1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
|
\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.
|
