Pronóstico de la deserción para un programa educativo de ingeniería industrial mediante el uso de MCO, en un campus universitario del centro del país
Resumen
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.
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].
