Acceso usuarios
Resumen Se analizaron los resultados cuantitativos del programa Beca de Nivelación Académica, año 2016, para una muestra de 250 estudiantes beneficiarios de ingreso a primer año en una universidad pública en Chile. Se revisaron los datos estadísticos, utilizando las técnicas de clustering y árbol de decisiones, en búsqueda de información en las bases de datos institucionales que resultara relevante para la generación de un sistema de alerta temprana, que permitiera seleccionar a los estudiantes que presentaran un mayor riesgo de deserción inicial para un acompañamiento focalizado oportuno. Se concluyó que existe al menos una variable de caracterización al ingreso a primer año que permite discriminar el riesgo de deserción dentro de la muestra seleccionada correspondiente al puntaje obtenido en la prueba específica de matemáticas en la prueba de selección universitaria. Esta investigación tiene relevancia pues aporta evidencia predictiva que permite orientar los esfuerzos que hoy las diferentes universidades desarrollan para mejorar sus índices de permanencia, especialmente en relación con la reciente diversificación de la población que ingresa a la educación superior, a propósito de las políticas de acceso universal y gratuidad, y de equidad e inclusión.
Abstract The quantitative results of the program “Academic Leveling Scholarship” from year 2016 were analyzed, from a sample of 250 beneficiaries. Statistic datasets were checked using Decision Tree and Clustering techniques in the search of Information in institutional data bases that will be relevant to develop an Early Dropout Prediction Model. This model will allow for selecting students with a higher risk of dropping out to receive a timely focused accompaniment. It concluded that there exists, at least, one characterization variable upon the first-year students that allows for identifying the dropout risk in the selected sample regarding the score obtained in the specific math test of the university selection process. The relevance of this research is its contribution to predictive evidence to align efforts that different universities are making to improve their permanence indexes, especially regarding the recent diversification of the population that has been admitted to higher education due to universal access policy, free education, equity and inclusion.
