Aplicación de técnicas de minería de datos para la identificación de patrones de deserción estudiantil como apoyo a las estrategias de SARA (sistema de acompañamiento para el rendimiento académico)

Resumen

Este artículo aborda el tema de la deserción estudiantil en la educación superior, con la perspectiva de elaborar modelos de Minería de datos que permitan identificar patrones de deserción. Se realizó una revisión sistemática para precisar características que inciden en la deserción universitaria. Para ello se inicia con un estudio de la problemática partiendo desde una revisión literaria de la deserción en diferentes Instituciones de Educación Superior y finalizando concretamente en el Programa de Ingeniería de Sistemas y Computación de la Universidad del Quindío, escenario de estudio. A lo largo de este artículo, se presentan causas de deserción comunes entre los estudiantes, así mismo, se detalla el Proyecto SARA (Sistema de Acompañamiento para el Rendimiento Académico), proyecto constituido a mediados del año 2014 con el propósito de ayudar y acompañar académicamente a los estudiantes en los primeros semestres o aquellos que tiene bajo rendimiento académico, brindando apoyo en temas o en áreas que presentan mayor dificultad de aprendizaje. SARA ha venido consolidando un modelo de estrategias de acompañamiento permanente que incentiva un mejor desarrollo académico y personal, de la mano de Bienestar Institucional, buscando incrementar la motivación y la posibilidad de permanencia de los estudiantes que ingresan al programa. Analizar el abandono universitario da la posibilidad de crear nuevas estrategias, detectar los estudiantes con alto riesgo de deserción es para SARA una labor preventiva muy importante. Observar los síntomas de forma temprana permitirá tomar medidas necesarias y estrategias de prevención en aquellos estudiantes que puedan abandonar el programa académico. El objetivo de este estudio fue incorporar la aplicación de un Proceso de descubrimiento de conocimiento en bases de datos o KDD, para caracterizar y predecir posibles casos de deserción en el programa a través de modelos de minería de datos. Para la construcción de los modelos, se seleccionaron de las bases de datos de la Universidad del Quindío los datos que relacionan características personales, socioeconómicas y académicas de los estudiantes. Con los datos recopilados para el análisis, se construyó un repositorio que fue procesado y transformado obteniendo así un conjunto de datos depurado y listo para la aplicación de los algoritmos de Minería de Datos. Se descubrieron reglas y perfiles personales, socioeconómicos y académicos de los estudiantes utilizando técnicas de Árboles de decisión.