Date Log
Analysis of Machine Learning techniques for predicting dropout of university students
Corresponding Author(s) : Juan Ramírez
Investigación y Acción,
Vol. 3 No. 2 (2023): Investigación y Acción
Abstract
Machine learning, which in Spanish means machines that learn, has the ability to predict the behavior of any system. To carry out machine learning, different algorithms are used that successfully develop what is desired. On the other hand, university student dropout is understood as the failure to complete an undergraduate or postgraduate degree due to definitive abandonment or change of major, due to different economic and academic factors. The methodology used is qualitative, not experimental, descriptive, the instruments used were computers. During this work, a bibliographic review of different academic articles found in magazines indexed at the international, national and local level was found, it was concluded that machine learning is an invaluable tool for higher education institutions to face the complex challenge of university dropout. By analyzing data and patterns hidden in them, it provides the possibility of timely identifying and assisting students at risk of dropping out.
Keywords
References
Alvarez Risco, A. (2020). Clasificación de las Investigaciones. Universidad de Lima.
Apazza, E., & Huamán, F. (2012). Factores determinantes que inciden en la deserción de los estudiantes universitarios. Apuntes Universitarios. Revista de Investigación, 77-86.
Cardona, T., Cudney, E., Hoerl, R., & Snyder, J. (2020). Data Mining and Machine Learning Retention Models in Higher Education. J Coll Stud Ret.
Castiblanco, W., Fonseca, L., & Pineda, W. (2021). Detección de alertas tempranas para la prevención de la deserción estudiantil en una institución de educación superior a partir de un modelo de clasificación y su predicción por medio de técnicas de machine learning. Bogotá: Rev Conocimiento Global.
Creswell, J. (2007). Qualitative inquirí and reaserch design. Chossing among five traditions. Thousand Oaks, CA. Sage publications.
Cruz, 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. . Ciudad de Panamá: PRISMA Tecnológico.
Cué Brugueras, M., & Oramas Díaz, J. (2008). Information synthesis and review articles. ACIMED. Obtenido de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1024-94352008000200007&lng=es&tlng=en.
Delen, D. (2010). A comparative analysis of machine learning techniques for student retention management, Decision Support Systems. 498-506 .
González Sánchez, J., & Peñaloza Pérez, M. (2021). Identificación y predicción de estudiantes en riesgo de deserción académica por medio de modelos basados en machine learning. Fundación Universitaria los Libertadores.
Henriquez, C., Salcedo, D., & SánchezTorres, G. (2022). El aprendizaje automático en entornos educativos universitarios: Caso deserción académica. Barranquilla: Prospectiva.
Hernández Sampieri, R. (2014). Metodología de la investigación. México: McGraw-Hill.
Hinestroza, D. (2018). El machine learning a traves del tiempo y los aportes a la humanidad. Universidad Libre .
Martelo, R., Herrera, K., & Villabona, N. (2017). Estrategias para disminuir la deserción universitaria mediante series de tiempo y multipol. Revista Espacios.
Miranda, M., & Guzmán, J. (2017). Análisis de la Deserción de Estudiantes Universitarios usando Técnicas de Minería de Datos. . Formación Universitaria, 61-68.
Ortiz, A., Pérez, V., & Salazar, O. (2014). Una aproximación conceptual a la retención estudiantil en Latinoamérica. Revista Interamericana de Investigación, Educación y Pedagogía.
Parra, J., Torres, I., & Martínez, C. (2023). Factores explicativos de la deserción universitariaabordados mediante inteligencia artificial. Colombia: Revista electrónica de investigación educativa.
Rico, A. (2022). Modelos predictivos progresivos del rendimiento académico de estudiantes universitarios. México: Rev. Iberoam. Investig. Desarro.
Valero, J., Navarro, E., Larios, A., & Julea, J. (2022). Deserción universitaria: Evaluación de diferentes algoritmos de Machine Learning para su predicción. Zulia: Revista de Ciencias Sociales-Universidad de Zulia.