diff options
Diffstat (limited to 'chapter/05-intro.tex')
| -rw-r--r-- | chapter/05-intro.tex | 84 |
1 files changed, 84 insertions, 0 deletions
diff --git a/chapter/05-intro.tex b/chapter/05-intro.tex new file mode 100644 index 0000000..d234de2 --- /dev/null +++ b/chapter/05-intro.tex @@ -0,0 +1,84 @@ +\section{Título del tema de tesis} + +El tema de tesis a trabajar es: "Sistema de análisis de factores que influyen en la deserción estudiantil universitaria usando técnicas de Aprendizaje Automático". + + +\section{Asesora} + +La asesora para la tesis a realizar es Patricia Andrea Natividad Gómez. El plan de trabajo para cumplir con los objetivos del curso, y al igual que los entregables, es semanal. Se tendrán reuniones los miércoles de 17:00 a 18:00 a través de Zoom. La última reunión antes de la presentación, planificada para la semana 13, será de forma presencial en un aula de la universidad. En la tabla \ref{table:reuniones-asesoria} se listan las reuniones semanales con la asesora y su modalidad (virtual o presencial). + +\begin{table}[htbp] +\centering +\begin{tabular}{||c c c c||} + \hline + Semana & Fecha & Entregable & Modalidad \\ [0.5ex] + \hline\hline + 1 & 22/03/2023 & EP1.1 & Virtual \\ + 2 & 29/03/2023 & EP1.2 & Virtual \\ + 3 & 05/04/2023 & EP1.3 & Virtual \\ + 4 & 12/04/2023 & EP1.4 & Virtual \\ + 5 & 19/04/2023 & EP1.5 & Virtual \\ + 6 & 26/04/2023 & E1 & Virtual \\ + 7 & 03/05/2023 & EP2.1 & Virtual \\ + 8 & 10/05/2023 & & Virtual \\ + 9 & 17/05/2023 & (exámenes parciales) & (sin reunión) \\ + 10 & 24/05/2023 & E2 & Virtual \\ + 11 & 31/05/2023 & & Virtual \\ + 12 & 07/06/2023 & E3 & Virtual \\ + 13 & 14/06/2023 & E4 & Presencial \\ + 14 & 21/06/2023 & (exposiciónes finales) & (sin reunión) \\ + 15 & 28/06/2023 & (exposiciónes finales) & (sin reunión) \\ + \hline +\end{tabular} +\caption{Cronograma de reuniones} +\label{table:reuniones-asesoria} +\end{table} + +\begin{center} +\begin{tabular}{||c c c c||} + % \label{fig:reuniones-asesoria} + +\end{tabular} +\end{center} + +% \begin{figure}[htbp] +% \centering +% \includegraphics[width=.8\columnwidth]{img/ss_20230324_103038.png} +% \caption{Reuniones semanales de asesoría} +% \label{fig:reuniones-asesoria} +% \end{figure} + +\section{Área} + +La tesis a realizar corresponde al área de Sistemas de Información, de acuerdo a la clasificación de la currícula ACM-IEEE \autocite{ACM2020-Curricula}. + +\section{Descripción} + +\subsection{Problemática} +% \textbf{Problemática:} + +La deserción estudiantil universitaria es un fenómeno complejo que afecta a los estudiantes desertores y a su universidad. La deserción estudiantil universitaria afecta significativamente en la economía del estudiante y en su bienestar psicológico, así como también en la reputación de la univerdad y de sus recursos que contará en el futuro \autocite{Fernandez2019}. Para el año 2013, en Estados Unidos, el ratio de deserción fue de 40\% por año para estudiantes que persíguen un pregrado, de los cuales el 30\% deserta en el primer año de estudios \autocite{Doll2013}. Actualmente, las universidades cuentan con diversos programas de apoyo al estudiante; por ejemplo la PUCP, cuenta con la Oficina de Orientación y Apoyo al Estudiante (OOIA) y la Dirección de Asuntos Estudiantiles (DAES) las cuales proporcionan programas de tutorías, refuerzo académico en los cursos más demandantes de 1er y 2do año, mentoría, atención psicológica, y eventos informativos \autocite{PUCP2019SaludMental}. + +% Algunos de estos programas elaboran el perfil del estudiante mediante encuestas, entrevistas, registro de resultados académicos, y opiniones individaules de los docentes \autocite{DescubrePUCP}. + +La identificación temprana de los estudiantes más propensos a abandonar sus estudios, aquellos que presentan los principales indicadores de deserción, podría disminuir la deserción estudiantil universitaria. Pues ayudaría a los estudiantes a recibir apoyo de forma más oportuna \autocite{Fernandez2019}. + +\section{Resultados esperados} + +\begin{itemize} + \item Identificar los factores relevantes que influyen en la deserción universitaria para el entrenamiento y validación de los modelos de aprendizaje automático. + \item Implementar un conjunto de modelos de aprendizaje automático que realice una predicción de la deserción universitaria. + \item Implementar un sistema que permita a las universidades realizar y configurar el proceso de detección de deserción universitaria de sus estudiantes, según su conjunto de datos, utilizando modelos de aprendizaje automático mencionados anteriormente. + \item Implementar un \textit{dashboard} con resultados relevantes del análisis de deserción universitaria de sus estudiantes. + + % \item Obtención de fuente de datos para el análisis. Conjunto de datos de estudiantes universitarios con información académica y socio-económica. + % \item Análisis exploratorio de datos (EDA). + % \item Limpieza del conjunto de datos. + % \item Modelo de clusterización de estudiantes con mayor probabilidad de desertar sus estudios universitarios. + % \item Dashboard gráfico con resultados del análisis. Estadísticas y predicciones generadas por el Aprendizaje Automático. + % \item Generación de reporte individual de cada estudiante. Indicando la probabilidad de deserción y factores de riesgo presentes. Con el fin de poder contactarlos y apoyarlos con algún plan preventivo proporcionado por la universidad. +\end{itemize} + +\section{Métodos y procedimientos} + +Se utilizará la metodología \textit{Knowledge Discovery in Database} (KDD) y la data histórica de una universidad del Perú para la selección y entrenamiento de un modelos de Aprendizaje Automático (ML) (\textit{Machine Learning}) para la predicción de estudiantes con mayor probabilidad de desertar de sus estudios superiores. |