Acceso usuarios
Brenda Díaz, William Marín, Flor Lioo, Luis Baldeos, Dalila Villanueva, Jose Ausejo
The objective of the research was to predict the behavior of student desertion using the technique of data mining with decision trees, through the J48 algorithm developed in the free software WEKA (Waikato Environment for Knowledge Analysis) solution that was applied to the master’s degree programs in education of the Graduate School at the Universidad Nacional José Faustino Sánchez Carrión, Peru; it was possible to identify associated characteristics that influence the main factors such as socioeconomic and academic factors. The research was technological, applied, of temporal scope; a 20-item questionnaire was applied to 237 enrolled students for data collection. The result obtained was the prediction of student desertion using the J48 WEKA supervised automatic learning algorithm by means of decision trees, thus identifying the main factors that influenced desertion, with the J48 algorithm an accuracy of 87. 76% and 66.63% of moderate concordance through Cohen’s Kappa index, concluding that from the results obtained, the managers identify the students with possible risk of dropping out of their studies and thus take corrective measures and apply strategies to help reduce the student dropout rate.
La investigación tuvo como objetivo predecir el comportamiento de la deserción estudiantil utilizando la técnica de minería de datos con árboles de decisión, a través del algoritmo J48 desarrollado en el software libre WEKA (Waikato Environment for Knowledge Analysis) solución que fue aplicada a los programas de maestría de educación de la Escuela de Posgrado en la Universidad Nacional José Faustino Sánchez Carrión, Perú; se lograron identificar características asociadas que influyen en factores principales como son las socioeconómicas y académicas. La investigación fue de tipo tecnológica, aplicada, de alcance temporal; la recolección de datos se aplicó un cuestionario de 20 ítems a 237 estudiantes matriculados. El resultado obtenido fue la predicción de la deserción estudiantil utilizando el algoritmo de aprendizaje automático supervisado J48 WEKA mediante árboles de decisión, logrando así identificar los principales factores que influyeron en la deserción, con el algoritmo J48 se obtuvo una precisión del 87.76% y el 66,63% de concordancia moderada a través del índice Kappa de Cohen, concluyendo que a partir de los resultados obtenidos los directivos identifiquen a los estudiantes con posible riesgo de abandonar sus estudios y así tomar los correctivos y aplicar estrategias que coadyuven a disminuir la tasa de deserción estudiantil.
