\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 (\textit{machine learning}) para la
predicción de estudiantes con mayor probabilidad de desertar de sus estudios
superiores.