Modelo de aprendizaje de máquinas para identificar variables con mayor incidencia en la deserción escolar y que predicen posibles desertores de instituciones educativas en educación regular
| dc.contributor.advisor | Giraldo Mejía, Juan C. | |
| dc.contributor.advisor | Giraldo Mejía, Juan C. | |
| dc.contributor.author | Jaramillo Ciro, Gabriel | |
| dc.contributor.author | Calderón, Leidy | |
| dc.date.accessioned | 2023-10-21T14:53:08Z | |
| dc.date.available | 2023-10-21T14:53:08Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Este trabajo de grado está enfocado en Construir un modelo de aprendizaje de máquinas para identificar las variables con mayor incidencia en la deserción escolar y que predicen posibles desertores de instituciones educativas en educación regular y así contar con una herramienta que permita tomar medidas preventivas que permitan reducir el abandono. Para el desarrollo de este estudio se utilizaron 259.411 registros de estudiantes matriculados para el 2020 en instituciones educativas oficiales de Medellín en edad regular con base en reportes de los sistemas SIMAT y SIMPADE Para alcanzar los objetivos propuestos en este trabajo, se utilizará la metodología CRISP- DM (Cross-Industry Standard Process for Data Mining) con sus 6 fases; esta metodología integra todas las actividades necesarias para el desarrollo de este estudio, desde la fase inicial de comprensión del negocio hasta el despliegue del modelo predictivo propuesto como solución a través del uso de técnicas de Machine Learning. De acuerdo con los resultados obtenidos con el modelo creado; como se mencionó anteriormente, se pudo identificar variables directamente relacionadas con la condición de desertar, es decir si esa variable aumenta o es positiva, la posibilidad de abandonar los estudios también aumenta, estas variables fueron: edad, pertenencia al grado primero o tercero, ser beneficiario de programas para madres cabeza de familia o no estudiar en la vigencia académica del año anterior. | spa |
| dc.format.extent | 93 p. | spa |
| dc.format.mimetype | application/pdf | spa |
| dc.identifier.uri | http://repository.ucatolicaluisamigo.edu.co/handle/20.500.14531/2007 | |
| dc.language.iso | spa | spa |
| dc.publisher | Universidad Católica Luis Amigó | spa |
| dc.publisher.faculty | Escuela de Posgrados | spa |
| dc.publisher.place | Medellín | spa |
| dc.rights | info:eu-repo/semantics/openAccess | spa |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
| dc.rights.creativecommons | https://creativecommons.org/licenses/by/4.0/ | spa |
| dc.rights.uri | https://creativecommons.org/licenses/by-nd/4.0/ | spa |
| dc.source | Universidad Católica Luis Amigó | spa |
| dc.source | RI-UCLA | spa |
| dc.subject | Aprendizaje de máquina | spa |
| dc.subject | Deserción | spa |
| dc.subject | Educación regular | spa |
| dc.subject.armarc | a | |
| dc.subject.keyword | Machine learning | spa |
| dc.subject.keyword | Dropout | spa |
| dc.subject.keyword | Regular education | spa |
| dc.title | Modelo de aprendizaje de máquinas para identificar variables con mayor incidencia en la deserción escolar y que predicen posibles desertores de instituciones educativas en educación regular | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_1843 | spa |
| dc.type.driver | info:eu-repo/semantics/article | spa |
| dc.type.hasversion | http://purl.org/coar/version/c_b1a7d7d4d402bcce | spa |
| dc.type.local | Tesis/Trabajo de grado - Monografía - Especialización | spa |
| oaire.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
| oaire.version | http://purl.org/coar/version/c_b1a7d7d4d402bcce | spa |
| thesis.degree.discipline | Escuela de posgrados. Especialización en Big Data e Inteligencia de Negocios. | spa |
| thesis.degree.grantor | Universidad Catolica Luis Amigo | spa |
| thesis.degree.level | Especialización | spa |
| thesis.degree.name | Especialista en Big Data e Inteligencia de Negocios. | spa |