Modelos predictivos de deserción estudiantil incorporando variables de salud mental en la Universidad de Chile para elaborar estrategias de intervención temprana

Abstract

Este estudio desarrolla un modelo predictivo para anticipar la deserción estudiantil en la Universidad de Chile, integrando variables académicas y de salud mental. La deserción universitaria es un problema crítico que afecta tanto a los estudiantes como a las instituciones, generando consecuencias académicas, económicas y sociales.

Utilizando técnicas de machine learning, se analizaron datos históricos para identificar patrones asociados al abandono de estudios. Los resultados destacan que factores como el puntaje de ingreso, el rendimiento académico previo y la salud mental tienen una influencia significativa en la deserción. La inclusión de variables psicológicas mejoró la precisión del modelo, evidenciando la relevancia de estos aspectos en el desempeño académico.

El modelo desarrollado permite una identificación temprana de estudiantes en riesgo, lo que facilita la implementación de estrategias preventivas por parte de la universidad. Sin embargo, se identificaron limitaciones en la calidad de los datos, como la falta de información socioeconómica y la presencia de registros incompletos, que podrían afectar la precisión de las predicciones.

A pesar de estas restricciones, el estudio demuestra el potencial de los modelos predictivos como herramientas de apoyo en la toma de decisiones institucionales. Se recomienda su integración en programas de acompañamiento estudiantil, junto con mejoras en la recopilación de datos para aumentar la efectividad de futuras intervenciones.