Toward Educational Sustainability: An AI System for Identifying and Preventing Student Dropout

Vista sencilla de ítem
dc.contributor.affiliationBrand C, E.J., Servicio Nacional de Aprendizaje (SENA), Bogotá, Colombia
dc.contributor.affiliationRamirez, G.M., Facultad de Ingenierías, Universidad de Medellín, Medellín, Colombia
dc.contributor.affiliationDiaz, J., Departamento de Ciencias de Computación e Informatíca, Universidad de la Frontera, Temuco, Chile
dc.contributor.affiliationMoreira, F., REMIT, IJP, Universidade Portucalense, Porto &#x0026
dc.contributor.affiliationIEETA, Universidade de Aveiro, Aveiro, Portugal
dc.contributor.authorBrand C E.J
dc.contributor.authorRamirez G.M
dc.contributor.authorDiaz J
dc.contributor.authorMoreira F.
dc.date.accessioned2024-12-27T20:52:00Z
dc.date.available2024-12-27T20:52:00Z
dc.date.issued2024
dc.descriptionThe design and development of a web application to identify a high or low probability of student dropout at the National Learning Service (SENA) in Colombia, aiming to streamline the process of identifying and supporting potential candidates for assistance provided by the institution through the student welfare department. Throughout the development, socioeconomic variables with the highest impact on characterized academic dropout processes to create a dataset. This dataset was then utilized with various artificial intelligence techniques explored in Machine Learning (Decision Trees, K-means, and Regression), ultimately determining the most effective algorithm for integration into the Software. The decision tree classification technique emerged as the most effective, achieving an impressive accuracy of 91% and a minimal error rate of 9%, substantiating its state-of-the-art standing. As a result, this Software has optimized processes within the Student Welfare Department at SENA and is adaptable for use in any higher education institution. IEEE
dc.identifier.doi10.1109/RITA.2024.3381850
dc.identifier.instnameinstname:Universidad de Medellínspa
dc.identifier.issn19328540
dc.identifier.reponamereponame:Repositorio Institucional Universidad de Medellínspa
dc.identifier.repourlrepourl:https://repository.udem.edu.co/
dc.identifier.urihttp://hdl.handle.net/11407/8694
dc.language.isoeng
dc.publisherEducation Society of IEEE (Spanish Chapter)spa
dc.publisher.facultyFacultad de Ingenieríasspa
dc.publisher.programIngeniería de Sistemasspa
dc.relation.citationendpage110
dc.relation.citationstartpage100
dc.relation.citationvolume19
dc.relation.isversionofhttps://www.scopus.com/inward/record.uri?eid=2-s2.0-85189184531&doi=10.1109%2fRITA.2024.3381850&partnerID=40&md5=ebff4160ec30ef0f214c3cbbcb87eb69
dc.relation.referencesC. Vasco, C. Cardona, D. Caro, M. F. Molano, M. Pinzón and S. Gómez, "Estrategias para la permanencia en educación superior: Experiencias significativas", 2015.
dc.relation.referencesC. M. Lopera, "Acuerdo por lo superior 2034: Propuesta de política pública para la excelencia de la educación superior en Colombia en el escenario de la paz", 2020.
dc.relation.referencesSPADIES—Sistemas Información, Sep. 2021, [online] Available: https://www.mineducacion.gov.co/sistemasinfo/spadies/.
dc.relation.referencesG. J. Paramo and C. A. C. Maya, "Deserción estudiantil universitaria. Conceptualización", Revista Universidad EAFIT, vol. 35, no. 114, pp. 65-78, 2012.
dc.relation.referencesE. Himmel, "Modelo de análisis de la deserción estudiantil en la educación superior", Calidad En La Educación, vol. 17, pp. 91-108, 2002.
dc.relation.referencesD. M. Moreno and A. M. González, "Deserción escolar", Revista Internacional de Psicología, vol. 6, no. 1, pp. 1-3, 2005.
dc.relation.referencesJ. R. Lagunas and M. A. L. Piña, "La deserción escolar universitaria. La experiencia de la UAM. Entre el déficit de la oferta educativa superior y las dificultades de la retención escolar", El Cotidiano, vol. 22, no. 142, pp. 98, 2007.
dc.relation.referencesD. M. D. M. Ruiz, J. F. Gallego, E. C. Vélez. S. G. Gómez and K. G. Portilla, "Deserción estudiantil en la educación superior Colombiana: Metodología de seguimiento diagnóstico y elementos para su prevención", 2009.
dc.relation.referencesS. Christenson, A. L. Reschly and C. Wylie, Handbook of Research on Student Engagement, New York, NY, USA:Springer, vol. 840, 2012.
dc.relation.referencesG. Fonseca and F. García, "Permanencia y abandono de estudios en estudiantes universitarios: Un análisis desde la teoría organizacional", Revista de la Educación Superio, vol. 45, no. 179, pp. 25-39, 2016.
dc.relation.referencesM. R. Urrego, "La investigación sobre deserción universitaria en Colombia 2006–2016. Tendencias y resultados", Pedagogía y Saberes, vol. 51, pp. 49-66, 2006.
dc.relation.referencesR. Timaran, J. Jiménez, R. T. Pereira and J. J. Toledo, Detección de patrones de deserción estudiantil en programas de pregrado de instituciones de educación superior con CRISP-DM, pp. 1-9, 2014.
dc.relation.referencesA. A. O. Bowen, Análisis de la Deserción y Permanencia Académica En La Educación Superior Aplicando Minería De Datos, Feb. 2016, [online] Available: https://repositorio.unal.edu.co/bitstream/handle/unal/57387/alvaroagustino%C5%84atebowen.2016.pdf?sequence=1.
dc.relation.referencesB. Cuji, W. Gavilanes and R. Sanchez, "Modelo predictivo de deserción estudiantil basado en arboles de decisión", Espacios, vol. 38, no. 55, pp. 17, 2017.
dc.relation.referencesG. G. Díaz, "Metodología para el diseño generativo de un sólido de revolución", 2020.
dc.relation.referencesP. E. Ramírez and E. E. Grandón, "Predicción de la deserción académica en una Universidad Pública Chilena a través de la clasificación basada en árboles de decisión con parámetros optimizados", Formación Universitaria, vol. 11, no. 3, pp. 3-10, 2018.
dc.relation.referencesV. X. Guerrero, "Aplicación de la técnica de minería de datos para la predicción de la deserción estudiantil universitaria” (Bachelor's thesis Universidad Técnica de Ambato “Aplicación de la técnica de minería de datos para la predicción de la deserción estudiantil universitaria", 2020.
dc.relation.referencesE. R. Sánchez and M. H. Pedreño, "Análisis de las causas endógenas y exógenas del abandono escolar temprano: Una investigación cualitativa", Educación XX1 Revista de la Facultad de Educación, vol. 22, no. 1, pp. 263-269, 2019.
dc.relation.referencesL. Breiman, "Statistical modeling: The two cultures", Stat. Sci., vol. 16, no. 3, pp. 199-231, 2001.
dc.relation.referencesP. Elger and E. Shanaghy, AI as a Service. Serverless Machine Learning With AWS, Jan. 2022, [online] Available: https://www.manning.com.
dc.relation.referencesM. E. Fenner, Machine Learning With Python for Everyone, Boston, MA, USA:Addison-Wesley, 2020.
dc.relation.referencesR. Hernández, C. Fernández and M. Baptista, Metodología de la Investigación, Mexico:McGraw-Hill, pp. 1-736, 2014.
dc.relation.referencesV. G. Cortina, "Aplicación de la metodología CRISP-DM a un proyecto de minería de datos en el entorno universitario", Oct. 2015, [online] Available: http://e-archivo.uc3m.es/bitstream/handle/10016/22198/PFC_Victor_Galan_Cortina.pdf?sequence=1.
dc.relation.referencesConceptos Básicos de Ayuda de CRISP-DM, Jan. 2021, [online] Available: https://www.ibm.com/docs/es/spss-modeler/SaaS?topic=dm-crisp-help-overview.
dc.relation.referencesN. L. J. Benavides and G. E. O. Sabogal, "Factores que inciden en la deserción de los aprendices del CGTS", SENA Regional Valle, vol. 4, no. 3, pp. 1-21, 2019.
dc.relation.referencesNational Higher Educations Information System, 2021, [online] Available: https://snies.mineducacion.gov.co/portal/.
dc.relation.referencesA. Meneses, Factores Asociados a la Deserción de Estudiantes Que Ingresaron por Condición de Excepción Indígena a la Universidad, Oct. 2021, [online] Available: http://www.scielo.org.co/pdf/soec/n20/n20a03.pdf.
dc.relation.referencesFeature Selection Using SelectKBest, Feb. 2022, [online] Available: https://www.kaggle.com/jepsds/feature-selection-using-selectkbest.
dc.relation.referencesScikit-Learn, Oct. 2021, [online] Available: https://scikit-learn.org/stable/modules/tree.html.
dc.relation.referencesScikit-Learn: Machine Learning in Python. Scikit-Learn 1.0.2 Documentation, Oct. 2021, [online] Available: https://scikit-learn.org/stable/.
dc.rights.accessrightsinfo:eu-repo/semantics/restrictedAccess
dc.sourceRevista Iberoamericana de Tecnologias del Aprendizaje
dc.sourceRev. Iberoam. Technol. Aprendizaje
dc.sourceScopus
dc.subjectArtificial Intelligenceeng
dc.subjectBiological system modelingeng
dc.subjectClassification algorithmseng
dc.subjectColombiaeng
dc.subjectData miningeng
dc.subjectDecision treeseng
dc.subjectEducationeng
dc.subjectHigher Educationeng
dc.subjectMachine Learning School Dropouteng
dc.subjectPrediction algorithmseng
dc.subjectTrainingeng
dc.subjectBioinformaticseng
dc.subjectDecision treeseng
dc.subjectK-means clusteringeng
dc.subjectLearning algorithmseng
dc.subjectLearning systemseng
dc.subjectMachine learningeng
dc.subjectStudentseng
dc.subjectAI systemseng
dc.subjectBiological system modelingeng
dc.subjectClassification algorithmeng
dc.subjectColombiaeng
dc.subjectDesign and Developmenteng
dc.subjectHigh educationseng
dc.subjectMachine learning school dropouteng
dc.subjectMachine-learningeng
dc.subjectPrediction algorithmseng
dc.subjectWEB applicationeng
dc.subjectData miningeng
dc.titleToward Educational Sustainability: An AI System for Identifying and Preventing Student Dropouteng
dc.typeArticle
dc.type.localArtículo de revistaspa
dc.type.versioninfo:eu-repo/semantics/publishedVersion

Archivos

Colecciones

Indexados Scopus