolar universitaria: Patrones para prevenirla aplicando minería de datos educativa. Relieve: Revista Electrónica de Investigación y Evaluación Educativa, 26(1), art. 4: 1-21. http://doi.org/10.7203/relieve.26.1.16061
dc.relationValenzuela B., A. E. (2019). Deserción de estudiantes del programa de Acompañamiento y Acceso Efectivo a la Educación Superior (PACE) en la UCM: un estudio exploratorio. Tesis de maestría. Facultad de Ciencias de la Educación, Universidad de Talca: Talca, Chile. 64 p. Recuperado de: http://dspace.utalca.cl/handle/1950/12006
dc.relationVásquez R., J. O. (2015). Metodología para la detección temprana de la deserción de los estudiantes del pregrado Sistemas de Información en la asignatura Lógica y Programación del Instituto Tecnológico Metropolitano. Tesis de Maestría. Escuela de Ingeniería, Universidad EAFIT: Medellín, Colombia. 95 139 p. Recuperado de: https://repository.eafit.edu.co/bitstream/handle/10784/8077/JaimeOrlando_Va squezRojas_2015.pdf?sequence=2&isAllowed=y
dc.relationVásquez, J. (2016). Modelo predictivo para estimar la deserción de estudiantes en una institución de educación superior. Tesis de maestría. Postgrado Economía y Negocios, Universidad de Chile: Santiago, Chile. 153 p. Recuperado de: http://repositorio.uchile.cl/handle/2250/144169
dc.relationVega G., J. B. (2017). Impacto del programa Aquí, Presente en la deserción escolar. Tesis de maestría. Postgrado Economía y Negocios, Universidad de Chile. 44 p. Recuperado de: http://repositorio.uchile.cl/handle/2250/145477
dc.relationVentura R., J. M. (2021). Factores asociados a las causas de la deserción estudiantil en instituciones de Educación Superior de El Salvador. [tesis doctoral, Universidad de Alicante]. RUA, Repositorio Institucional de la Universidad de Alicante. http://rua.ua.es/dspace/handle/10045/118410
dc.relationVera C.M. (2015). Predicción del fracaso y el abandono escolar mediante técnicas de minería de datos.
dc.relationViale T., H. E. (2014). Una aproximación teórica a la deserción estudiantil universitaria. Revista Digital de Investigación en Docencia Universitaria, RIDU. 8(1):60-75. Recuperado de: https://dialnet.unirioja.es/servlet/articulo?codigo=4898826
dc.relationViera Castillo, Daniel Omar, & Pachari-Vera, Erika, & Flores Loredo, Mario Alonso (2020). Factores de deserción estudiantil: un estudio exploratorio desde Perú. Interciencia, 45 (12),586-591. [fecha de Consulta 20 de junio de 2022]. ISSN: 0378-1844. Disponible en: https://www.redalyc.org/articulo.oa?id=33965363005
dc.relationVinasco M., S. (2009). La Deserción Estudiantil en Colombia. Publicaciones Universidad Sergio Arboleda, 17,18.
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.subjectRepitencia
dc.subjectDeserción
dc.subjectDeserción estudiantil
dc.subjectInstituciones de educación superior
dc.subjectInformación y comunicación
dc.subjectAlumno desertor
dc.titleSistema de alerta temprana de potencial repitencia y deserción estudiantil (SisALTem) Español
dc.typeTrabajo de grado - Maestría
dc.typehttp://purl.org/coar/resource_type/c_bdcc
dc.typeText
dc.typeinfo:eu-repo/semantics/masterThesis
dc.typeinfo:eu-repo/semantics/publishedVersion


Este ítem pertenece a la siguiente institución