Análisis Predictivo del Riesgo de Deserción: Un Enfoque Basado en Minería de Datos
DOI:
https://doi.org/10.63415/saga.v3i3.443Palabras clave:
deserción escolar, minería de datos, CRISP-DMResumen
La deserción escolar en la Educación Superior constituye una problemática compleja que afecta significativamente el desarrollo de los estudiantes y la eficiencia operativa de las instituciones. Esta investigación, desarrollada en el Tecnológico Nacional de México-Instituto Tecnológico de Oaxaca, aborda dicho fenómeno en la carrera de Ingeniería en Sistemas Computacionales mediante un enfoque de análisis predictivo basado en minería de datos. Siguiendo el ciclo de vida de la metodología CRISP-DM, el estudio integró registros institucionales históricos con información recolectada a través de encuestas, evaluando de manera holística dimensiones académicas, socioeconómicas, psicológicas y de salud. Para transformar datos en conocimiento, se implementó una estrategia analítica híbrida: el algoritmo de agrupamiento K-Means para la segmentación del alumnado en niveles de riesgo (alto, medio y bajo), y el algoritmo Apriori para la extracción de reglas de asociación y patrones de comportamiento subyacentes. Los resultados permitieron caracterizar con precisión los factores multidimensionales que detonan la discontinuidad académica, lo que sirvió de base para el diseño de un sistema de alerta temprana. Esta propuesta proporciona a la gestión educativa una herramienta basada en evidencia empírica para fundamentar e implementar intervenciones preventivas, oportunas y personalizadas. Se concluye que la integración formal de la minería de datos en la Educación Superior, donde no solo fortalece la toma de decisiones estratégicas, sino que impulsa la retención estudiantil, reduce el rezago y optimiza la eficiencia terminal de Ingenieros en Sistemas Computacionales.
Descargas
Referencias
Asociación Nacional de Universidades e Instituciones de Educación Superior [ANUIES]. (2008). Eficiencia en la educación superior: La necesidad de una nueva definición operacional. Revista de la Educación Superior, 37(146).
Cabrera, A. F., Nora, A., & Castañeda, M. B. (1993). College persistence: Structural equations modeling test of an integrated model of student retention. The Journal of Higher Education, 64(2), 123–139. https://doi.org/10.1080/00221546.1993.11778419
García, S., Luengo, J., & Herrera, F. (2015). Data preprocessing in data mining. Springer.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage.
Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques (3rd ed.). Morgan Kaufmann.
Hernández, G. (2020). Educational data mining: A review of the state of the art. IEEE Transactions on Systems, Man, and Cybernetics.
Jain, A. K. (2010). Data clustering: 50 years beyond K-means. Pattern Recognition Letters, 31(8), 651–666. https://doi.org/10.1016/j.patrec.2009.09.011
MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. In L. M. Le Cam & J. Neyman (Eds.), Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability (Vol. 1, pp. 281–297). University of California Press.
Martínez-Líbano, J., & Yeomans-Cabrera, M.-M. (2023). Post-pandemic psychosocial variables affecting academic dropout in a sample of Chilean higher-education students. Frontiers in Education, 8, 1293259. https://doi.org/10.3389/feduc.2023.1293259
Organisation for Economic Co-operation and Development [OECD]. (2025). Education at a glance 2025: OECD indicators. OECD Publishing. https://doi.org/10.1787/1c0d9c79-en
Secretaría de Educación Pública [SEP]. (2024). Factores asociados a la deserción estudiantil en el ámbito universitario: Una revisión sistemática 2018–2023. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 14(28), e664. https://doi.org/10.23913/ride.v14i28.1923
Tinto, V. (1993). Leaving college: Rethinking the causes and cures of student attrition (2nd ed.). University of Chicago Press
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Mtra. Bibiana Díaz Sarmiento, Mtra. Maricela Morales Hernández, Dra. Marisol Altamirano Cabrera, Dra. Eva Rafael Pérez, Mtra. Claribel Benitez Quecha, Aldo Jesús Chávez Cruz (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Av. Carlos Plaza Dañin y Av. Miguel H. Alcivar, Guayaquil, Ecuador
editor@revistasaga.org
+593962679148
