Predicción de la tasa de éxito en las asignaturas de primer año para los alumnos de la Universidad del Bío-Bío

Abstract

Hoy en día, tanto la deserción estudiantil como el rendimiento de los estudiantes son problemas que las instituciones de educación superior buscan solucionar. En la Universidad del Bío-Bío, según cifras de la Dirección General de Análisis Institucional (DGAI) cada año ingresan más de 2200 nuevos estudiantes a la institución. De los alumnos que ingresan, cerca de 1093 reprueban al menos una asignatura (Dirección de Admisión Registro y Control Académico). Actualmente la institución busca disminuir esta cantidad y una herramienta que permite predecir el número de estudiantes que reprueban asignaturas cada año es la minería de datos. Esta herramienta permite encontrar patrones repetitivos en grandes volúmenes de datos, por lo tanto, se podría descubrir las variables que influyen en el éxito académico de un estudiante. El objetivo de este estudio es generar un modelo de predicción mediante el algoritmo R-CNR Tree para determinar las variables que influyen en el éxito académico de los recién ingresados a la universidad. La población objetivo de este estudio consiste de 5082 estudiantes que se encuentran en estado de alumnos regulares y los cuales ingresaron a la universidad entre los años 2014-2016. De los 5082 registros, el 70% fue utilizado para entrenar los modelos mientras que el 30% fue usado para validarlo. Cada uno de estos registros contenía 34 variables de las cuales se seleccionaron 23. Dieciséis de ellas fueron elegidas basándose en estudios previos, y el resto fueron incluidas para analizar si realmente influyen en el éxito académico de un alumno. El éxito académico fue medido como el ratio de créditos aprobados durante el primer año sobre créditos que debería aprobar en el año por malla curricular. Mediante el poder de predicción (KI) de cada variable, se logró obtener que de las 23 variables, 18 de ellas tenían la capacidad de predecir la variable de destino. Con estas 18 variables se construyó un conjunto base y uno de conjugación, compuesto por las primeras 7 variables y las 4 siguientes con mayor poder de predicción respectivamente. Se generaron 4 modelos experimentales con 10 variables cada uno en la interfaz de Expert Analytics del software SAP Predictive Analytics. El resultado indica que el modelo 3 es el mejor de los 4 modelos experimentales debido a que entrega una mayor precisión en los conjuntos de entrenamiento y validación, consiguió un menor número de falsos/negativos y falsos/positivos, y fue uno de los que más variables descartó para generar el árbol de decisión. Por otra parte, se obtuvo que las variables: Carrera, Nem, Ranking, Género, Procedencia_colegio, Provincia_domicilio, PSU_Lenguaje, Edad, son las que más influyen en el rendimiento académico de un estudiante.