Minería de datos para identificación de patrones de deserción estudiantil mediante técnicas de agrupamiento en una institución de educación superior

Resumen

Uno de los problemas que más preocupa a las instituciones de educación superior es la deserción estudiantil debido a sus gravísimas consecuencias. El estudio busca diseñar e implementar una arquitectura tecnológica conforme a un almacén de datos (Data Warehouse), procesos ETL y técnicas de agrupamiento que servirán para la detección de patrones de abandono de la Escuela Superior Politécnica de Chimborazo (ESPOCH). A nivel metodológico, se integró información académica y sociodemográfica, usando sql server e Integration Services, para el conjunto 106 006 instancias. Con esta base se aplicó el algoritmo K-means con el software WEKA y posteriormente se realizó el agrupamiento en cinco clústeres. Los resultados muestran que el primer clúster aglutinó la mayor cantidad registra con 29 232 casos (27,58 %), seguido por los clústeres 2 y 4, permitiendo identificar patrones de deserción asociados a la combinación específica de diferentes variables, tales como: edad, periodo, semestre, asistencia, género, etnia, estado civil, colegio de procedencia, promedio de bachillerato, carrera y zona geográfica. La minería de datos es una herramienta muy útil para convertir grandes volúmenes de información institucional en conocimiento. Esto, a su vez, permite la identificación oportuna de grupos vulnerables. Asimismo, puede ayudar en la toma de decisiones para reducir el abandono académico.