Título
PREDICCIÓN DE DESERCIÓN: IDENTIFICACIÓN DE ALUMNOS EN RIESGO POR MEDIO DE MÉTODOS DE MACHINE LEARNING.
prediction of dropout: identification of students at risk through machine learning methods
Radicación del proyecto
CIADE-IT
Área temática
Informática y Telecomunicaciones
Objetivo general
Resumen
Este proyecto persigue dos objetivos centrales:
1- Desarrollar un modelo para predecir la probabilidad de deserción en un horizonte determinado (por ejemplo, detectar deserción con un horizonte a dos cuatrimestres).
2- Identificar el valor predictivo (sobre la deserción) de diferentes variables indicadoras.
El primer objetivo es una meta de sistema, es decir, el resultado será un producto de software al cual se le podrán realizar consultas sobre el riesgo de deserción de una determinada cohorte de alumnos. El segundo resultado, es una meta de investigación, la cual permitirá profundizar el entendimiento de los factores que tienen alta correlación con la deserción.
Para lograr ambos objetivos, se seguirá una metodología estándar de Machine Learning, a partir de datos de pre-cursado y cursado de los alumnos. Los datos serán procesados por un algoritmo de aprendizaje, en cuyo entrenamiento se derivará una función (el "modelo") de los datos.
This project pursues two central objectives:
1- Develop a model to predict the probability of attrition in a given horizon (for example, detect attrition with a horizon at two quarters).
2- Identify the predictive value (on attrition) of different indicator variables.
The first objective is a system goal, that is, the result will be a software product that can be consulted on the risk of dropping out of a certain cohort of students. The second result is a research goal, which will allow to deepen the understanding of the factors that have a high correlation with attrition.
To achieve both objectives, a standard Machine Learning methodology will be followed, based on pre-completed and completed student data. The data will be processed by a learning algorithm, in whose training a function (the "model") will be derived from the data.
Palabras clave
Deserción estudiantil, aprendizaje automático, modelo predictivo, Machine Learning
Student dropout, automatic learning, predictive model, Machine Learning
Fecha de inicio
01/11/2020
Fecha de finalización
28/02/2021
Financiamiento
Universidad Blas Pascal
Director/es
MGTER. EDUARDO ANTONIO BAVIO
Investigadores
E-mail de contacto
rayme@ubp.edu.ar