path: root/chapter/30-estado_del_arte.tex

\chapter{Estado del Arte}



\section{Introducción}

%[La revisión de la literatura establece lo que se sabe sobre el tema para
%construir sobre la sabiduría de trabajos anteriores. Lo que ya se ha establecido
%sobre un tema le ayuda a acotar un marco teórico específico. Esto significa que
%generalmente es necesario revisar la literatura antes de elegir un marco teórico
%específico.
%
%La revisión de la literatura puede dividirse por temas, por autores o
%cronológicamente. La división más común es por tema, ya que muestra una
%comprensión más compleja de la literatura. Una revisión de la literatura de los
%autores es una compilación de informes breves de libros. Esto significa que las
%revisiones de la literatura divididas por autores normalmente carecen de la
%comprensión global proporcionada por una descripción general de temas y, por lo
%tanto, no se consideran tan sofisticadas como las revisiones de temas. Las
%revisiones cronológicas suelen ser más útiles cuando el enfoque del artículo es
%de naturaleza histórica. La elección de la organización depende del objetivo del
%trabajo.]

% Reference Needed
% La deserción estudiantil universitaria es un fenómeno que afecta tanto a los
% estudiantes que abandonan su carrera profesional, como a la universidad de la
% cual desertan.  Se ven perjudicadas la economía del estudiante y la universidad,
% la calidad de la enseñanza, y la diversidad estudiantil en la universidad.  La
% identificación temprana de los estudiantes más propensos a abandonar sus
% estudios, aquellos que presentan los principales indicadores de deserción,
% podría ayudar a los centros de estudios en proporcionar apoyo a estudiantes
% propoensos a desertar de forma más oportuna.

% From 05-intro.tex
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}.

Con el fin de investigar el estado del arte en el análisis de factores que
predicen la deserción estudiantil universitaria se realiza una revisión
sistemática de la literatura siguiendo principalmente los lineamientos
propuestos por \autocite{Kitchenham2007}.  De esta manera, se emplean los
criterios PICOC \autocite{Petticrew2006} para enmarcar las preguntas de
investigación, y subsecuentemente generar la cadéna de búsqueda apropiada para
los motores de búsqueda a utilizar.  Las siguientes secciones del capítulo
documentan el proceso de revisión de literatura realizado.

% "debe indicar tipo de revision"
% -> El tipo de revision es "sistematica" (en contraste con "narrativa",
%    "conceptual", "rapida", "realistica", "tradicional", etc.)
%
% Also, what does this mean?
% Además, el tipo esquema provisorio elegido será por temas, y no por autor.



\section{Objetivos de Revisión} \label{objetivos}

El primer paso para llevar a cabo una revisión sistemática del estado del arte
consiste en establecer claramente los objetivos que se persiguen con dicha
revisión. Estos objetivos serán abordados a través de las preguntas de
investigación que se planteen. Para el presente estudio, se definen
los siguientes objetivos de revisión:

\begin{itemize}
    \item 
        Identificar los principales factores y métricas que predicen la 
        deserción estudiantil universitaria, en la literatura.
    \item 
        Conocer las herramientas y metodologías que se emplean actualmente para
        analizar la deserción estudiantil, desde el punto de vista del análisis de datos
        y Aprendizaje Automático.
    \item 
        Conocer las metodologías algorítmicas basadas en
        de Aprendizaje Automático (\textit{Machine Learning}) más usadas
        para predecir la deserción estudiantil universitaria.
    \item 
        Comparar las debilidades y oportunidades de mejora
        en las metodologías y técnicas algorítmicas de análisis usadas actualmente
        para predecir la deserción estudiantil universitaria
\end{itemize}



\section{Preguntas de Revisión}

Con la intención de estructurar las preguntas de revisión y considerar varios puntos de vista,
se utilizan los criterios PICOC (\textit{population, intervention, comparison, outcomes,
context}) \autocite{Petticrew2006} para elaborar las preguntas de revisión.  Estos criterios 
son mayormente utilizados en el campo de investigación clínica y salud.  Sin embargo,
estos también se pueden aplicar al campos relacionados a la informática \autocite{Kitchenham2007}.
Para la presente revisión, no se utiliza el criterio de comparación, puesto que no es un objetivo
comparar la aplicación de la intervención (predicción de la deserción estudiantil universitaria) 
sobre un grupo de la población y un grupo de control.
% En el presente estudio no se utiliza el
% criterio de comparación, puesto que no se tiene como objetivo comparar el
% criterio de intervención a investigar con algún otro método de intervención en
% concreto.  Como recalca \autocite{Kitchenham2007}: es inadecuado comparar a los
% estudios que utilizan una técnica en específico contra los que no la utilizan.
Ver \autoref{tab:picoc}.

\begin{table} [htbp]
    \centering
    \caption{Criterios PICOC}
    \label{tab:picoc}
    \begin{tabular} {|p{0.19\linewidth}|p{0.79\linewidth}|}

        \hline
        Población &
        % Estudiantes universitarios de pregrado en instituciones tanto nacionales como extranjeras \\
        Sistemas para la predicción de deserción estudiantil universitaria \\ 
        \hline
        Intervención & 
        Técnicas modernas de Aprendizaje Automático para la predicción de deserción estudiantil universitaria \\ 
        \hline
        Comparación &
        % Soluciones y metodologías.  Técnicas de Aprendizaje Automático.  \\
        (No aplica) \\
        \hline
        Consecuencia &
        Predicciones de deserción estudiantil universitaria \\
        \hline
        Contexto &
        Estudiantes de pregrado, instituciones de educacion superior, nacional o internacional,
        tipo de grado académico perseguido, estatus socioeconómico del estudiante. \\
        % El contexto de la intervención es amplio.  Se espera
        % recolectar información de las técnicas de Aprendizaje Automático
        % más efectivas,  así como las metodologías utilizadas para la captura
        % de información, procesamiento, y aplicación del modelo. \\ 
        \hline

    \end{tabular}
\end{table}

A continuación, se listan las preguntas de revisión formuladas.

\begin{itemize}
    \item 
        P1. ¿Qué factores o métricas predicen de mejor manera la deserción
        estudiantil universitaria?
    \item 
        P2. ¿Qué herramientas y metodologías se emplean actualmente para
        analizar la deserción de los estudiantes, desde el punto de vista del análisis de datos
        y Aprendizaje Automático?
    \item 
        P3. ¿Qué soluciones algorítmicas basadas en Aprendizaje Automático son
        utilizadas actualmente para predecir la deserción estudiantil
        universitaria?
    \item 
        P4. ¿Qué debilidades y oportunidades de mejora existen en las
        metodologías y técnicas algorítimicas de análisis usadas actualmente
        para predecir la deserción estudiantil universitaria?
\end{itemize}



\section{Estratégia de Búsqueda}

En esta sección se describe el procedimiento utilizado para identificar la bibliografía relevante para responder a las preguntas de revisión formuladas.  Los criterios de inclusión y exclusión servirán para filtrar aún más la lista de documentos encontrados.  Para luego catalogarlos con fichas bibliográficas utilizando el formulario de extracción de datos definido en la sección \ref{formulario-extraccion}.

\subsection{Motores de búsqueda a usar.}

Para el levantamiento de información se utilizarán los siguientes motores de
búsqueda:

\begin{itemize}
    \item Scopus
    \item IEEE Xplore
\end{itemize}


\subsection{Cadenas de búsqueda a usar.}


% - cita a Kitchenham necesaria?
% - cita al paper de WordNet necesaria?  O mejor solo a la URL
%   https://wordnet.princeton.edu/
Se sigue el enfoque general de descomponer los criterios PICOC (\autoref{tab:picoc}) en términos de
búsqueda (\autoref{tab:picoc-terms}).  Seguido de encontrar sinónimos para cada término,
construir la cadena de búsqueda utilizando operadores booleanos, y finalmente
adaptar la cadena a la sintaxis de los motores de búsqueda elegidos.  Para la
búsqueda de sinónimos en inglés se utilizó el
diccionario WordNet, el cual es distribuido pública y libremente por Princeton
\autocite{Fellbaum2010}.

\begin{table} [htbp] \centering
    \caption{Términos de búsqueda derivados de los criterios PICOC}
    \label{tab:picoc-terms}
    \begin{tabular} {|p{0.19\linewidth}|p{0.79\linewidth}|}

        \toprule
        % \hline
        \textit{Criterio} & \emph{Términos de búsqueda} \\
        \midrule
        % \hline
        Población       & 
        system, tool, student dropout, student desertion, student attrition \\
        % undergraduate students, college students, higher education students \\ 
        \hline
        Intervención    & 
        machine learning, data mining, predictive modeling, supervised learning, classification, feature selection \\ 
        \hline
        Comparación     & 
        (No aplica) \\ 
        \hline
        Consecuencia    & 
        forecast models, prediction models \\ 
        \hline
        Contexto        & 
        undergraduate, higher education institutions, university, college, 
        degree types, socioeconomic status \\ 
        \hline

    \end{tabular}
\end{table}

Se utilizan el operador booleano $OR$ para concatenar los términos de
búsqueda pertenecientes al mismo criterio,  y luego se concatenan las cadenas de
cada criterio con el operador booleano $AND$ para obtener una única cadena de
búsqueda.  Para delimitar aún más la búsqueda, se restringe más el primer criterio
para que solo muestre herramientas o sistemas relacionadas al análisis de la deserción
estudiantil universitaria:

\begin{verbatim} 
( ( "system" OR "tool" ) AND ( "student dropout" OR "student desertion" OR
"student attrition" ) ) AND ( "machine learning" OR "data mining" OR "predictive
modeling" OR "supervised learning" OR "classification" OR "feature selection" )
AND ( "forecast models" OR "prediction models" ) AND ( "undergraduate" OR
"higher education institutions" OR "university" OR "college" OR "degree types"
OR "socioeconomic status" )
\end{verbatim}
% https://dl-acm-org.ezproxybib.pucp.edu.pe/action/doSearch?AllField=%28+%22university%22++AND++%22dropout+rate%22++AND++%22machine+learning%22+%29+
% simple one (57 scopus): https://www-scopus-com.ezproxybib.pucp.edu.pe/results/results.uri?sort=plf-f&src=s&st1=%22university%22+AND+%22dropout+rate%22+AND+%22machine+learning%22&sid=5b2e61989f4528bdfb0f8402c4327812&sot=b&sdt=b&sl=69&s=TITLE-ABS-KEY%28%22university%22+AND+%22dropout+rate%22+AND+%22machine+learning%22%29&origin=searchbasic&editSaveSearch=&yearFrom=Before+1960&yearTo=Present
% v4: asesora: 61 SCOPUS, 1 IEEE Xplore
% https://www-scopus-com.ezproxybib.pucp.edu.pe/results/results.uri?sort=r-f&src=s&nlo=&nlr=&nls=&sid=618985a1c0139a3919c2f00d7f4cce1f&sot=a&sdt=cl&cluster=scofreetoread%2c%22all%22%2ct%2bscopubyr%2c%222023%22%2ct%2c%222022%22%2ct%2c%222021%22%2ct%2c%222020%22%2ct%2c%222019%22%2ct%2bscosubtype%2c%22ar%22%2ct%2bscosubjabbr%2c%22COMP%22%2ct%2bscolang%2c%22English%22%2ct&sl=430&s=ALL+%28%28+%28%22system%22+OR+%22tool%22%29+AND+%28%22student+dropout%22+OR+%22student+desertion%22+OR+%22student+attrition%22%29+%29+AND+%28+%22machine+learning%22+OR+%22data+mining%22+OR+%22predictive+modeling%22+OR+%22supervised+learning%22+OR+%22classification%22+OR+%22feature+selection%22+%29+AND+%28+%22forecast+models%22+OR+%22prediction+models%22+%29+AND+%28+%22undergraduate%22+OR+%22higher+education+institutions%22+OR+%22university%22+OR+%22college%22+%29+%29+AND+PUBYEAR+%3e+2017+AND+PUBYEAR+%3c+2024+AND+NOT+%28%22MOOC%22%29&origin=resultslist&zone=leftSideBar&editSaveSearch=&txGid=6faae11c585e71bcb05039753ceb381c
% IEEE Xplore: (( ( "student dropout" OR "student desertion" OR "student attrition" ) ) AND ( "machine learning" OR "data mining" OR "predictive modeling" OR "supervised learning" OR "classification" OR "feature selection" ) AND ( "forecast models" OR "prediction models" ) AND ( "undergraduate" OR "higher education institutions" OR "university" OR "college" OR "degree types" OR "socioeconomic status" ))
% ALL ( ( ( "system"  OR  "tool" )  AND  ( "student dropout"  OR  "student desertion"  OR  "student attrition" ) )  AND  ( "machine learning"  OR  "data mining"  OR  "predictive modeling"  OR  "supervised learning"  OR  "classification"  OR  "feature selection" )  AND  ( "forecast models"  OR  "prediction models" )  AND  ( "undergraduate"  OR  "higher education institutions"  OR  "university"  OR  "college" ) )  AND  PUBYEAR  >  2017  AND  PUBYEAR  <  2024  AND NOT  ( "MOOC" )  AND  (  LIMIT-TO ( OA ,  "all" ) )  AND  ( LIMIT-TO ( PUBYEAR ,  2023 )  OR  LIMIT-TO ( PUBYEAR ,  2022 )  OR  LIMIT-TO ( PUBYEAR ,  2021 )  OR  LIMIT-TO ( PUBYEAR ,  2020 )  OR  LIMIT-TO ( PUBYEAR ,  2019 ) )  AND  ( LIMIT-TO ( DOCTYPE ,  "ar" ) )  AND  ( LIMIT-TO ( SUBJAREA ,  "COMP" ) )  AND  ( LIMIT-TO ( LANGUAGE ,  "English" ) )  
% v2: 1,374 SCOPUS, 6 IEEE Xplore
% v1:  > 1,000,000 results SCOPUS, 27,397 results IEEE Xplore
% ("system" OR "solution" OR "forecast" OR "student dropout" OR "student 
% desertion" OR "student attrition") AND ("machine learning" OR "data mining" OR 
% "predictive modeling" OR "supervised learning" OR "classification" OR "feature 
% selection") AND ("factors" OR "attributes" OR "metrics" OR "predict" OR "models" 
% OR "academic success") AND ("undergraduate" OR "higher education institutions" 
% OR "university" OR "college" OR "degree types" OR "socioeconomic status")
% v0:
% ("student desertion" OR student attrition OR "student dropout" OR "academic
% risk") AND ("machine learning" OR "data mining" OR techniques OR tools OR
% algorithms OR "classification algorithms") AND (model OR framework OR factors OR
% attributes OR metrics OR predict OR "predict student droput") AND (university OR
% academia OR peru OR latam OR "latin america" OR undergraduate OR "undergraduate
% studies" OR methodology OR review OR comparison OR "educational data mining") 

Finalmente, se adapta la cadena a la sintaxis
de cada uno de los motores de búsqueda bibliográficos.  
Para Scopus, se genera la siguiente cadena.  A la cual también
se le ha incorporado un criterio de exclución, limitando la antigüedad del
artículo (la lista completa de estos criterios se encuentra 
en la sección \ref{criterios-inclusion-exclusion}).

\begin{verbatim}
ALL ( ( "forecast system" OR "student dropout" OR "student desertion" OR
"student attrition" ) AND ( "machine learning" OR "data mining" OR "predictive
modeling" OR "supervised learning" OR "classification" OR "feature selection" )
AND ( "forecast models" OR "prediction models" ) AND ( "undergraduate" OR
"higher education institutions" OR "university" OR "college" OR "degree types"
OR "socioeconomic status" ) ) AND PUBYEAR > 2017 AND PUBYEAR < 2024 
\end{verbatim}

% El motor de búsqueda IEEE Xplore limita la búsqueda a un máximo de 25 términos.
Para IEEE Xplore, se utiliza la interfáz gráfica para limitar la antigüedad del artículo
a los últimos 6 años.  La cadena no requiere modficaciones adicionales de sintaxis.


\subsection{Documentos encontrados.}

La cantidad de documentos encontrados luego de utilizar las cadenas de búsqueda en los motores bibliograficos se sumariza en la \autoref{tab:documentos-encontrados}.  El número de documentos encontrados es especialmente elevado para Scopus; pero aplicando los criterios de inclusión y exclusión listados en la siguiente sección, se buscará reducirlo a un número más manejable para los documentos primarios para la investigación.

\begin{table} [htbp] \centering
    \caption{Documentos encontrados por motor de búsqueda}
    \label{tab:documentos-encontrados}
    \begin{tabular} {|p{0.2\linewidth}|p{0.2\linewidth}|}
    
        \hline
        Scopus & 
        1,374 \\ 
        \hline
        IEEE Xplore & 
        4 \\ 
        \hline
        
    \end{tabular}
\end{table}


\subsection{Criterios de inclusión/exclusión.} \label{criterios-inclusion-exclusion}

Se cuentan con los siguientes criterios de inclusión:

\begin{itemize}
    \item 
        El artículo incluye métricas o factores que ayudan a predecir la
        deserción estudiantil universitaria
    \item 
        El artículo explora y compara herramientas y metodologías para analizar
        la deserción estudiantil universitaria
    \item 
        El artículo incluye soluciónes algorítmicas de Machine Learning para el
        análisis de deserción estudiantil universitaria.
\end{itemize}

Y los siguientes criterios de exclusión:

\begin{itemize}
    \item 
        El artículo no tiene una antigüedad mayor a 6 años.  A excepción de si
        se trata a una referencia de conceptos o teoría.
    \item 
        El artículo no está relacionado al contexto de deserción estudiantil
        universitaria.
    \item 
        Las técnicas para el análisis de factores que influyen en la deserción
        estudiantil no están relacionadas con Aprendizaje Automático.
    \item 
        El artículo se encuentra en un idioma distinto al inglés o español.
    \item 
        El artículo no se encuentra disponible pasa su uso libre o licenciado
        con la biblioteca de la Pontificia Universidad Católica del Perú (PUCP)
        y no se considera que su aporte sería indispensable para el estudio.
\end{itemize}


\section{Formulario de Extracción de Datos} \label{formulario-extraccion}

Luego de aplicar los criterios de inclusión y exclusión a los documentos
encontrados, se categorizan los documentos utilizando el formulario de
extracción de datos.  Ver \autoref{tab:formulario-extraccion}.

\begin{table}[H]
    \centering
    \caption{Estructura del formulario de extracción}
    \label{tab:formulario-extraccion}
    \begin{tabular} {p{0.24\linewidth}|p{0.5\linewidth}|p{0.25\linewidth}}

        \toprule
        \emph{Ítem} &
        \emph{Descripción} &
        \emph{Pregunta} \\ 
        \midrule

        Id &
        Identificador &
        Información General \\

        Título &
        Título del artículo &
        Información General \\

        Autores &
        Autores &
        Información General \\

        Año &
        Año de publicación &
        Información General \\

        Motor de búsqueda &
        Motor de búsqueda donde se encontró el artículo &
        Información General \\

        Tipo de Fuente &
        Medio en que se publicó el documento.  Puede ser artículo, revista, libro,
        congreso. &
        Información General \\

        Métricas &
        Métricas o factores que influyen en la deserción estudiantil universitaria &
        P1 \\

        Herramientas &
        Herramientas o metodologías empleadas para analizar la deserción estudiantil
        universitaria &
        P2 \\

        Algoritmos de ML &
        Algoritmos actuales de Machine Learninng utilizados para analizar la
        deserción estudiantil universitaria &
        P3 \\

        Carencias &
        Carencias, falencias, y posibles mejoras en las técnicas actuales de
        análisis de deserción estudiantil universitaria &
        P4 \\

        \bottomrule

    \end{tabular}
\end{table}



\section{Resultados de la Revisión}

Luego de aplicar los criterios de
inclusión y exclusión, se obtienen 16 estudios primarios con los que se
responderán las preguntas de investigación.  Para ver la lista
completa de las fichas bibliográficas de los estudios primarios ver el Anexo 1.
% Añadir referencia Anexo1: Formulario de Extracción
En la \autoref{tab:p1papers} se sumarizan los estudios primarios y las preguntas de investigación a las que ayudan a responder.

% - Tabla
% - Resumen
% - Opcionalmente graficos y tablas

\begin{table} [H]
    \centering
    \caption{Artículos primarios y las preguntas de investigación que ayudan a
    responder}
    \label{tab:p1papers}
    \begin{tabular} {|p{0.14\linewidth}|p{0.70\linewidth}|
        *{4}{p{0.02\linewidth}|} }

        \hline
        \textit{Autor} &
        \textit{Título} &
        \textit{P1} &
        \textit{P2} &
        \textit{P3} &
        \textit{P4}
        \\ \hline

        \autocite{Shilbayeh2021562} &
        Predicting student enrolments and attrition patterns in higher educational institutions using machine learning &
          &       % P1
        x &       % P2
        x &       % P3
                  % P4
        \\ \hline

        \autocite{Perez202157} &
        Predicting Student Program Completion Using Naïve Bayes Classification Algorithm &
        x &       % P1
          &       % P2
        x &       % P3
                  % P4
        \\ \hline

        \autocite{Alwarthan2022107649} &
        An Explainable Model for Identifying At-Risk Student at Higher Education &
        x &       % P1
          &       % P2
          &       % P3
                  % P4
        \\\hline

        \autocite{Khan2021} &
        An artificial intelligence approach to monitor student performance and devise preventive measures &
          &       % P1
          &       % P2
        x &       % P3
        x         % P4
        \\ \hline

        \autocite{Sahlaoui2021152688} &
        Predicting and Interpreting Student Performance Using Ensemble Models and Shapley Additive Explanations &
        x &       % P1
          &       % P2
        x &       % P3
                  % P4
        \\ \hline

        \autocite{Segura2022} &
        Machine Learning Prediction of University Student Dropout: Does Preference Play a Key Role? &
        x &       % P1
          &       % P2
        x &       % P3
                  % P4
        \\ \hline

        \autocite{Latif20221051} &
        Identifying At-Risk Students: An AI-based Prediction Approach &
          &       % P1
        x &       % P2
        x &       % P3
                  % P4
        \\ \hline

        \autocite{Balaji2021} &
        Contributions of machine learning models towards student academic performance prediction: A systematic review &
          &       % P1
        x &       % P2
        x &       % P3
                  % P4
        \\ \hline

        \autocite{Suhaimi20191} &
        Review on Predicting Students’ Graduation Time Using Machine Learning Algorithms & 
        x &       % P1
          &       % P2
        x &       % P3
        x         % P4
        \\ \hline

        \autocite{Yağcı2022} &
        Educational data mining: prediction of students' academic performance using machine learning algorithms &
          &       % P1
        x &       % P2
        x &       % P3
                  % P4
        \\ \hline

        \autocite{Fernandez-Garcia2021133076} &
        A real-life machine learning experience for predicting university dropout at different stages using academic data &
        x &       % P1
          &       % P2
        x &       % P3
        x         % P4
        \\ \hline

        \autocite{Guzmán2022} &
        Comparative Analysis of Dropout and Student Permanence in Rural Higher Education &
        x &       % P1
          &       % P2
        x &       % P3
                  % P4
        \\ \hline

        \autocite{8820813} &
        Supervised Learning in the Context of Educational Data Mining to Avoid University Students Dropout &
        x &       % P1
        x &       % P2
          &       % P3
                  % P4
        \\ \hline

        \autocite{8484847} &
        Applying Data Mining Techniques to Predict Student Dropout: A Case Study &
        x &       % P1
          &       % P2
        x &       % P3
                  % P4
        \\ \hline

        \autocite{Kemper2020} &
        Predicting student dropout: A machine learning approach &
        x  &       % P1
        x  &       % P2
        x  &       % P3
        x          % P4
        \\ \hline

    \end{tabular}
\end{table}


\subsection{Respuestas a la pregunta P1.}

Los factores con los que se predice la deserción estudiantil universitaria
varían considerablemente para cada estudio,  esto es debido a que cada uno
cuenta con data distinta, contextos distintos, y con medios de recolección de
datos distintos.  Por ejemplo,  en \autocite{Shilbayeh2021562} se recolectó data
real, de 1600 estudiantes de la Abu Dhabi School of Management en los años 2019-2022
Universidad Pública de Ecuador.
Y se obtuvo 11 principales factores, siendo los más importantes la edad del alumno y
su rendimiento académico.  
Por otro lado, \autocite{Kemper2020} encuentra que el promedio de notas y la cantidad de
exámenes aprobados son los principales factores.  Las variables utilizadas en
\autocite{Kemper2020} se listan en \autoref{tab:Kemper2020-var}, con las cuales
lograron obtener un 95\% de precisión con data limitada hasta el tercer semestre
de estudios de cada estudiante, y más de 85\% de precisión luego del primer
semestre.

En el estudio por \autocite{Perez202157} se meciona que tanto variables personales (género, estatus socio-económico) y variables educativas (rendimiento académico, dificultad percibida en los cursos que lleva)
pueden ser buenos predictores de deserción estudiantil.

En \autocite{Alwarthan2022107649} se identifica que variables pre-admission (e.g., puntaje SAT, GPA, información demográfica) también son muy relevantes al predecir deserción estudiantil universitaria.  
Estas variables podrían ser de especial ayuda para las universidades para poder elegir y apoyar
a estudiantes prospectivos que tienen alto riesgo de desertar, identificandolos de forma temprana.


% \begin{table} [htbp]\centering
%     \caption{Variables independientes utilizadas en \autocite{Alban2019}}
%     \label{tab:Alban2019-var}
%     \begin{tabular} {|p{0.80\linewidth}|}

%         \hline
% %        \textit{Descripción}
% %        \\ \hline

%         Conocimiento limitado en el uso de software especializado de la carrera
%         \\ \hline
%         Embarazo deseado o no deseado 
%         \\ \hline
%         El compromizo de los profesores con el estudiante 
%         \\ \hline
%         Compromiso económico con la familia del alumno por ser hijo mayor 
%         \\ \hline
%         Bullying 
%         \\ \hline
%         Sexismo 
%         \\ \hline
%         Adicciones del estudiante 
%         \\ \hline
%         Número de hijos del estudiante 
%         \\ \hline
%         Adaptabilidad del estudiante al nivel de rapidéz de aprendizaje
%         requerido por la universidad 
%         \\ \hline
%         Carrera elegida 
%         \\ \hline
%         Perspectiva del estudiante en cuando su integración en el mercado
%         laboral 

%         \\ \hline

%     \end{tabular}
% \end{table}

\begin{table} [H]
    \centering
    \caption{Variables independientes utilizadas en \autocite{Kemper2020}}
    \label{tab:Kemper2020-var}
    \begin{tabular} {|p{0.80\linewidth}|}

        \hline
%        \textit{Descripción}
%        \\ \hline

        Fecha de ingreso a la universidad
        \\ \hline
        Género
        \\ \hline
        Origen (Nacional o Extranjero)
        \\ \hline
        Edad en el momento de ingreso a la universidad
        \\ \hline
        Promedio de notas en todos los exámenes
        \\ \hline
        Promedio de notas en todos los exámenes aprobados
        \\ \hline
        Promedio de notas en todos los exámenes desaprobados
        \\ \hline
        Cantidad de exámenes tomados
        \\ \hline
        Cantidad de exámenes aprobados
        \\ \hline
        Cantidad de exámenes desaprobados

        \\ \hline

    \end{tabular}
\end{table}


\subsection{Respuestas a la pregunta P2.}

De los artículos primarios revisados, \autocite{Khan2021} y
\autocite{Sahlaoui2021152688} utilizan la metodología \textit{Knowledge Discovery in
Databases} (KDD).  Por otro lado, en \autocite{Latif20221051} se utilizó la
metodología CRIPS-DM.  Además, \autocite{Kemper2020} propone una nueva
metodología para poner en práctica en otras instituciones y comparar resultados.

En cuanto a las herramientas utilizadas, \autocite{Agrusti2019} menciona que,
dentro de los estudios que analizaron, las más usadas son WEKA, SPSS, y R.  

Como parte de otras técnicas utilizadas, tanto \autocite{Segura2022} como
\autocite{Balaji2021} utilizaron técnicas como SMOTE para el balanceo de datos,
parte de la etapa de pre-procesamiento de datos. Y SHAP para el análisis de importancia
y explicación de las variables en los modelos de Aprendizaje Automático obtenidos.

En el estudio realizado por \autocite{Alwarthan2022107649} y \autocite{Kemper2020} 
se comparó el desempeño de múltiples algoritmos basados en Aprendizaje Automático.
Entre ellos: Random Forest (RF), Artificial Neural Network (ANN), y Support Vector Machine (SVM).


\subsection{Respuestas a la pregunta P3.}

En la literatura revisada se utilizan diversas técnicas de \textit{Machine
Learning}, como lo son \textit{Decision Tree}, clasificación bayesiana, redes
neuronales, y regresión logística.  Para cada técnica, se cuenta con varios
algorítmos, por ejemplo, C4.5, \textit{Random Forest}, \textit{Naïve Bayes}, y
\textit{Multilayer perceptron} \autocite{Alwarthan2022107649}.  En la
\autoref{tab:alg-comp} se sumariza el desempeño del mejor algorítmo para cada
artículo primario revisado. 

\begin{table} [htbp]\centering
    \caption{Desempeño de algoritmos de Aprendizaje Automático utilizados en
    los artículos primarios}
    \label{tab:alg-comp}
    \begin{tabular}
        {|p{0.20\linewidth}|p{0.30\linewidth}|p{0.15\linewidth}|p{0.25\linewidth}|}

        \hline
        \textit{Técnica} &
        \textit{Algoritmo} &
        \textit{Precisión} &
        \textit{Cita}
        \\ \hline

        Red neuronal &
        Multilayer perceptron &
        96.3\% &
        \autocite{Alwarthan2022107649}
        \\ \hline

        % revisar
        Decision Tree &
        Random Forest &
        96.7\% &
        \autocite{Alwarthan2022107649}
        \\ \hline

        Decision Tree &
        C4.5 &
        87\% &
        \autocite{Alwarthan2022107649}
        \\ \hline

        Red neuronal &
        Artificial Neural Network &
        83\% &
        \autocite{Kemper2020}
        \\ \hline

        % revisar
        Decision Tree &
        Random Forest &
        95\% &
        \autocite{Kemper2020}
        \\ \hline

        % revisar
        Decision Tree &
        Support Vector Machine &
        81\% &
        \autocite{Kemper2020}
        \\ \hline

    \end{tabular}
\end{table}


\subsection{Respuestas a la pregunta P4.}

% Tabla con los diferentes algoritmo usados.  Notar cual es el mejor segun los
% estudios citados.  Comparacion 

% Extension: ~ 1 pagina

% revisar eso de notas no estandarizadas, Kemper es crack
Se identifica la falencia de la confiabilidad de los datos trabajados,  por
ejemplo en \autocite{Alban2019} se utilizó data de encuestas a alumnos, que por
su naturaleza, están sujetas al enfoque subjetivo de cada encuestado.  La
segunda falencia identificada es el trabajar con notas no estandarizadas cuando
se procesan datos de varias carreras \autocite{Kemper2020}.  Distintos
estándares de calificación en cada carrera pueden afectar al modelo.
Finalmente, se identifica que algunos estudios no se cuenta con un
\textit{dataset} grande, \autocite{Alvarez2020} cuenta con data de solo 456
estudiantes, y \autocite{Moreira2022} con 331 estudiantes.

Debilidades:

\begin{itemize}
    \item
        Limitada capacidad para generalización.  Los modelos trabajados
        no pueden ser directamente aplicados a todas las instituciones y
        contextos educativos, ni a todas las poblaciones estudiantiles \autocite{Alwarthan2022107649}.
    \item
        Calidad de la data y disponibilidad.  La presición de los modelos de predicción
        dependen altamente de la calidad e integridad de la data disponible
        \autocite{Kemper2020, Alwarthan2022107649, Perez202157}.
    \item
        Limitada capacidad de explicación de los modelos.  Entender 
        la lógica detrás de cada predicción realizadas por algunos modelos de 
        Aprendizaje Automático, como una ANN, puede ser dificil \autocite{Alwarthan2022107649}
\end{itemize}

Oportunidades de mejora:

\begin{itemize}
    \item
        Incorporar fuentes de datos más diversas podría mejorar las predicciones \autocite{Alwarthan2022107649}.
    \item
        Utilizar modelos explicables de Aprendizaje Automático para mejorar
        la interpretación y confianza de las predicciones
        \autocite{Kemper2020, Alwarthan2022107649, Perez202157}.
    \item
        Desarrollar modelos que puedan ser adaptables a difrentes contextos educativos
        y poblaciones estudiantiles \autocite{Alwarthan2022107649}.
\end{itemize}



\section{Conclusiones}

% En base a los documentos revisados... (8 lineas, juntar en 2 parrafos)

En conclusión, la predicción de la deserción estudiantil universitaria es un tema de investigación complejo, ya que los factores que influyen en la deserción pueden variar considerablemente entre diferentes contextos y poblaciones estudiantiles.  Los estudios analizados en esta revisión han identificado diversas variables relevantes, como la edad del alumno, el rendimiento académico, el género, el estatus socioeconómico y las variables pre-admisión, como el puntaje SAT o el GPA.

En la literatura, se han empleado varias técnicas y algoritmos de aprendizaje automático para predecir la deserción estudiantil, incluyendo árboles de decisión, clasificación bayesiana, redes neuronales y regresión logística.  Obteniendo resultados bastante prometedores, con coeficientes de determinación de hasta 97 \% (como los mecionados en \autocite{Kemper2020}).  Sin embargo, estos modelos tienen limitaciones en cuanto a su capacidad de generalización y explicación (\textit{explainability}) y dependen en gran medida de la calidad e integridad de los datos disponibles.

Las debilidades identificadas en los estudios incluyen la limitada capacidad para la generalización de los modelos, la calidad y disponibilidad de los datos y la limitada capacidad de explicación de algunos modelos de aprendizaje automático.  Para abordar estas debilidades, se sugiere incorporar fuentes de datos más diversas, utilizar modelos explicables de aprendizaje automático y desarrollar modelos adaptables a diferentes contextos educativos y poblaciones estudiantiles.  Al abordar estas áreas de mejora, los investigadores y las instituciones educativas podrán desarrollar modelos de predicción más precisos y útiles para prevenir y abordar la deserción estudiantil universitaria.

% \begin{itemize}
%     \item
%         Los factores que mejor predicen la deserción estudiantil universitaria
%         son muy variados, y van a depender de la manera en la que se recolecten
%         los datos a analizar.
%     \item
%         Las precisiones alcanzadas en la literatura se encuentran alrededor del
%         90\%.  Se remarca que es posible llegar a una precisión de más del 85\%
%         tan pronto como finalizado el primer semestre del estudiante
%         \autocite{Kemper2020}.
%     \item
%         Las metodologías más utilizadas son KDD y CRISP-DM.  Sin embargo, varios
%         estudios describen la metodología que siguieron, pero no mencionan un
%         nombre en específico de su metodología.
%     \item
%         Los algorítmos más utilizados y con mejores resultados son
%         \textit{Random Forest}, \textit{C4.5}, y \textit{Multilayer perceptron}.
%         Siendo los dos primeros técnicas de clasificación utilizando
%         \textit{Decision Trees} y el tercero utilizando redes neuronales.
%     \item
%         Dentro de las falencias identificadas se recalca la importancia de la
%         confiabilidad y objetividad de los datos a analizar, y el tamaño del
%         \textit{dataset}.
% \end{itemize}