Modelo Predictivo Para La Determinación Del Nivel De Riesgo De Deserción Estudiantil En Tecnología En Electrónica De La Universidad Distrital Empleando Redes Neuronales Artificiales
CONTENIDO DE LIBRE ACCESO
Este contenido es de libre acceso. Solo haz clic en el siguiente botón.
Ir a este contenido- Autor
- Año de publicación 2016
- Descripción
- La deserción estudiantil universitaria sigue siendo una de las mayores problemáticas en la Universidad Distrital, debido a que generan impactos negativos en el ámbito social y económico. Los recientes estudios de la Universidad Distrital sobre retención de estudiantes, muestran que la tasa de graduación en promedio fue de 42% y la tasa de deserción estudiantil fue del 58% para el periodo 1992-2010. Este porcentaje de deserción es muy alto en comparación con el promedio en universidades públicas del país que es del 39% (Vergara, 2011) (Ministerio de Educación Nacional, 2009). Dada la magnitud de la problemática sobre deserción estudiantil, la Universidad Distrital por medio de Bienestar Universitario creo la Oficina para la Permanencia Estudiantil (OPEUD), quien ha realizado análisis estadísticos sobre deserción estudiantil y supervivencia (Quintero, 2013). Los resultados de estos estudios han sido tomados como referencia para implementar políticas, como auxilios alimentarios, cursos de nivelación, tutorías académicas entre otras. Sin embargo y a pesar de los esfuerzos que ha realizado la Universidad Distrital para disminuir la deserción estudiantil, este continúa siendo un problema no resuelto. El estudio propuesto busca establecer patrones que permitan predecir el nivel de riesgo de deserción de los estudiantes de la Facultad Tecnológica, utilizando la técnica de aprendizaje computacional: Redes neuronales artificiales. Los datos que serán analizados pertenecen a la cohorte 2008-I durante el periodo 2008-I a 2014-I. Es de resaltar que no se encontraron antecedentes de estudios que aborden la problemática de la deserción estudiantil en la Universidad Distrital empleando estas técnicas. En especial las relacionadas con redes neuronales artificiales.