Acceso usuarios
Perú
La deserción universitaria es una problemática relevante en el Perú, influenciada en gran medida por una elección vocacional inadecuada en la etapa preuniversitaria. Este trabajo propone un modelo de recomendación de carreras basado en aprendizaje automático para brindar orientación vocacional personalizada a estudiantes de secundaria y contribuir a prevenir el abandono universitario. Se desarrolló un sistema con Random Forest que integra variables sociodemográficas, académicas y vocacionales obtenidas mediante encuestas aplicadas a más de 600 estudiantes de universidades de Lima Metropolitana. El modelo alcanzó métricas superiores al 78% en precisión, recall y F1-score, demostrando buena capacidad predictiva. Asimismo, se emplearon técnicas psicométricas, como el alfa de Cronbach (α=0.710), para garantizar la calidad de los datos. La propuesta ofrece recomendaciones contextualizadas y personalizadas, aportando una solución concreta a la orientación vocacional como estrategia para reducir la deserción en la educación superior.
University dropout is a significant issue in Peru, largely influenced by inadequate vocational choice during the pre-university stage. This work proposes a career recommendation model based on machine learning to provide personalized vocational guidance to high school students and help prevent university attrition.
A system was developed using Random Forest, integrating sociodemographic, academic, and vocational variables collected through surveys applied to more than 600 students from universities in Metropolitan Lima. The model achieved metrics above 78% in precision, recall, and F1-score, demonstrating strong predictive performance. Psychometric techniques, such as Cronbach’s alpha (α=0.710), were also applied to ensure data quality. The proposal offers contextualized and personalized career recommendations, providing a concrete solution for vocational guidance as a key strategy to reduce dropout rates in higher education.
