Diseño de un modelo predictivo de la deserción estudiantil de postgrado en una institución de educación superior

Jurado Mantilla, Maria Jose

DSpace Principal
→
Unidades Académicas
→
Facultad de Ciencias Naturales y Matemáticas
→
Tesis de Estadística
→
Ver ítem

dc.contributor	Plata Alarcón, Wendy, Director
dc.contributor.author	Jurado Mantilla, Maria Jose
dc.date	2019
dc.date.accessioned	2020-01-17T14:10:28Z
dc.date.available	2020-01-17T14:10:28Z
dc.date.created	Jurado Mantilla, Maria Jose
dc.date.issued	2019
dc.identifier.citation	Jurado Mantilla, M. J. (2019). Diseño de un modelo predictivo de la deserción estudiantil de postgrado en una institución de educación superior. Trabajo final para la obtención del título Ingeniera en Estadística Informática [Proyecto Integrador Escuela Superior Politécnica del Litoral]. Repositorio Institucional ESPOL. dspace.espol.edu.ec Cita de tesis según Normas APA 7ª
dc.identifier.uri	http://www.dspace.espol.edu.ec/xmlui/handle/123456789/48758
dc.description	La deserción estudiantil es un problema no menor para una unidad de postgrado objeto de estudio del presente proyecto, problema que afecta al área financiera, sus estándares de calidad y al ámbito académico. El objetivo principal de este proyecto es diseñar un modelo predictivo de la deserción estudiantil. Durante el desarrollo de este proyecto integrador se tomaron en cuenta cuatro modelos de clasificación que son: Potenciación del Gradiente Estocástico (GBM), Bosques Aleatorios (RF), Redes Neuronales (NNET) y Regresión Logística (GLM); además, se utilizó la metodología KDD (Descubrimiento de Conocimiento en Bases de Datos) cuyas etapas especificadas de forma clara permiten la implementación correcta de los modelos estadísticos en conjunto con técnicas computacionales con el fin de obtener el óptimo desempeño de los mismo. Para definir el mejor modelo se evaluó cuantitativamente cada uno de ellos por medio de la matriz de confusión, sus indicadores de desempeño, la curva ROC y el AUC
dc.language	spa
dc.language.iso	spa
dc.publisher	ESPOL.FCNM
dc.rights	openAccess
dc.subject	Estadistica Informatica
dc.subject	Deserción estudiantil Espol
dc.subject	Precision
dc.title	Diseño de un modelo predictivo de la deserción estudiantil de postgrado en una institución de educación superior
dc.type	Thesis proyecto integrador
dc.identifier.codigoespol	D-CD110079
dc.description.abstractenglish	The student dropout is a problem not less for a postgraduate unit under study of this project, a problem that affects the financial area, its quality standards and the academic field. The main objective of this project is to design a predictive model of student dropout. During the development of this project, four classification models were taken in consideration: Stochastic Gradient Boosting (GBM), Random Forests (RF), Neuronal Networks (NNET) and Logistic Regression (GLM); in addition, the KDD (Knowledge Discovery in Databases) methodology was used whose clearly specified stages allow the correct implementation of the statistical models together with computational techniques in order to obtain the optimum performance. To define the best model, each one was quantitatively evaluated through the confusion matrix, its performance indicators, the ROC curve and the AUC. The main results showed that the Random Forests and Neural Networks models were the most prominent, but the Random Forests model was chosen because of its ease of use. Keywords: statistics models, terminal efficiency, accuracy, sensitivity, specificity.