Resumen

Este trabajo forma parte de un proyecto de investigación que pretende construir un modelo predictivo del rendimiento académico de los estudiantes, como resultado de un proceso iterativo de experimentación y evaluación de la pertinencia de algunas técnicas de minería de datos. Este trabajo fue realizado en el año 2016 en la Universidad El Bosque, Bogotá, Colombia, y presenta un análisis comparativo del desempeño y pertinencia de los algoritmos J48 y Random Forest, con el fin de identificar las variables demográficas y de puntaje icfes más influyentes, así como las reglas de clasificación, para predecir el rendimiento académico de primer año de los estudiantes de la Facultad de Ingeniería, en la Universidad El Bosque, Bogotá, Colombia. El proceso de análisis se realizó sobre 7.644 registros de estudiantes, y se desarrolló en dos fases. En primer lugar, se extrajeron y prepararon los datos necesarios para alimentar el proceso de minería. En segundo lugar, se implementó el proceso de minería de datos propiamente dicho mediante el preprocesamiento de los datos y la ejecución de los algoritmos de clasificación disponibles en Weka. Se encuentran algunas variables y reglas significativas para predecir el rendimiento académico, de acuerdo con las características de la población estudiada. El riesgo académico visto como causa del fenómeno de la deserción debe ser estudiado como un fenómeno en sí mismo. Establecer sus causas facilita la creación de estrategias preventivas para el acompañamiento de los estudiantes en su proceso, orientadas a mitigar el riesgo de ambos fenómenos.

1. INTRODUCCIÓN

En el contexto universitario colombiano, la deserción estudiantil, entendida como un fenómeno educativo, ha sido estudiada con el fin de identificar qué variables académicas y demográficas son las más influyentes. Estudios del gobierno nacional [1] han encontrado que las variables demográficas y sociales más influyentes son la tenencia de vivienda, el nivel de ingresos de la familia, el número de hermanos, la educación de la madre del estudiante, la edad, el género y la situación laboral. Las variables académicas más influyentes son la tasa de repetición (como prueba de bajo rendimiento), la elección de carrera y las puntuaciones en las pruebas icfes¹ [2]. En dichos estudios y en otros realizados por algunas universidades colombianas [3], se ha encontrado que el bajo rendimiento académico en el primer año de estudios es uno de los factores que más incide en la deserción estudiantil [4-7]. Sin embargo, el rendimiento académico no ha sido estudiado como un fenómeno en sí mismo. Teniendo en cuenta otros proyectos de investigación en el contexto internacional [8-11], este trabajo hace parte de un proyecto de investigación [12-14] donde se utilizan técnicas de minería de datos con el fin de predecir el rendimiento académico, identificando sus causas a partir de la información demográfica y de puntajes de pruebas icfes recolectada durante la matrícula de cada estudiante.

• Materias:Educación Ciencia de datos Minería de datos Modelo de predicción Pruebas
• Subjects:Education Data science Data mining Prediction modeling Tests
• Palabras claves:Predicción del rendimiento académico; Prevención del riesgo académico; Minería de datos; J48; Bosque Aleatorio
• Keywords:Academic performance prediction; Academic risk prevention; Data mining; J48; Random Forest