Modelo predictivo basado en machine learning para el diagnóstico temprano en la deserción universitaria de la UNDC, periodo 2020 – 2022
| dc.contributor.advisor | Durán Carhuamaca , Amanda | |
| dc.contributor.advisor | Oseda Gago, Dulio | |
| dc.contributor.author | Sulca Martínez , Hugo Jesús | |
| dc.date.accessioned | 2025-06-10T21:00:00Z | |
| dc.date.available | 2025-06-10T21:00:00Z | |
| dc.date.issued | 2025-06-10 | |
| dc.description.abstract | La presente investigación tuvo como objetivo implementar un modelo predictivo para el diagnóstico temprano en la deserción universitaria de la Universidad Nacional de Cañete. Para ello, se usó el modelo de regresión logística, junto al lenguaje de programación Python y el entorno de programación Google Colaboratory, se creó un código capaz de predecir si un alumno podía desertar o no su carrera universitaria, tomando como base de datos una encuesta realizada a los estudiantes universitarios por Google Forms. El modelo clasifica 80,64% correctamente de las observaciones en el conjunto de pruebas, el 82% de las veces que el modelo predice que un estudiante no va a desertar, está en lo correcto, el 71% de las veces que el modelo predice que un estudiante va a desertar, está en lo correcto. Finalmente se concluye, aunque el modelo mostró una alta precisión en la identificación de estudiantes que no van a desertar, su rendimiento fue moderado en la predicción de aquellos que sí lo harán, lo que sugiere la necesidad de continuar mejorando el modelo para incrementar su sensibilidad y precisión en ambos casos. | |
| dc.description.abstract | The objective of this research was to implement a predictive model for early diagnosis of university dropout at the National University of Cañete. To achieve this, a logistic regression model was used, along with the Python programming language and the Google Colaboratory environment. A code was created capable of predicting whether a student was likely to drop out of their university career, based on a dataset from a survey conducted among university students via Google Forms. The model correctly classified 80.64% of the observations in the test set. In 82% of the cases when the model predicted that a student would not drop out, it was correct, and in 71% of the cases when the model predicted that a student would drop out, it was also correct. In conclusion, although the model demonstrated high accuracy in identifying students who would not drop out, its performance was moderate in predicting those who would, suggesting the need for further improvements to increase its sensitivity and accuracy in both cases. | |
| dc.format | application/pdf | |
| dc.identifier.citation | Sulca Martínez Hugo Jesús , "Modelo predictivo basado en machine learning para el diagnóstico temprano en la deserción universitaria de la UNDC, periodo 2020 – 2022" Tesis para optar el grado de Ingeniero de Sistemas, Escuela de pregrado Facultad de Ingenieria de Sistemas. Universidad Nacional de Cañete. Cañete – Perú | |
| dc.identifier.uri | https://hdl.handle.net/20.500.14559/290 | |
| dc.language.iso | spa | |
| dc.publisher | Universidad Nacional de Cañete | |
| dc.publisher.country | PE | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Inteligencia artificial | |
| dc.subject | aprendizaje automático | |
| dc.subject | regresión logística | |
| dc.subject | deserción Universitaria | |
| dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | |
| dc.title | Modelo predictivo basado en machine learning para el diagnóstico temprano en la deserción universitaria de la UNDC, periodo 2020 – 2022 | |
| dc.type | info:eu-repo/semantics/bachelorThesis | |
| renati.advisor.dni | 20114878 | |
| renati.advisor.dni | 20044737 | |
| renati.advisor.orcid | https://orcid.org/0000-0001-8183-5891 | |
| renati.advisor.orcid | https://orcid.org/0000-0002-3136-6094 | |
| renati.author.dni | 72692059 | |
| renati.discipline | 612076 | |
| renati.juror | Larico Uchamaco , Guido Raúl | |
| renati.juror | Roque Tito, Edwin | |
| renati.juror | Asto Huamán, Leonidas | |
| renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | |
| renati.type | https://purl.org/pe-repo/renati/type#tesis | |
| thesis.degree.discipline | Ingenieria de Sistemas | |
| thesis.degree.grantor | Universidad Nacional de Cañete. Facultad de Ingenieria de Sistemas | |
| thesis.degree.name | Ingeniero de Sistemas |