Show simple item record

dc.contributor.advisorGonzalez Veloza, John Fredy
dc.creatorGonzález Sánchez, Juan Carlos
dc.creatorPeñaloza Pérez, Marco Javier
dc.date.accessioned2021-08-13T20:57:20Z
dc.date.available2021-08-13T20:57:20Z
dc.date.created2021
dc.identifier.urihttp://hdl.handle.net/11371/4188
dc.descriptionEn el ámbito de la educación universitaria virtual en Colombia existe una creciente preocupación por el tema de la deserción estudiantil, particularmente en las facultades de ingeniería dónde asignaturas relacionadas con las ciencias naturales y matemáticas tienen altos índices de mortalidad académica. El presente trabajo describe el proceso de identificación de las características más importantes que conllevan a que muchos estudiantes abandonen sus estudios en la asignatura Mecánica en la Universidad Nacional Abierta y a Distancia, para eso se tiene una base de datos entre los periodos académicos 2018 a 2020 y sobre la cual se realizó un análisis de predicción basado en técnicas de Machine Learning, cuyo fin ha sido obtener un pronóstico que permita identificar y prever posibles casos de deserción académica para tomar las medidas necesarias que eviten tal situación en futuros casos. El preprocesamiento de los datos y la aplicación de los modelos han ofrecido resultados satisfactorios que permiten efectuar recomendaciones para reducir el porcentaje de alumnos que abandonan sus estudios.spa
dc.description.abstractIn the field of virtual university education in Colombia there is growing concern about the issue of student dropout, particularly in engineering schools where subjects related to natural sciences and mathematics have high academic mortality rates. This paper describes the process of identifying the most important characteristics that lead many students to abandon their studies in the Mechanics subject at the National Open and Distance University, for that there is a database between the academic periods 2018 to 2020 and On which a prediction analysis based on Machine Learning techniques was carried out, the purpose of which has been to obtain a forecast that allows identifying and anticipating possible cases of academic dropout to take the necessary measures to avoid such a situation in future cases. The pre-processing of the data and the application of the models have offered satisfactory results that allow recommendations to be made to reduce the percentage of students who drop out.spa
dc.formatPDFspa
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.subjectÁrbol de decisiónspa
dc.subjectRegresión logísticaspa
dc.subjectDeserción escolarspa
dc.subjectAnálisis de predicciónspa
dc.titleIdentificación y predicción de estudiantes en riesgo de deserción académica por medio de modelos basados en Machine Learningspa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accesoAbierto (Texto Completo)spa
dc.subject.lembAnálisis de regresiónspa
dc.subject.lembEstadistica matemáticaspa
dc.subject.lembCorrelación - estadísticaspa
dc.subject.lembDeserción universitariaspa


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Indexado por:

Open Access Academy
Creative Commons
OpenAIRE
Google Scholar
Sherpa RoMEO
Directory of Open Access Repositories - OpenDOAR
Registry of Open Access Repositories - OpenROAR

BOGOTÁ: PBX. 254 47 50 - 329 93 33 | Carrera 16 # 63 A - 68

CARTAGENA: Tels. (+57) (5) 656 85 34 - 656 08 92 | Calle 31 No. 19 - 51 Barrio Pie de la Popa

DSpace software copyright © 2002-2016  DuraSpace
Infotegra S.A.S