Torres Pardo, Ingrid DurleySaldarriaga García, Camilo2025-03-182025-03-182024Saldarriaga, C. G. (2024). Sistema de Alertas Tempranas para identificar situaciones de riesgo académico, utilizando Datos de Caracterización y Aprendizaje de Máquinas: Caso de estudio Universidad Luis Amigó [Trabajo de grado, Universidad Católica Luis Amigó]. Repositorio Institucional.https://repository.ucatolicaluisamigo.edu.co/handle/20.500.14.531/5431Actualmente, las instituciones educativas han dado creciente atención a los sistemas de alertas tempranas (SAT) debido a su importancia para identificar oportunamente a estudiantes en riesgo de fracaso académico o deserción. Este artículo subraya la necesi dad de diseñar un SAT basado en técnicas de aprendizaje de máquinas, utilizando datos derivados de historiales académicos (como cancelaciones, repeticiones de cursos y créditos aprobados), caracterización sociodemográfica y factores financieros, entre otros, para detectar señal es tempranas de alerta que predigan riesgos académicos, facilitando la implementación de intervenciones oportunas. El caso de estudio se desarrolla en la Universidad Católica Luis Amigó, donde la oficina de permanencia académica desempeña un papel crucial tanto en el suministro de datos como en la ejecución de acciones de mitigación. El trabajo resalta la relevancia de utilizar tecnologías avanzadas como el aprendizaje de máquinas para apoyar la toma de decisiones en el ámbito educativo y mejorar la permanencia estudiantil.31 p.application/pdfspahttps://creativecommons.org/licenses/by-nc/4.0/Desempeño académicoDeserción estudiantilAprendizaje de máquinasSistema de Alertas Tempranas SATPermanenciainfo:eu-repo/semantics/openAccesshttp://purl.org/coar/resource_type/c_1843Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)Desempeño académicoDeserción estudiantilAprendizaje de MáquinasSistema de Alertas Tempranas SATPermanenciaAcademic PerformanceStudent DropoutMachine LearningEarly Warning System SATRetentiona