Proposal of a time series-based model for the characterization and prediction of dropout rates at the National Open and Distance University

Chanchí G., Gabriel Elías; Monroy Gómez, Luis Fernando; Barrera Buitrago, Dayana Alejandra

doi:https://doi.org/10.22395/rium.v23n44a7

Propuesta de un modelo basado en series temporales para la caracterización y predicción de las tasas de deserción en la Universidad Nacional Abierta y a Distancia

dc.contributor.author	Chanchí G., Gabriel Elías
dc.contributor.author	Monroy Gómez, Luis Fernando
dc.contributor.author	Barrera Buitrago, Dayana Alejandra
dc.date.accessioned	2024-11-01T13:48:29Z
dc.date.available	2024-11-01T13:48:29Z
dc.date.created	2024-05-15
dc.identifier.issn	1692-3324
dc.identifier.uri	http://hdl.handle.net/11407/8635
dc.description	Dropout rates are a key indicator of educational quality, making it imperative for educational institutions to design strategies to reduce them, thereby contributing to improved student retention and the achievement of academic objectives. While dropout research has primarily focused on machine learning methods applied to in-person education datasets, this article introduces a novel approach based on time series models for dropout rates analysis at the National Open and Distance University (UNAD). Methodologically, an adaptation of the CRISP-DM methodology was undertaken in four phases, namely: F1. Business and data understanding, F2. Data preparation, F3. Model building and evaluation, and F4. Model deployment. In terms of results, an open dataset on UNAD dropout, obtained from the SPADIES system between 1999 and 2021, was employed. Using Python libraries statsmodels and pandas, an ARIMA model was implemented, displaying optimal error metrics. This ARIMA model was utilized to forecast future dropout rates at UNAD, projecting a future dropout rate fluctuating around 23%. In conclusion, the ARIMA model developed for UNAD stands as an innovative and essential tool in the educational realm, capable of accurately anticipating dropout rates for upcoming semesters. This provides UNAD with a unique advantage in strategic decision-making.	eng
dc.description	La tasa de deserción es un indicador clave de la calidad educativa, por lo que es imperativo que las instituciones educativas diseñen estrategias para reducirla y así aumentar la retención estudiantil y alcanzar los logros académicos. Mientras que la investigación sobre la deserción se ha concentrado principalmente en métodos de aprendizaje automático aplicados a conjuntos de datos sobre educación presencial, este artículo introduce un enfoque novedoso al utilizar modelos de series temporales para analizar la tasa de deserción de la Universidad Nacional Abierta y a Distancia (UNAD). En cuanto a la metodología, se adaptó el proceso CRISP-DM en cuatro fases, a saber: F1. Comprensión del negocio y de los datos, F2. Preparación de los datos. F3. Modelado y evaluación y F4. Despliegue del modelo. Respecto a los resultados, se empleó un conjunto de datos abiertos sobre la deserción en la UNAD que abarca desde 1999 hasta 2021, el cual se obtuvo del sistema SPADIES. Mediante el uso de las bibliotecas de Python statsmodels y pandas, se implementó un modelo ARIMA, el cual arrojó excelentes resultados en las medidas de error. Este modelo ARIMA se utilizó para predecir la tasa de deserción futura de la UNAD, la cual se proyecta que oscilará alrededor del 23 %. En conclusión, el modelo ARIMA desarrollado para la UNAD se destaca como una herramienta innovadora y fundamental en el ámbito educativo, capaz de predecir de forma precisa la tasa de deserción de semestres futuros, lo cual le otorga a la UNAD una ventaja única en la toma decisiones estratégicas.	spa
dc.format.extent	p. 1-17
dc.format.medium	Electrónico
dc.format.mimetype	PDF
dc.language.iso	eng
dc.publisher	Universidad de Medellín
dc.relation.ispartofseries	Revista Ingenierías Universidad de Medellín; Vol. 23 No. 44 (2024)
dc.relation.haspart	Revista Ingenierías Universidad de Medellín; Vol. 23 Núm. 44 enero-junio 2024
dc.relation.uri	https://revistas.udem.edu.co/index.php/ingenierias/article/view/4619
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0	*
dc.source	Revista Ingenierías Universidad de Medellín; Vol. 22 No. 42 (2023): (enero-junio); 1-17
dc.subject	ARIMA Model	eng
dc.subject	Dropout	eng
dc.subject	Predictive model	eng
dc.subject	Retention	eng
dc.subject	Time series	eng
dc.subject	Time series model	eng
dc.subject	Modelo ARIMA	spa
dc.subject	Deserción	spa
dc.subject	Modelo predictivo	spa
dc.subject	Retención	spa
dc.subject	Series temporales	spa
dc.subject	Modelo de series temporales	spa
dc.title	Proposal of a time series-based model for the characterization and prediction of dropout rates at the National Open and Distance University	eng
dc.title	Propuesta de un modelo basado en series temporales para la caracterización y predicción de las tasas de deserción en la Universidad Nacional Abierta y a Distancia	spa
dc.type	article
dc.identifier.doi	https://doi.org/10.22395/rium.v23n44a7
dc.relation.citationvolume	23
dc.relation.citationissue	44
dc.relation.citationstartpage	1
dc.relation.citationendpage	17
dc.audience	Comunidad Universidad de Medellín
dc.publisher.faculty	Facultad de Ingenierías
dc.coverage	Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degreesLong: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees
dc.publisher.place	Medellín
dc.relation.references	Ministerio de Educación Nacional, Deserción estudiantil en la educación superior Colombiana. Ministerio de Educación Nacional, 2009. [Online]. Available: https://www.mineducacion.gov.co/sistemasdeinformacion/1735/articles-254702_libro_desercion.pdf
dc.relation.references	K. Y. Romero-Contreras, D. Castillo-Gil, D. J. Higuera-Hurtado, and C. E. Villalba-Gómez, 'Factores influyentes de la deserción estudiantil en la Universidad de La Salle (2018-2020),' Virtu@lmente, vol. 9, no. 2, Apr. 2022, doi: 10.21158/2357514x.v9.n2.2021.3196.
dc.relation.references	MEN (Ministerio de Educación Nacional), 'Educación Superior.'
dc.relation.references	R. Vega-García, M. Vázquez-Alamilla, R. Flores-Jiménez, I. Flores-Jiménez, and R. Rodríguez-Moreno, 'Propuesta para analizar la calidad educativa y deserción escolar a nivel superior en el estado de Hidalgo. Caso de un Instituto Tecnológico Superior en el occidente del estado de Hidalgo,' Boletín Científico la Esc. Super. Tlahuelilpan, vol. 2, no. 3, 2014, [Online]. Available: https://www.uaeh.edu.mx/scige/boletin/tlahuelilpan/n3/e6.html
dc.relation.references	D. Velez, A.; López, 'Estrategias para vencer la deserción universitaria,' Educ. y Educ., vol. 7, 2004.
dc.relation.references	F. Sáez, Y. López, R. Cobo, and J. Mella, 'Revisión sistemática sobre intención de abandono en educacion superior,' IX Conf. Latinoam. sobre el Abandon. en la Educ. Super., vol. 500, pp. 91-100, 2020.
dc.relation.references	Ó. Espinoza, L. E. González Fiegehen, and J. Loyola Campos, 'Factores determinantes de la deserción escolar y expectativas de estudiantes que asisten a escuelas alternativas,' Educ. y Educ., vol. 24, no. 1, pp. 113-134, May 2021, doi: 10.5294/educ.2021.24.1.6.
dc.relation.references	M. Aldeman and M. Szekely, 'An Overview of School Dropout in Central America: Unresolved Issues and New Challenges for Education Progress,' Eur. J. Educ. Res., vol. 6, no. 3, pp. 235-259, Jul. 2017, doi: 10.12973/eu-jer.6.3.235.
dc.relation.references	A. L. Noltemeyer, R. M. Ward, and C. Mcloughlin, 'Relationship between school suspension and student outcomes: A meta-analysis,' School Psych. Rev., vol. 44, no. 2, pp. 224-240, 2015.
dc.relation.references	M. Alban and D. Mauricio, 'Neural networks to predict dropout at the universities,' Int. J. Mach. Learn. Comput., vol. 9, no. 2, pp. 149-153, 2019.
dc.relation.references	E. Cruz, M. González, and J. C. Rangel, 'Técnicas de machine learning aplicadas a la evaluación del rendimiento y a la predicción de la deserción de estudiantes universitarios, una revisión.,' Prism. Tecnológico, vol. 13, no. 1, pp. 77-87, Feb. 2022, doi: 10.33412/pri.v13.1.3039.
dc.relation.references	J. E. Valero Cajahuanca, Á. F. Navarro Raymundo, A. C. Larios Franco, and J. D. Julca Flores, 'Deserción universitaria: evaluación de diferentes algoritmos de Machine Learning para su predicción,' Rev. ciencias Soc. ISSN-e 1315-9518, Vol. 28, No. 3, 2022, págs. 362-375, vol. 28, no. 3, pp. 362-375, 2022, Accessed: Sep. 11, 2023. [Online]. Available: https://dialnet.unirioja.es/servlet/articulo?codigo=8526463&info=resumen&idioma=ENG
dc.relation.references	J. O. Gutierrez-Villareal, L. R. Fonseca-Gómez, and W. Pineda-Ríos, 'Estimación de las principales causas de la deserción universitaria mediante el uso de técnicas de machine learning,' Aglala, vol. 12, no. 2, pp. 293-311, 2021, [Online]. Available: https://revistas.curn.edu.co/index.php/aglala/article/view/2105
dc.relation.references	E. Chinkes, 'Pronósticos y data mining para la toma de decisiones. Pronóstico sobre la deserción de alumnos de una Facultad,' Cuad. del Cimbage, vol. 1, no. 20, pp. 107-132, 2018, [Online]. Available: https://ojs.econ.uba.ar/index.php/CIMBAGE/article/view/1184/1793
dc.relation.references	K. Rivera Vergaray, 'Modelo predictivo para la detección temprana de estudiantes con alto riesgo de deserción académica,' Innovación y Softw., vol. 2, no. 2, pp. 6-13, Sep. 2021, doi: 10.48168/innosoft.s6.a40.
dc.relation.references	H. Y. Ayala-Yaguara, G. M. Valenzuela-Sabogal, and A. Espinosa-García, 'Obtención de un modelo de minería de datos aplicado a la deserción universitaria del programa de Ingeniería de Sistemas de la Universidad de Cundinamarca,' Rev. ONTARE, no. 7, pp. 134-150, 2019, [Online]. Available: https://dialnet.unirioja.es/servlet/articulo?codigo=8705565
dc.relation.references	A. Kuz and R. Morales, 'Ciencia de Datos Educativos y aprendizaje automático: un caso de estudio sobre la deserción estudiantil universitaria en México,' Educ. Knowl. Soc., vol. 24, p. e30080, Jun. 2023, doi: 10.14201/eks.30080.
dc.relation.references	J. Smith Uldall and C. Gutiérrez Rojas, 'An Application of Machine Learning in Public Policy: Early Warning Prediction of School Dropout in the Chilean Public Education System,' Multidiscip. Bus. Rev., vol. 15, no. 1, pp. 20-35, Jun. 2022, doi: 10.35692/07183992.15.1.4.
dc.relation.references	I. Urteaga, L. Siri, and G. Garófalo, 'Predicción temprana de deserción mediante aprendizaje automático en cursos profesionales en línea,' Rev. Iberoam. Educ. a distancia, vol. 23, no. 2, pp. 169-182, 2020, [Online]. Available: https://redined.educacion.gob.es/xmlui/handle/11162/201572
dc.relation.references	H. E. Caselli Gismondi and L. V. Urrelo Huiman, 'Características para un modelo de predicción de la deserción académica universitaria. Caso Universidad Nacional de Santa,' LLamkasun Rev. Investig. Científica y Tecnológica, vol. 2, no. 4, pp. 2-22, 2021, [Online]. Available: https://dialnet.unirioja.es/servlet/articulo?codigo=8152475
dc.relation.references	J. J. Espinosa Zúñiga, 'Aplicación de metodología CRISP-DM para segmentación geográfica de una base de datos pública,' Ing. Investig. y Tecnol., vol. 21, no. 1, pp. 1-13, Jan. 2020, doi: 10.22201/fi.25940732e.2020.21n1.008.
dc.relation.references	C. A. Dorado Bastidas, E. Y. Córdoba Campos, and G. E. Chanchí Golondrino, 'Dashboard apoyado en inteligencia de negocios para toma de decisiones en el sector salud,' Rev. Gestión y Desarro. Libr., vol. 8, no. 16, pp. 1-13, 2023, doi: https://doi.org/10.18041/2539-3669/gestionlibre.16.2023.10226.
dc.relation.references	U. Shafique and H. Qaiser, 'A comparative study of data mining process models (KDD, CRISP-DM and SEMMA),' Int. J. Innov. Sci. Res., vol. 12, no. 1, pp. 217-222, 2014.
dc.relation.references	R. F. Ayala Castrejon and C. Bucio Pacheco, 'Modelo ARIMA aplicado al tipo de cambio peso-dólar en el periodo 2016-2017 mediante ventanas temporales deslizantes,' Rev. Mex. Econ. y Finanz., vol. 15, no. 3, pp. 331-354, Jul. 2020, doi: 10.21919/remef.v15i3.466.
dc.rights.creativecommons	Attribution-NonCommercial-NoDerivatives 4.0 International	*
dc.identifier.eissn	2248-4094
dc.type.coar	http://purl.org/coar/resource_type/c_6501
dc.type.version	info:eu-repo/semantics/publishedVersion
dc.type.local	Artículo científico
dc.type.driver	info:eu-repo/semantics/article
dc.identifier.reponame	reponame:Repositorio Institucional Universidad de Medellín
dc.identifier.repourl	repourl:https://repository.udem.edu.co/
dc.identifier.instname	instname:Universidad de Medellín

Files in this item

Name:: Revista_Ingenierias_UdeM_451.pdf
Size:: 676.4Kb
Format:: PDF

View/Open

This item appears in the following Collection(s)

Revista Ingenierías Universidad de Medellín Vol. 23, núm. 44 (2024) [7]

Show simple item record

Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 International