A. M. Sánchez Sánchez, M. Segura Maroto, A. Hernández Estrada, J. D. Mello Roldán
El objetivo de la investigación es aplicar diferentes técnicas de Machine Learning para predecir de manera temprana el abandono universitario, y a su vez determinar cuáles son las variables predictoras que más influencia tienen en los resultados.
Se ha utilizado una base de datos con más de 30 variables correspondiente al Grado en Turismo de la Universidad Complutense de Madrid. Las variables empleadas son de carácter personal, socioeconómico y académico.
Se ha seguido la definición de “abandono universitario” como el alumnado que se ha matriculado por primera vez en un Grado y no se matricula en los dos años siguientes o no se ha titulado en los cuatro años siguientes al primer año de matriculación (Ministerio de Universidades).
Las diferentes técnicas de Machine Learning aplicadas (Regresión lineal y logística, K-vecinos, Árboles de decisión y ANN modelo MPL) han sido implementadas en Python.
Se ha realizado una comparación de los resultados obtenidos con los diferentes métodos.
Keywords: machine learning, abandono universitario, big data, variables predictoras, Phyton
Scheduled
Data Analysis in Social Sciences
November 10, 2023 9:30 AM
HC2: Canónigos Room 2