Modelo de personalización de estrategias de aprendizaje basado en inteligencia artificial para estudiantes en riesgo de deserción universitaria por desempeño académico

Abstract

El problema de la deserción universitaria se presenta como uno de los grandes desafíos en la educación superior y aunque es multifactorial, uno de los retos más grandes se da desde la dimensión académica. Esta tesis doctoral aprovecha los desarrollos de la Inteligencia Artificial en la aplicación de problemáticas a la que se enfrenta la educación superior en Colombia y en el mundo con respecto a la deserción universitaria. Se presenta la construcción de un modelo de personalización de estrategias de aprendizaje basado en inteligencia artificial para estudiantes en riesgo de deserción universitaria por desempeño académico. Para lograr este objetivo, se caracterizó el perfil del estudiante de acuerdo con las variables que inciden en el riesgo de deserción por desempeño académico. Posteriormente, se clasificaron los estudiantes con técnicas de analítica de datos, de acuerdo con el nivel de riesgo de deserción, se diseñó e implementó un modelo de personalización de estrategias de aprendizaje según los estilos de aprendizaje, los conocimientos previos y las variables que inciden en el desempeño académico de los estudiantes y se validó, mediante un caso de estudio, lo que permitió evidenciar sus fortalezas y debilidades. La metodología se basó en tres fases: teórica descriptiva, analítica y de desarrollo y verificación experimental. Los resultados de esta investigación demuestran que las asignaturas relacionadas con las matemáticas influyen en el riesgo de deserción por desempeño académico, por lo que es necesaria una gestión desde los datos para que puedan estar disponibles con el fin de determinar acciones tempranas. Además, se encontraron patrones multivariables de los grupos con mayor riesgo de deserción, respecto a los de menor riesgo. Fue posible con una alta precisión clasificar a los estudiantes de acuerdo con su nivel de riesgo de deserción, con rangos entre el 91 y 92% utilizando el algoritmo RandomForest. Se encontraron diferencias en la literatura respecto al uso de determinados recursos de acuerdo con el estilo de aprendizaje. Finalmente, se logró construir un modelo de personalización funcional mediante el uso de diferentes herramientas de aprendizaje automático en torno a la IA en la dimensión académica y validar con los estudiantes. Palabras clave: personalización, inteligencia artificial, estrategias de aprendizaje, deserción universitaria, desempeño académico.