Análisis del diseño curricular como factor de deserción académica utilizando Minería de Datos
DOI:
https://doi.org/10.36881/yachay.v11i1.139Keywords:
Deserción académica, Minería de Datos, Algoritmos de agrupamiento, Agrupamiento, Clustering, K means, Plan de estudios, Curricula, Diseño CurricularAbstract
La deserción académica es una problemática que involucra a todos los niveles de la educación, siendo la deserción universitaria una de las que más afecta negativamente en el ámbito institucional, familiar y hasta al estado (Nervi, Rodríguez, & Osada, 2015). Uno de los propósitos de la investigación fue descubrir patrones académicos de deserción universitaria a través del procesamiento y análisis de información utilizando técnicas de Minería de Datos. Para lograr este propósito, se analizó información proveniente de la base de datos de la Universidad Andina del Cusco correspondiente a la Escuela Profesional de Ingeniería de Sistemas (EPIS) durante el periodo de 2006 a 2016, es decir diez años de ejercicio, que incluyo información de estudiantes, asignaturas, promedios, entre otros. Las técnicas utilizadas estuvieron basadas en la Minería de Datos, se utilizó la técnica de análisis descriptivo Clustering, junto al algoritmo de agrupamiento K means. Luego del procesamiento y análisis bajo estas técnicas, surgió como resultado sobresaliente el diseño curricular, que presentó un comportamiento particular relacionado a la deserción universitaria, que lo calificó como factor de deserción (Choque Soto, 2019). Se identificó entonces al diseño curricular como factor determinante de deserción por su comportamiento reiterativo en las pruebas realizadas y en la consolidación de resultados. Los resultados de la investigación y sus hallazgos fueron presentados para reforzar la toma de decisiones con respecto al diseño de Planes de estudios o currículos que tengan mejor aceptación en el alumnado.
Downloads
References
2. Choque Soto, V. (2019). Minería de Datos aplicada a la identificación de factores de deserción universitaria en programas de pre grado. Cusco, Peru.
3. Cortés, H., Gallego, L., & Rodríguez, G. (2011). La Facultad de Ingeniería hoy: una aproximación hacia la construcción de indicadores académicos. Ingeniería e Investigación. Ingeniería e Investigación, 74-90.
4. Cusco, U. A. (8 de 08 de 2018). Universidad Andina del Cusco. Obtenido de https://www.uandina.edu.pe/index.php/transparencia-uac/
5. Eckert, K., & Suénaga, R. (2013). Aplicación de técnicas de Minería de Datos al análisis. XV Workshop de investigadores en Ciencias de la Computacion, 92-96.
6. Guirado, M., Álvarez, M., & Vázquez, M. (2018). Factores internos, externos y bilaterales asociados con la deserción en estudiantes universitarios. Interacciones: Revista de Avances en Psicología, 59-69.
7. Nervi, C., Rodríguez, J., & Osada, J. (2015). Deserción universitaria durante el primer año de estudios. FEM (Ed. impresa) , 93-93.
8. Panda, G., & Nanda, S. J. (2014). A survey on nature inspired metaheuristic algorithms for partitional clustering. A survey on nature inspired metaheuristic algorithms for partitional clustering, 1-18.
9. Talend Open Source. (10 de 04 de 2019). Talend. Obtenido de Talend: https://www.talend.com/products/talend-open-studio/
10. University of Waikato. (10 de 04 de 2019). Weka. Obtenido de Weka: https://www.cs.waikato.ac.nz/ml/weka/
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Yachay
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
You are free to:
- Share — copy and redistribute the material in any medium or format
- Adapt — remix, transform, and build upon the material
- The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
-
Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.