Estudio predictivo de los factores ǫue participan de la deserción estudiantil en carreras de ciencias médicas de una universidad de gestión privada. Perspectiva que brinda la minería de datos educativa para anticipar el abandono

El presente estudio tiene como principal objetivo identificar los factores que pueden predecir la deserción de los estudiantes del primer año de las Licenciaturas de la Facultad de Ciencias Médicas, en el período comprendido entre 2015 y 2019, a partir de los datos personales, sociodemográficos y académicos. Se trata de una investigación de tipo descriptiva, de enfoque cuantitativo, no experimental, que aplica el proceso de Descubrimiento del Conocimiento en Base de Datos (KDD) y las técnicas de Minería de Datos para determinar los atributos comunes entre los estudiantes que permitan predecir el abandono. Para establecer la relación entre las variables se utilizó un software especializado que aplica técnicas de Regresión Logística y Árboles de Decisión sobre una base de datos de 1510 unidades de análisis. Estos algoritmos han demostrado su eficiencia en estudios previos realizados en el campo de la Minería de Datos Educativa. Resuelto el tema del desbalance de la muestra (muestra desequilibrada), con la utilización de técnicas de sobremuestreo (SMOTE –K vecinos cercanos), se incluyen las variables categóricas y cuantitativas, y se realizan las predicciones para cada una de las categorías. Luego se comparan los hallazgos de los dos mejores modelos de Regresión Logística (modelos 2b y 4b) y de los Arboles de Decisión (modelos 3 y 4), resultando las variables Carrera, Edad categorizada, Tipo de Establecimiento Secundario, la Modalidad del Título Secundario, y Nota Promedio del Secundario, los atributos que mejor explican la posibilidad de deserción. Comprender el fenómeno de la deserción universitaria, brinda la posibilidad de anticipar este comportamiento, con el fin de diseñar y aplicar estrategias efectivas para la retención.