MODELOS DE APRENDIZAJE AUTOMÁTICO PARA PREDECIR LA DESERCIÓN ESTUDIANTIL EN INGENIERÍA INFORMÁTICA EN UNIVERSIDAD DE MATANZAS

Abstract

La deserción estudiantil en la carrera de Ingeniería Informática de la Universidad de Matanzas supera el 50%, afectando la formación de profesionales y la inversión estatal. Este estudio propone modelos predictivos basados en aprendizaje automático para identificar estudiantes en riesgo mediante datos académicos del primer año. Siguiendo la metodología CRISP-DM y utilizando WEKA, se analizaron datos históricos de 89 estudiantes (2018-2024). Se desarrollaron algoritmos como J48, RandomForest, Naive-Bayes y métodos de ensamble (AdaBoost, Bagging). Los modelos AdaBoost RandomForest (Dataset 1: primer semestre) y AdaBoost J48 (Dataset 2: primer y segundo semestre) alcanzaron precisiones del 77.78% y 86.90%, respectivamente, superando el objetivo del 70%. Las variables clave incluyeron notas en asignaturas críticas (Programación, Matemática 1 y 2) y cantidad de intentos para aprobar. Los resultados permiten intervenciones tempranas, mejorando la retención estudiantil y aportando herramientas para decisiones académicas informadas.