\chapter{Formulario de Extracción}

Se encuentra en la hoja de cálculo nombrada:
% \verb 20170895_RobertoTokumori_PatriciaNatividad_E2_Anexo1.xlsx \verb.
\begin{verbatim}20170895_RobertoTokumori_PatriciaNatividad_E2_Anexo1.xlsx\end{verbatim}.


\chapter{Plan de Proyecto}

\section{Justificación}

% TODO: Revisar coherencia en citas

% I've commented out some of the paragraphs.  Maybe add them in the future
% it depends if it's OK to add points related to the "methods".  I've only
% left the ones related to the "problem".

El desarrollo de un sistema de información que utilice técnicas de aprendizaje
automático para predecir la deserción de estudiantes universitarios y mejorar
las tasas de retención es un proyecto que puede ser justificado por las siguientes 
razones. 

\begin{itemize}
    \item 
    Uno de los principales objetivos de las universidades es asegurar el 
    éxito académico de sus estudiantes \autocite{Shilbayeh2021562}. 
    Al predecir con precisión las posibles deserciones, las
    universidades pueden intervenir temprano e implementar sistemas de
    apoyo específicos para abordar las causas raíz de la deserción de los
    estudiantes. Este enfoque proactivo puede permitiría las universidades
    apoyar mejor a los estudiantes con dificultades y mejorar sus posibilidades
    de completar sus títulos con éxito.

    \item 
    La deserción de los estudiantes no solo es perjudicial
    para los estudiantes individuales sino también para las propias universidades.
    Cuando los estudiantes abandonan la universidad, esto representa una pérdida de recursos
    invertidos en su educación, incluido el tiempo, la financiación y los esfuerzos
    del personal docente de la universidad \autocite{Alwarthan2022107649}.
    Al identificar con precisión a los estudiantes en riesgo,
    las universidades pueden asignar sus recursos de manera más efectiva, ofreciendo
    intervenciones personalizadas a quienes más las necesitan. Esta asignación
    optimizada de recursos puede generar ahorros de costos y una mayor eficiencia
    para las instituciones educativas.

    % Datos que cuentan las universidades son "underutilized". (Maybe in this one
    % include the points below)

    % Las técnicas de aprendizaje automático pueden
    % analizar múltiples factores que contribuyen a las tasas de deserción de
    % los estudiantes, incluido el rendimiento académico, el entorno socioeconómico,
    % y los niveles de compromiso.  Al aprovechar esta gran cantidad de datos, el
    % sistema de información puede identificar patrones y factores de riesgo asociados
    % con el comportamiento de deserción estudiantil universitaria.

    % Los métodos tradicionales para identificar posibles
    % abandonos a menudo se basan en medidas reactivas, como observar un rendimiento
    % académico deficiente o signos de desconexión \autocite{Alwarthan2022107649}.  Sin embargo, mediante el uso de
    % algoritmos de aprendizaje automático, el sistema de información puede analizar
    % grandes cantidades de datos históricos y crear modelos predictivos para
    % pronosticar las probabilidades de abandono escolar de los estudiantes en una
    % etapa temprana. Este enfoque proactivo permite a las instituciones intervenir
    % con prontitud, brindando recursos y orientación específicos para ayudar a los
    % estudiantes a superar los desafíos y aumentar sus probabilidades de permanecer
    % matriculados.
\end{itemize}

% Por lo tanto, se justifica el desarrollo de un sistema de información que
% pueda ayudar a predecir la deserción de los estudiantes universitarios y mejore
% las tasas de retención, ya que mejora el éxito de los estudiantes, optimiza la
% asignación de recursos y permite intervenciones proactivas basadas en análisis
% predictivos.  Este proyecto tiene el potencial de mejorar significativamente las
% tasas de retención y contribuir al éxito general de las instituciones
% educativas.

\section{Viabilidad}

\subsection{Viabilidad temporal}

\subsection{Viabilidad técnica}

\subsection{Viabilidad económica}

\section{Alcance del proyecto}

\section{Restricciones}

El proyecto depende de la disposición de conjuntos de datos de las universidades.
Es posible que las univesidades a quienes se les solicite estos datos no los compartan,
ya sea por la complejidad en extraer la información de sus sistemas
informáticos, o porque simplemente no está dentro de sus procedimientos
compartir estos datos.

Además, el proyecto depende de la disponibilidad de especialistas en 
aprendizaje automático, sistemas de información, y usabilidad.  Quienes se 
encargarán de validar los resultados esperados del proyecto.

\section{Identificación de riesgos}