Show simple item record

Professor Advisordc.contributor.advisorMuñoz Krsulovic, Ezequiel
Authordc.contributor.authorMiranda Hidalgo, Francisca Patricia 
Associate professordc.contributor.otherRíos Pérez, Sebastián
Associate professordc.contributor.otherVillarroel Parra, Luciano
Admission datedc.date.accessioned2019-11-05T18:30:29Z
Available datedc.date.available2019-11-05T18:30:29Z
Publication datedc.date.issued2019
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/172649
General notedc.descriptionTesis para optar al grado de Magíster en Ingeniería de Negocios con Tecnología de Informaciónes_ES
Abstractdc.description.abstractLa deserción estudiantil es un fenómeno que ha ido en aumento durante los últimos años a nivel nacional, por lo tanto, resulta de interés comprender por qué se genera esta situación, que desde la perspectiva de las ciencias sociales corresponde a identificar y comprender cuales son los factores y predictores de la deserción. El objetivo de este proyecto es identificar cuales son los factores que lleva a los estudiantes a desertar, con el propósito de generar un proceso de alertas tempranas por medio de la creación y aplicación de un modelo que permita detectar tempranamente a los posibles desertores de los estudiantes de pregrado de una Universidad del territorio nacional. La metodología general del proyecto de rediseño es la Ingeniería de Negocios del doctor Oscar Barros, mientras que para la creación de los modelos predictivos se utiliza la metodología CRISP-DM. El propósito es obtener un modelo que permita ir monitoreando las calificaciones obtenidas por los alumnos en las tres primeras evaluaciones de cada ramo del primer semestre del primer año y así dirigir los esfuerzos de manera localizada, generando un acompañamiento especial en las asignaturas que presentan dificultad. Los algoritmos utilizados para la creación de los modelos predictivos fueron los siguientes: Árboles de decisión (Gradient Boosted Trees y Random Forest), Regresión Logística, Redes Neuronales y Máquinas de Soporte Vectorial, donde el que presentó los mejores resultados de predicción fue el Random Forest, con un Accuracy del 83% y un Fscore del 70,3%. Con tal modelo se realizó una prueba piloto a los alumnos que ingresaron a la carrera el año 2017, obteniendo una asertividad del 58,34%. Se presenta una arquitectura basada en la conexión a la base de datos institucional para extraer los datos de cada asignatura, luego se ejecutan los pasos de la metodología CRISP-DM, finalmente se identifican los casos de uso, diagrama de arquitectura y diagrama de despliegue. Por último, se realiza una evaluación económica del proyecto, bajo tres escenarios: optimista, conservador y pesimista, utilizando una tasa de descuento del 15%, que es la que utiliza la Universidad para evaluar proyectos para un horizonte de tiempo de 3 años. En todos los escenarios la rentabilidad del proyecto es alta, ya que la inversión inicial es bastante baja, respecto al retorno, que finalmente es la retención de un grupo de alumnos, que en términos económicos significa el pago del arancel.es_ES
Lenguagedc.language.isoeses_ES
Publisherdc.publisherUniversidad de Chilees_ES
Type of licensedc.rightsAttribution-NonCommercial-NoDerivs 3.0 Chile*
Link to Licensedc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/cl/*
Keywordsdc.subjectDeserción universitariaes_ES
Keywordsdc.subjectEducación superior - Investigacioneses_ES
Keywordsdc.subjectModelos matemáticoses_ES
Títulodc.titleDiseño de un proceso de alertas tempranas para disminuir las deserciones de los estudiantes de primer año en una Institución de Educación Superiores_ES
Document typedc.typeTesis
Catalogueruchile.catalogadorgmmes_ES
Departmentuchile.departamentoDepartamento de Ingeniería Industriales_ES
Facultyuchile.facultadFacultad de Ciencias Físicas y Matemáticases_ES


Files in this item

Icon
Icon

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 Chile
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 Chile