Modelado del índice de deserción estudiantil en Carreras de Ingeniería en una Institución de Educación Superior. Modeling of the student dropout rate in Engineering Degrees in a Higher Education Institution.
Contenido principal del artículo
Resumen
El estudio se centra en analizar y modelar el fenómeno de la deserción estudiantil en carreras de ingeniería, con el fin de identificar las variables que influyen en el abandono académico y desarrollar herramientas predictivas para la implementación de estrategias de intervención temprana. Para ello, se recopilaron datos históricos y actuales de estudiantes, abarcando variables académicas (calificaciones, desempeño en asignaturas clave, asistencia y adaptación al ritmo universitario), socioeconómicas (nivel de ingresos, situación familiar, entre otras) y personales (motivación, habilidades de gestión del tiempo, entre otros indicadores).
La metodología empleada incluyó técnicas estadísticas y algoritmos de machine learning, como la regresión logística y los árboles de decisión, que permitieron construir un modelo predictivo robusto. Este modelo identificó que la deserción es un fenómeno multicausal, en el que convergen factores como el bajo rendimiento académico, la falta de apoyo institucional y las condiciones socioeconómicas adversas. La aplicación del modelo facilitó la detección temprana de estudiantes en riesgo, lo que es fundamental para la planificación de intervenciones que permitan mejorar la retención. Entre las conclusiones clave se destaca la importancia de contar con bases de datos precisas y actualizadas, así como la necesidad de adoptar un enfoque interdisciplinario que involucre áreas académicas, administrativas y de bienestar estudiantil. Asimismo, se resalta que el uso de modelos predictivos no solo ayuda a comprender los determinantes de la deserción, sino que también permite asignar de manera más eficiente los recursos institucionales y diseñar estrategias de apoyo, tales como programas de tutorías, asesorías personalizadas y apoyos económicos y psicológicos.
En síntesis, el modelado del índice de deserción estudiantil en carreras de ingeniería se presenta como una herramienta fundamental para la toma de decisiones en instituciones de educación superior, contribuyendo a la mejora de las políticas de retención y, en última instancia, al fortalecimiento de la calidad educativa.
Descargas
Detalles del artículo

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Álvarez, M., Pérez, J., & Ríos, L. (2019). Factores asociados a la deserción en estudiantes de ingeniería. Revista Educación y Desarrollo, 49(2), 45–59. https://doi.org/10.22201/edu.201949
Cabrera, A. F., Pérez, P., & López, M. (2019). Modelos estadísticos para la predicción de la deserción estudiantil. Universidad Nacional.
Fernández, C., Jiménez, A., & Torres, L. (2022). Machine learning para predecir la deserción en educación superior. Revista Iberoamericana de Educación Superior, 13(36), 22–39. https://doi.org/10.22201/iisue.20072872e.2022.36.829
Gairín, J., Muñoz, J., & Feixas, M. (2014). El abandono en la educación superior: causas y estrategias de prevención. Revista de Educación, (364), 228–256. https://doi.org/10.4438/1988-592X-RE-2014-364-263
González, E., & Ortega, F. (2021). Análisis de los factores determinantes de la deserción universitaria en ingeniería. Revista Colombiana de Educación, 83, 191–211. https://doi.org/10.17227/rce.num83-10905
Martínez, J., & Hernández, R. (2020). Deserción universitaria: un problema estructural en América Latina. Educación y Sociedad, 41(2), 15–31. https://doi.org/10.1590/es.2020.41.2.02
Romero, C., Ventura, S., & García, E. (2021). Educational data mining and learning analytics: An updated survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 11(3), e1391. https://doi.org/10.1002/widm.1391
Tinto, V. (1993). Leaving college: Rethinking the causes and cures of student attrition (2nd ed.). University of Chicago Press.
Torres, J., & Rojas, M. (2020). Estrategias institucionales para la permanencia estudiantil en programas de ingeniería. Ingeniería Solidaria, 16(1), 47–65. https://doi.org/10.16925/in.v16i1.3467
Cabrera, A. F., Pérez, P., & López, M. (2019). Modelos estadísticos para la predicción de la deserción estudiantil. Universidad Nacional.
Fernández, C., Jiménez, A., & Torres, L. (2022). Machine learning para predecir la deserción en educación superior. Revista Iberoamericana de Educación Superior, 13(36), 22–39. https://doi.org/10.22201/iisue.20072872e.2022.36.829
Romero, C., Ventura, S., & García, E. (2021). Educational data mining and learning analytics: An updated survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 11(3), e1391. https://doi.org/10.1002/widm.1391
Torres, J., & Rojas, M. (2020). Estrategias institucionales para la permanencia estudiantil en programas de ingeniería. Ingeniería Solidaria, 16(1), 47–65. https://doi.org/10.16925/in.v16i1.3467
García, M., López, J., & Pérez, A. (2020). Análisis de los factores que influyen en la deserción estudiantil en carreras de ingeniería: Un enfoque de modelado predictivo. Revista Iberoamericana de Educación Superior, 11(32), 45-60.
Rodríguez, L., & Martínez, F. (2019). Aplicación de modelos de regresión logística para predecir la deserción en programas de ingeniería. Journal of Engineering Education Research, 18(2), 123-135.
POVEDA VELASCO, Iván Marcelo.Los factores que influyen sobre la deserción universitaria. Estudio en la UMRPSFXCh - Bolivia, análisis con ecuaciones estructurales. Investigación y Negocios [online]. 2019, vol.12, n.20, pp.63-80. ISSN 2521-2737.
Fernández, R., & Gómez, S. (2021). Modelado de la deserción estudiantil en ingeniería utilizando árboles de decisión. Ingeniería y Educación, 25(1), 78-92.
Hernández, P., & Torres, E. (2018). Predicción de la deserción estudiantil en ingeniería mediante análisis multivariante. Educación y Ciencia, 22(3), 201-215.
Sánchez, R., & Díaz, M. (2020). Factores determinantes en la deserción de estudiantes de ingeniería: Un enfoque de minería de datos. Revista de Educación en Ingeniería, 33(4), 67-81.
López, V., & Ramírez, J. (2019). Evaluación de modelos predictivos para la deserción en carreras de ingeniería. Revista Electrónica de Investigación Educativa, 21(2), 150-165.
Gómez, A., & Fernández, L. (2021). Análisis de la deserción estudiantil en ingeniería utilizando técnicas de machine learning. Revista Latinoamericana de Ingeniería, 29(1), 55-70.
Martínez, C., & Pérez, D. (2018). Modelos estadísticos para predecir la deserción en estudiantes de ingeniería. Educación Matemática, 30(3), 289-305.
Ruiz, S., & Herrera, F. (2020). Factores académicos y socioeconómicos asociados a la deserción en carreras de ingeniería. Revista de Investigación Educativa, 38(1), 101-117.
Castro, M., & Vargas, E. (2019). Uso de redes neuronales para predecir la deserción estudiantil en ingeniería. Ingeniería y Universidad, 23(2), 233-248.
Pérez, J., & Morales, H. (2021). Análisis de supervivencia aplicado a la deserción en programas de ingeniería. Revista Colombiana de Estadística, 44(1), 89-105.
García, L., & Sánchez, P. (2018). Modelado predictivo de la deserción estudiantil en ingeniería utilizando técnicas de minería de datos. Revista Iberoamericana de Tecnologías del Aprendizaje, 13(3), 145-152.
Torres, A., & Ramírez, M. (2020). Factores de riesgo en la deserción de estudiantes de ingeniería: Un enfoque de análisis discriminante. Revista de Educación Superior, 49(194), 45-62.
Vargas, J., & López, R. (2019). Predicción de la deserción en estudiantes de ingeniería mediante modelos de machine learning. Revista Mexicana de Ingeniería Biomédica, 40(2), 123-135.
Hernández, G., & Martínez, S. (2021). Análisis de la deserción estudiantil en carreras de ingeniería utilizando modelos de regresión. Revista de Investigación en Educación, 19(1), 67-82.
Sánchez, M., & Gómez, P. (2018). Modelado de la deserción en programas de ingeniería: Un enfoque de análisis de datos. Revista de Educación y Desarrollo, 46, 23-38.
López, J., & Fernández, R. (2020). Factores asociados a la deserción estudiantil en ingeniería: Un análisis de regresión logística. Revista de Investigación Educativa, 38(2), 321-337.