Predictor de deserción universitaria

Autores
Romero, Giselle; Toranzo Calderón, Joaquin; Jaremczuk, Sebastián; Gómez, Juan Carlos; Verrastro, Claudio
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
La deserción estudiantil siempre ha sido un tema de preocupación debido a sus múltiples implicancias. En este trabajo se propone la aplicación de técnicas de reconocimiento de patrones para exponer información útil y formular reglas de inferencia en sistemas de diagnóstico automático. De esta manera se generan modelos predictivos de deserción universitaria en la UTN.BA, a partir de bases de datos de estudiantes de la carrera de Ingeniería en Sistemas de la Información del plan K08. Se construyeron dos modelos, uno basado sobre Máquinas de Vectores de Soporte y otro sobre Redes neuronales. Ambos presentan resultados muy similares reconociendo a estudiantes en situación de deserción con una exactitud de 79%.
Dropping out has been a cause of concern due to its multiple implications. In this work, the application of pattern recognition techniques is proposed to make explicit meaningful information to be used later in expert systems. The application of these techniques was aimed at generating predictive models of university dropout at the UTN.BA, from databases of students of the Information Systems Engineering career of the K08 plan. Two models were built, one based on Support Vector Machines and the other on Neural Networks. Both present very similar results, recognizing dropout students with an accuracy of 79%.
Fil: Romero, Giselle. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; Argentina
Fil: Toranzo Calderón, Joaquin. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; Argentina
Fil: Jaremczuk, Sebastián. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; Argentina
Fil: Gómez, Juan Carlos. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; Argentina
Fil: Gómez, Juan Carlos. Instituto Nacional de Tecnología Industrial. Instrumentación y Control, Electrónica e Informática; Argentina
Fil: Verrastro, Claudio. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; Argentina
Fil: Verrastro, Claudio. Comisión Nacional de Energía Atómica. Centro Atómico Ezeiza. Instrumentación y Control; Argentina
Peer Reviewed
Fuente
Proyecciones Vol. 19 No. 1: 25-40 (2021)
Materia
minería de datos
predictor de deserción universitaria
SVM
redes neuronales
aprendizaje automático
knowledge data discovery
data minning
university dropout predictor
neural networks
machine learning
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2021-10-12T16:12:34Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/5587
Acceder
id RIAUTN_1de2fa5ec7439a52c736062f6cfc4c6d
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/5587
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Predictor de deserción universitariaRomero, GiselleToranzo Calderón, JoaquinJaremczuk, SebastiánGómez, Juan CarlosVerrastro, Claudiominería de datospredictor de deserción universitariaSVMredes neuronalesaprendizaje automáticoknowledge data discoverydata minninguniversity dropout predictorneural networksmachine learningLa deserción estudiantil siempre ha sido un tema de preocupación debido a sus múltiples implicancias. En este trabajo se propone la aplicación de técnicas de reconocimiento de patrones para exponer información útil y formular reglas de inferencia en sistemas de diagnóstico automático. De esta manera se generan modelos predictivos de deserción universitaria en la UTN.BA, a partir de bases de datos de estudiantes de la carrera de Ingeniería en Sistemas de la Información del plan K08. Se construyeron dos modelos, uno basado sobre Máquinas de Vectores de Soporte y otro sobre Redes neuronales. Ambos presentan resultados muy similares reconociendo a estudiantes en situación de deserción con una exactitud de 79%.Dropping out has been a cause of concern due to its multiple implications. In this work, the application of pattern recognition techniques is proposed to make explicit meaningful information to be used later in expert systems. The application of these techniques was aimed at generating predictive models of university dropout at the UTN.BA, from databases of students of the Information Systems Engineering career of the K08 plan. Two models were built, one based on Support Vector Machines and the other on Neural Networks. Both present very similar results, recognizing dropout students with an accuracy of 79%.Fil: Romero, Giselle. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; ArgentinaFil: Toranzo Calderón, Joaquin. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; ArgentinaFil: Jaremczuk, Sebastián. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; ArgentinaFil: Gómez, Juan Carlos. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; ArgentinaFil: Gómez, Juan Carlos. Instituto Nacional de Tecnología Industrial. Instrumentación y Control, Electrónica e Informática; ArgentinaFil: Verrastro, Claudio. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; ArgentinaFil: Verrastro, Claudio. Comisión Nacional de Energía Atómica. Centro Atómico Ezeiza. Instrumentación y Control; ArgentinaPeer Reviewed2021-10-12T16:12:34Z2021-10-12T16:12:34Z2021-04-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfProyecciones, Vol. 19 No.11853-6352http://hdl.handle.net/20.500.12272/5587Proyecciones Vol. 19 No. 1: 25-40 (2021)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacionalspainfo:eu-repo/semantics/openAccess2021-10-12T16:12:34Zhttp://creativecommons.org/licenses/by-nc/4.0/Atribución-NoComercial 4.0 InternacionalGiselle V. Romero, Joaquín S. Toranzo Calderón, Sesbastián E. Jaremczuk, Juan C. Gómez, Claudio VerrastroLicencia Creative Commons Atribución -No Comercial2026-09-24T12:46:51Zoai:ria.utn.edu.ar:20.500.12272/5587instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:46:53.545Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Predictor de deserción universitaria
title Predictor de deserción universitaria
spellingShingle Predictor de deserción universitaria
Romero, Giselle
minería de datos
predictor de deserción universitaria
SVM
redes neuronales
aprendizaje automático
knowledge data discovery
data minning
university dropout predictor
neural networks
machine learning
title_short Predictor de deserción universitaria
title_full Predictor de deserción universitaria
title_fullStr Predictor de deserción universitaria
title_full_unstemmed Predictor de deserción universitaria
title_sort Predictor de deserción universitaria
dc.creator.none.fl_str_mv Romero, Giselle
Toranzo Calderón, Joaquin
Jaremczuk, Sebastián
Gómez, Juan Carlos
Verrastro, Claudio
author Romero, Giselle
author_facet Romero, Giselle
Toranzo Calderón, Joaquin
Jaremczuk, Sebastián
Gómez, Juan Carlos
Verrastro, Claudio
author_role author
author2 Toranzo Calderón, Joaquin
Jaremczuk, Sebastián
Gómez, Juan Carlos
Verrastro, Claudio
author2_role author
author
author
author
dc.subject.none.fl_str_mv minería de datos
predictor de deserción universitaria
SVM
redes neuronales
aprendizaje automático
knowledge data discovery
data minning
university dropout predictor
neural networks
machine learning
topic minería de datos
predictor de deserción universitaria
SVM
redes neuronales
aprendizaje automático
knowledge data discovery
data minning
university dropout predictor
neural networks
machine learning
dc.description.none.fl_txt_mv La deserción estudiantil siempre ha sido un tema de preocupación debido a sus múltiples implicancias. En este trabajo se propone la aplicación de técnicas de reconocimiento de patrones para exponer información útil y formular reglas de inferencia en sistemas de diagnóstico automático. De esta manera se generan modelos predictivos de deserción universitaria en la UTN.BA, a partir de bases de datos de estudiantes de la carrera de Ingeniería en Sistemas de la Información del plan K08. Se construyeron dos modelos, uno basado sobre Máquinas de Vectores de Soporte y otro sobre Redes neuronales. Ambos presentan resultados muy similares reconociendo a estudiantes en situación de deserción con una exactitud de 79%.
Dropping out has been a cause of concern due to its multiple implications. In this work, the application of pattern recognition techniques is proposed to make explicit meaningful information to be used later in expert systems. The application of these techniques was aimed at generating predictive models of university dropout at the UTN.BA, from databases of students of the Information Systems Engineering career of the K08 plan. Two models were built, one based on Support Vector Machines and the other on Neural Networks. Both present very similar results, recognizing dropout students with an accuracy of 79%.
Fil: Romero, Giselle. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; Argentina
Fil: Toranzo Calderón, Joaquin. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; Argentina
Fil: Jaremczuk, Sebastián. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; Argentina
Fil: Gómez, Juan Carlos. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; Argentina
Fil: Gómez, Juan Carlos. Instituto Nacional de Tecnología Industrial. Instrumentación y Control, Electrónica e Informática; Argentina
Fil: Verrastro, Claudio. Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Grupo de Inteligencia Artificial y Robótica; Argentina
Fil: Verrastro, Claudio. Comisión Nacional de Energía Atómica. Centro Atómico Ezeiza. Instrumentación y Control; Argentina
Peer Reviewed
description La deserción estudiantil siempre ha sido un tema de preocupación debido a sus múltiples implicancias. En este trabajo se propone la aplicación de técnicas de reconocimiento de patrones para exponer información útil y formular reglas de inferencia en sistemas de diagnóstico automático. De esta manera se generan modelos predictivos de deserción universitaria en la UTN.BA, a partir de bases de datos de estudiantes de la carrera de Ingeniería en Sistemas de la Información del plan K08. Se construyeron dos modelos, uno basado sobre Máquinas de Vectores de Soporte y otro sobre Redes neuronales. Ambos presentan resultados muy similares reconociendo a estudiantes en situación de deserción con una exactitud de 79%.
publishDate 2021
dc.date.none.fl_str_mv 2021-10-12T16:12:34Z
2021-10-12T16:12:34Z
2021-04-01
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv Proyecciones, Vol. 19 No.1
1853-6352
http://hdl.handle.net/20.500.12272/5587
identifier_str_mv Proyecciones, Vol. 19 No.1
1853-6352
url http://hdl.handle.net/20.500.12272/5587
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2021-10-12T16:12:34Z
http://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional
Giselle V. Romero, Joaquín S. Toranzo Calderón, Sesbastián E. Jaremczuk, Juan C. Gómez, Claudio Verrastro
Licencia Creative Commons Atribución -No Comercial
eu_rights_str_mv openAccess
rights_invalid_str_mv 2021-10-12T16:12:34Z
http://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional
Giselle V. Romero, Joaquín S. Toranzo Calderón, Sesbastián E. Jaremczuk, Juan C. Gómez, Claudio Verrastro
Licencia Creative Commons Atribución -No Comercial
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv Proyecciones Vol. 19 No. 1: 25-40 (2021)
reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230930100224000
score 13.265058

Publicaciones similares