Modelo de predicción de deserción estudiantil, apoyado en Tecnologías De Data Mining, en un curso de primera matrícula de la Escuela ECBTI De La UNAD.

A continuación, se presenta la investigación modelo de predicción de deserción estudiantil, apoyado en tecnologías de big data, en un curso de primera matrícula de la escuela ECBTI de la UNAD. Este proyecto se desarrolla como requisito de grado para la maestría en gestión de TI de la Universidad Nacional Abierta a Distancia UNAD. El proyecto incluye el planteamiento del problema en donde se expresa la necesidad de aplicar técnicas de analítica de datos a la información que se almacena como producto de los procesos académicos. En los procesos académicos de la UNAD se producen en cada periodo académico una gran cantidad de datos los cuales son susceptibles de analizar, con el fin de generar un modelo de predicción que coadyuve en la mitigación del problema de la deserción estudiantil en la institución, mediante el pronóstico temprano de los estudiantes en riesgo de deserción. Como parte de esta información se tienen en la UNAD instrumentos como la encuesta de caracterización que se aplica a los estudiantes nuevos, el cual es un instrumento muy valioso que permite conocer información de los estudiantes que inician su proceso en la UNAD. Este estudio aplica técnicas de minería de datos basada en Machine Learning, mediante el uso de algoritmos de aprendizaje supervisado que permitan generar modelos de predicción de la deserción estudiantil que de manera temprana determine si un estudiante probablemente desertará de su proceso de formación. Durante el desarrollo de este proyecto se utilizaron herramientas de software Libre tales como WEKA que permitieron obtener algunos resultados a partir de la aplicación de algoritmos de machine learning. Estos resultados proporcionan un soporte para la toma de decisiones, lo que permite a los directivos de las institución concentrar los esfuerzos o dirigirlos a ciertos ámbitos o área específicas, lo que mejora enormemente la efectividad en los procesos permitiendo acercarse al conocimiento de manera más efectiva y eficiente.Below is the research model of student dropout prediction, supported by big data technologies, in a first enrollment course of the ECBTI school of the UNAD. This project is developed as a degree requirement for the master's degree in IT management of the Universidad Nacional Abierta y a Distancia UNAD. The project includes the problem approach which expresses the need to apply data analytics techniques to the information that is stored as a product of academic processes. In the academic processes of the UNAD, a large amount of data are produced in each academic period which are capable of analyzing, in order to generate a prediction model that will contribute to the mitigation of the problem of student dropouts in the institution, through the early prognosis of students at risk of dropping out. As part of this information, the UNAD has instruments such as the characterization survey that is applied to new students, which is a very valuable instrument that allows to know information about the students who begin their process in the UNAD. This study applies data mining techniques based on Machine Learning, through the use of supervised learning algorithms that allow to generate models of prediction of student dropout that determine early if a student is likely to drop out of their training process. During the development of this project, Free software tools such as WEKA were used to obtain some results from the application of machine learning algorithms. These results provide a support for decision-making, which allows the managers of the institutions to concentrate efforts or direct them to certain specific areas or areas, which greatly improves the effectiveness in the processes allowing them to approach knowledge more effectively and efficiently