Pronóstico de la deserción para un programa educativo de ingeniería industrial mediante el uso de MCO, en un campus universitario del centro del país
DOI:
https://doi.org/10.29057/estr.v6i12.4236Palabras clave:
Deserción estudiantil, Ingeniero industrial, Mínimos cuadrados ordinariosResumen
El método de mínimos cuadrados ordinarios (MCO), es una herramienta estadística relativamente sencilla y útil, que posibilita a los tomadores de decisiones, efectuar pronósticos más allá de la frontera de los datos, a través de un ajuste lineal. Dicho método, puede ser aplicado en diversos contextos y organizaciones. Tal es el caso de las instituciones de educación superior, que buscan asegurar la calidad educativa, por medio de diferentes estrategias y herramientas. En el presente documento, se plantea la contextualización estadística de la variable “deserción” y se realiza el pronóstico para el periodo consecuente a los datos tratados, con el objetivo de generar un referente para la toma de decisiones.
Descargas
Citas
Alban, M., & Mauricio, D. (2019). Predicting University Dropout through Data Mining: A Systematic Literature. Indian Journal of Science and Technology, 12, 4, consultado de: [https://www.researchgate.net/profile/Mayra_Taipe3/publication/330981790_Predicting_University_Dropout_through_Data_Mining_A_Systematic_Literature/links/5c5e54a9a6fdccb608b287cb/Predicting-University-Dropout-through-Data-Mining-A-Systematic-Literature.pdf].
Albarrán-Peña, J. M. (2019). La deserción estudiantil en la Universidad de Los Andes (Venezuela). Educación y Humanismo, 21(36), 69-100, consultado de: [http://revistas.unisimon.edu.co/index.php/educacion/article/download/2806/4023].
Carballo-Aguilar, O.A., Ramírez-León, R.H. & Álvarez-Cisneros, W. (2019). Tipo de baja y motivo con mayor frecuencia en la deserción de la licenciatura en estadística y sistemas de información/Type of withdrawal and reason most frequently in the desertion of the degree in statistics and information systems. Revista Iberoamericana de Producción Académica y Gestión Educativa, 6(11), consultado de: [https://www.pag.org.mx/index.php/PAG/article/download/790/1143].
Flores-Ferro, E., Bahamondes-Acevedo, V.V., Maureira-Cid, F. & González-Flores, P. (2019). Motivos de deserción universitaria de estudiantes de educación física de chile. EmásF: revista digital de educación física, (57), 14-23, consultado de: [https://dialnet.unirioja.es/descarga/articulo/6860150.pdf].
Pal, S. (2012). Mining educational data to reduce dropout rates of engineering students. International Journal of Information Engineering and Electronic Business, 4(2), 1, consultado de: [http://www.mecs-press.org/ijieeb/ijieeb-v4-n2/IJIEEB-V4-N2-1.pdf].
Romero-Fernández, A., Robayo-Andrade, E., Padilla-Buñay, A., Álvarez-Cortés, L. & PailiachoYucta., H.R. (2019). Análisis de la deserción estudiantil en carreras de ciencias técnicas de la Universidad Regional Autónoma de los Andes (UNIANDES), Revista Dilemas Contemporáneos: Educación, Política y Valores, VI(2), consultado de: [https://dilemascontemporaneoseducacionpoliticayvalores.com/_files/200004231-b38aeb48e3/19.01.17%20An%C3%A1lisis%20de%20la%20deserci%C3%B3n%20estudiantil%20en%20carreras%20de%20ciencias.....pdf].
Serratosa, F., & Sanfeliu, A. (2006). Signatures versus histograms: Definitions, distances and algorithms. Pattern recognition, 39(5), 921-934, consultado de: [https://www.sciencedirect.com/science/article/pii/S0031320305004619].
Strauss, O. (2009). Quasi-continuous histograms. Fuzzy Sets and Systems, 160(17), 2442-2465, consultado de: [http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.154.698&rep=rep1&type=pdf].
UAEH (2019). Escuela Superior Tepeji, Concentrado de la Eficiencia Terminal, Información para el estudio de Trayectorias Escolares, Dirección General de Planeación, Universidad Autónoma del Estado de Hidalgo, consultado de: [http://intranet.uaeh.edu.mx/DGP/trayectorias.htm].