Aplicación móvil para estimar el porcentaje de deserción escolar usando minería de datos

Autores/as

DOI:

https://doi.org/10.37467/revedu.v11.4784

Palabras clave:

CRISP-DM, Eficiencia terminal, Procesamiento de datos, Deserción escolar, Aplicación, Estudiantes, Universidad

Resumen

Este artículo reporta el desarrollo de una aplicación móvil, haciendo uso de técnicas de minería de datos, para determinar un modelo de reglas de decisión e incluirlas en la aplicación usando JSON. La metodología utilizada para el desarrollo fue CRISP-DM. Para el proceso de minería de datos se utilizó la información de 949 estudiantes de una institución pública de México, considerando 7 variables. La aplicación generada permite estimar la probabilidad que tiene un estudiante de no culminar sus estudios, para poder actuar en consecuencia, buscando estrategias que apoyen la mejora de las condiciones de los estudiantes, según los factores detectados.

Citas

Álvarez, M., Gómez, E. &. Morfín, M. (2012). Efecto de la beca CONACYT en la eficiencia terminal en el posgrado. Rev. Electrónica Investig. Educ., vol. 14, núm. 1, 153–163.

Alyahyan, E., & Düştegör, D. (2020). Predicting academic success in higher education: literature review and best practices. International Journal of Educational Technology in Higher Education, 17(1). https://doi.org/10.1186/s41239-020-0177-7 DOI: https://doi.org/10.1186/s41239-020-0177-7

Ayala, E., López, R. E., & Menéndez, V. H. (2020). Factores asociados al bajo rendimiento académico de estudiantes de primer semestre en carreras de computación. Congreso Internacional de Investigación Academia Journals Chetumal 2020, 12(2), 38–43. https://www.academiajournals.com/pubchetumal2020

Comisión Nacional de los Derechos Humanos (CNDH). (2018). Derecho a la educación | Comisión Nacional de los Derechos Humanos México. http://www.cndh.org.mx/Derecho_Educacion.

Dicovskiy L. M. & Pedroza, M. E. (2018). Minería de datos, una innovación de los métodos cuantitativos de investigación, en la medición del rendimiento académico universitario, Revista Científica FAREM- Estelí, 24, 143, https://doi.org/10.5377/farem.v0i24.5557 DOI: https://doi.org/10.5377/farem.v0i24.5557

Eckert, K. B. & Suénaga, R. (2015). Análisis de Deserción-Permanencia de Estudiantes Universitarios Utilizando Técnica de Clasificación en Minería de Datos, Formación Universitaria, 8(5), 3–12. https://doi.org/10.4067/S0718-50062015000500002 DOI: https://doi.org/10.4067/S0718-50062015000500002

Estrada-Danell, R. I. Zamarripa-Franco R. A., Zúñiga-Garay, P. G. & Martínez-Trejo, I. (2016). Aportaciones desde la minería de datos al proceso de captación de matrícula en Instituciones de Educación Superior particulares. Revista Electrónica Educare, 20(3), 1-21. https://doi.org/10.15359/ree.20-3.11 DOI: https://doi.org/10.15359/ree.20-3.11

Fadhl, F. y Sofian, S. (2015). A review of balanced scorecard framework in higher education institution (HEIs). International Review of Management and Marketing, 5(1), 26-35.

Fayyad, U., Piatetsky-Shapiro, G., Smyth, P., Uthurusamy, R. (Eds.) (1996). Advances in Knowledge Discovery and Data Mining. Aaai Press.

Hernández, J., Ramírez, M. J., Ferri, C. (2004). Introducción a la minería de datos. Pearson.

Hernández, D., Vargas, A., Almuiñas, J. y García, J. (2015). Los indicadores actuales de la eficiencia académica: necesidad de su perfeccionamiento. Pedagogía Universitaria, 20(3), 53-62. http://cvi.mes.edu.cu/peduniv/index.php/peduniv/article/view/690

Instituto Tecnológico de Iztapalapa, (2018). Rendición de cuentas.

Marcano, Y. J. & Rodríguez, R. (2014). Minería de datos aplicada a la deserción estudiantil. Caso: Licenciatura en Computación de la Universidad del Zulia, NPF, Revista EDUCARE - UPEL-IPB - Segunda Nueva Etapa 2.0, 18(2), 31–51. https://doi.org/10.46498/reduipb.v18i2.131 DOI: https://doi.org/10.46498/reduipb.v18i2.131

Márquez, A. (2012). El financiamiento de la educación en México: Problemas y alternativas. Perfiles Educativos 34(1), 107– 117.

Naciones Unidas (2015). La Declaración Universal de Derechos Humanos, http://www.un.org/es/universal-declaration- human-rights/.

Oviedo, A. I., Jiménez, J. (2019). Minería de datos educativos: análisis del desempeño de estudiantes de ingeniería en las pruebas saber-pro. Revista Politécnica, 15(29), 128-140. https://doi.org/10.33571/rpolitec.v15n29a10 DOI: https://doi.org/10.33571/rpolitec.v15n29a10

Secretaría de Gobernación (SEGOB). (2023). Plan Nacional de Desarrollo 2019-2024. México. https://www.dof.gob.mx/nota_detalle.php?codigo=5565599&fecha=12/07/2019#gsc.tab=0

Panizzi, M. (2019). Establecimiento del estado del arte sobre la Minería de Datos Educacional en el Nivel Superior: Un Estudio de Mapeo Sistemático. Revista de Investigaciones Científicas de la Universidad de Morón, 4(2), 51-60. DOI: https://doi.org/10.34073/37

Peinado, J. y Jaramillo, D. (2018). La eficiencia terminal del Centro de Investigación e Innovación Tecnológica. Revista Electrónica de Investigación Educativa, 20(3), 126-134. https://doi.org/10.24320/redie.2018.20.3.1797 DOI: https://doi.org/10.24320/redie.2018.20.3.1797

Proyecto ALFA GUIA DCI-ALA/2010/94. Encuesta Internacional sobre el Abandono en la Educación Superior, 2014.

Reyes, A., Flores, A., Alejo, F. & Rendón, E. (2017). Minería de datos aplicada para la identificación de factores de riesgo en alumnos, Research in Computing Science 139, 177-189. DOI: https://doi.org/10.13053/rcs-139-1-14

Román, A. B., Sánchez, D. & García, R. (2017). Minería de datos educativa: Una herramienta para la investigación de patrones de aprendizaje sobre un contexto educativo, Latin-American Journal of Physics Education 4(1), 7.

Romero, A., Utrilla, A. & Utrilla V. M. (2014). Las actitudes positivas y negativas de los estudiantes en el aprendizaje de las matemáticas, su impacto en la reprobación y la eficiencia terminal. Ra Ximhai, vol. 10, núm. 5.

Toscano de la Torre, B. (2016). La Eficiencia Terminal como un Indicador de la Calidad en la Educación Superior en México. En R. Enciso (Ed.). Las Universidades y sus Estrategias de vinculación (pp. 6-9). UTP.

Schröer, Ch., Kruse, F., Gómez, J. M. (2021). A Systematic Literature Review on Applying CRISP-DM Process Model. Procedia Computer Science 181, 526–534 DOI: https://doi.org/10.1016/j.procs.2021.01.199

Torre, B. A., Gallegos, J. C., Meza, J. & Granados, S. A. (2015). Análisis de la Eficiencia Terminal en un Programa Educativo de Tecnologías de Información. Caso: Universidad Autónoma de Nayarit. https://doi.org/10.13140/rg.2.1.3993.4568

Vera, J. A., Ramos, D. Y., Sotelo, M. A., Echeverría, S., Serrano D. M. & Vale, J. J. (2012). Factores asociados al rezago en estudiantes de una institución de educación superior en México. Rev. Iberoam. Educ. Super., vol. 3, núm. 7, 41–56, 2012.

Villalobos, L. O. (2017). La eficiencia terminal en tres generaciones de alumnos de la división de ciencias básicas e ingeniería de la UAM Azcapotzalco, XIV Congreso Nacional de Investigación Educativa COMIE, p.13.

Weka. (2019, February). University of Waikato. Machine Learning Group. www.cs.waikato.ac.nz/ml/weka/downloading.html

Descargas

Publicado

18-08-2023

Cómo citar

Ruiz Ledesma, E. F., Chavarría Báez, L. ., & Veliz Martínez , J. C. . (2023). Aplicación móvil para estimar el porcentaje de deserción escolar usando minería de datos. EDU REVIEW. International Education and Learning Review Revista Internacional De Educación Y Aprendizaje, 11(2), 125–139. https://doi.org/10.37467/revedu.v11.4784

Número

Vol. 11 Núm. 2 (2023)

Sección

Artículos de investigación

Licencia

Aquellos autores/as que publiquen en esta revista, aceptan los términos siguientes:

  1. Los autores/as conservarán los derechos morales sobre la obra y cederán a la revista los derechos comerciales.