Palabras clave
modelo predictivo
educación superior
aprendizaje automático
Cómo citar
Resumen
El objetivo de este estudio fue desarrollar un modelo predictivo para prevenir la deserción académica en estudiantes de un instituto tecnológico de Puno durante el año 2025. La problemática abordada radica en las altas tasas de deserción escolar en las regiones rurales del Perú, influenciadas por factores socioeconómicos, académicos y personales. La investigación fue básica-aplicada, con enfoque cuantitativo, diseño descriptivo y explicativo, y alcance transversal. La población estuvo constituida por todos los estudiantes matriculados en el instituto en el año 2025, mientras que la muestra estuvo constituida por 300 estudiantes seleccionados mediante muestreo estratificado. Los resultados cuantitativos muestran que variables como el bajo rendimiento en el primer semestre, las condiciones socioeconómicas precarias, la edad avanzada al ingreso y el género inciden significativamente en el riesgo de deserción. El modelo predictivo, basado en técnicas de aprendizaje automático como la regresión logística y los árboles de decisión, alcanzó altos niveles de precisión y recordación. Se concluye que la identificación temprana de estudiantes en riesgo, mediante modelos predictivos, permite diseñar estrategias de intervención efectivas. Se recomienda su implementación institucional, junto con medidas de apoyo académico, financiero y emocional personalizado, lo que podría mejorar significativamente la retención estudiantil en contextos similares.
Referencias
JM Gaviria Hincapié, «Reconocimiento de patrones de deserción estudiantil mediante técnicas de análisis de datos, en el contexto de la educación de ciclo preparatorio», http://purl.org/dc/dcmitype/Text, Tecnológico de Antioquia, 2024. Consultado: 19 de septiembre de 2025. [En línea]. Disponible en: https://dialnet.unirioja.es/servlet/tesis?codigo=369520
[2] CA Puentes-Morales, «Centro de Investigaciones de la Universidad Distrital Francisco José de Caldas», Visión Electrónica, vol. 15, núm. 2, págs. 297-314, julio de 2021, doi: 10.14483/22484728.18941.
[3] AN Restrepo Vizcaya, "Instanciación de un modelo predictivo de la deserción escolar en Pereira durante la pandemia de COVID-19 - Estudio de caso de una institución educativa del sureste", 2022, consultado el 19 de septiembre de 2025. [En línea]. Disponible en: https://hdl.handle.net/11059/14684
[4] MJ Jurado Mantilla, «Diseño de un modelo predictivo de la deserción estudiantil de posgrado en una institución de educación superior», tesis de licenciatura, ESPOL.FCNM, 2020. Consultado: 19 de septiembre de 2025. [En línea]. Disponible en: http://www.dspace.espol.edu.ec/handle/123456789/48758
[5] A. Asfaw et al., “Creación de un programa de pregrado en ingeniería cuántica”, IEEE Trans. Educ, vol. 65, núm. o 2, págs. 220-242, mayo de 2022, doi: 10.1109/TE.2022.3144943.
[6] J. Tapia Sucapuca, «Modelo de clasificación predictiva basado en aprendizaje automático para la detección temprana de posible abandono universitario».
[7] E. Franco Delgado, M. Polanco Valenzuela, E. Franco Delgado y M. Polanco Valenzuela, «Selección de carrera: un modelo predictivo en estudiantes de una universidad privada de Arequipa (Perú)», Rev. Investig. En Psicol. , vol. 26, núm. 2 , págs. 5-31, julio de 2023, doi: 10.15381/rinvp.v26i2.25325.
[8] D. Núñez Villalobos, «Modelo predictivo basado en aprendizaje automático para la retención estudiantil en educación superior», Epsir Eur. Public Soc. Innov. Rev. , n.º 10 , p. 270, 2025.
[9] VJ Polo Romero, «Modelo predictivo basado en Aprendizaje Automático Supervisado y deserción estudiantil en centros de Educación Superior Tecnológica Pública de la región La Libertad».
[10] M. Suarez Barón, C. Tinjaca Cristancho, y J. González Sanabria, «Análisis de datos aplicado al estudio de la deserción estudiantil en la Universidad Pedagógica y Tecnológica de Colombia – UPTC», Aglala , vol. 11, núm. 1 , pp. 284-301, 2020.
[11] GEV Altamirano, «Modelo de predicción de deserción escolar en estudiantes de la unidad educativa Los Andes debido al impacto de la pandemia», Cienc. Lat. Rev. Científica Multidiscip. , vol. 7, n. o 1, pp. 3038-3052, feb. 2023, doi: 10.37811/cl_rcm.v7i1.4640.
[12] R. Ferrer-Urbina, V. Karmelic-Pavlov, H. Beck-Fernández, y RV Pinto, «Un modelo predictivo de fracaso/éxito académico basado en indicadores de admisión, en estudiantes de una universidad estatal del norte de Chile», Interciencia , vol. 44, núm. o 1, pp. 23-29, 2019.
[13] BR Chacha, WL López y MB Constante, «Modelo predictivo de deserción estudiantil basado en regresión logística», ESPOCH Congr. Ecuadorian J. STEAM, vol. 3, nov. 2023, doi: 10.18502/espoch.v3i1.14477.
[14] P. Román López, MJ Rodríguez Arrastia y C. Ropero Padilla, Eds., Metodología de la investigación: De lector a divulgador en Textos didácticos, núm. 83. Almería: Prensa Universidad de Almería, 2021.
[15] MT Ruales, «Predicción de la Deserción Estudiantil en la Universidad Tecnológica de Pereira mediante la Implementación de Modelos de Aprendizaje Automático».
[16] JP Estrada Arana, «Diseño de un modelo matemático utilizando técnicas de análisis multivariado para estimar tasas de deserción estudiantil en el Instituto Tecnológico Superior Cotacachi.», Tesis de Maestría, Riobamba: Universidad Nacional de Chimborazo, 2025. Consultado: 19 de septiembre de 2025. [En línea]. Disponible en: http://dspace.unach.edu.ec/handle/51000/14558
[17] LF Castro Rojas, E. Espitia Peña y E. Romero Cuero, “Análisis de características que influyen en la deserción estudiantil en el contexto de una universidad latinoamericana”, Rev. EIA, vol. 20, núm.40, pág. 2, 2023.
[18] A. Postigo Palacios, Seguridad Informática. Madrid: Paraninfo, 2020.
[19] SR Sihare, “Análisis de la deserción estudiantil en la educación superior y la retención mediante inteligencia artificial y aprendizaje automático”, SN Comput. Sci. , vol. 5, núm. o 2, pág. 202, enero de 2024, doi: 10.1007/s42979-023-02458-w.
[20] JP Uribe Mostacero, «Mejora del indicador de retención en una universidad privada a partir de la clasificación de estudiantes utilizando un modelo predictivo».
[21] Q. Sun, S. Zhou, R. Chen, G. Feng, S.-Y. Hou y B. Zeng, “De la computación a la mecánica cuántica: educación en computación cuántica accesible y práctica para estudiantes de secundaria”, 26 de marzo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Derechos de autor 2025 Hernán H. Huamán Arratia