Modelo predictivo de gestión administrativa y deserción estudiantil en programa pre grado adulto trabajador de universidad privada de Lima Metropolitana, año 2017

Abstract

RESUMEN La presente investigación tuvo como objetivo central determinar la relación entre el modelo predictivo de gestión administrativa y la deserción estudiantil en el programa de pre grado adulto trabajador de una Universidad privada de Lima Metropolitana en el 2017. La investigación siguió un diseño no experimental de nivel correlacional con un enfoque cuantitativo. Se utilizó la técnica de minería de datos para obtener información sobre el modelo predictivo a partir de la recopilación de diversos registros documentarios de la institución involucrada; así también se aplicó una encuesta sobre las causas de la deserción estudiantil a una muestra conformada por 344 estudiantes. Se estableció luego la relación de ambas variables de estudio y la hipótesis general se comprobó en forma parcial, ya que hay evidencia significativa a nivel del factor de riesgo promedio de notas menores acumuladas, pero ligadas a muchos estudiantes matriculados en los cursos con alto nivel de desaprobación dentro de la facultad de Ingeniería. Los resultados de los indicadores cuantitativos del factor de riesgo de la data académica y de la deserción estudiantil, evidencian que el número de créditos aprobados acumulados (r= -0.140; p= 0.010<0.05) tiene relación significativa con la deserción de los estudiantes del programa pre grado adulto trabajador y, dado que el coeficiente es negativo, la relación es inversa, es decir, a menor número de créditos aprobados acumulados, mayor es la probabilidad de deserción. Por otro lado, se encontró que el riesgo medio de deserción en la facultad de Ingeniería es el más alto alcanzando el 73.9%, siendo Derecho la facultad con menor deserción con 50%. Se puede establecer que el modelo predictivo analizado muestra en forma inicial los problemas de deserción y que se necesitan implementar estrategias enfocadas en atender los factores de riesgo ligados a la orientación vocacional como es la elección inadecuada de la carrera y la distribución del tiempo personal para los estudios debido a las múltiples responsabilidades del estudiante adulto, el cual en muchos casos no tiene un balance entre el tiempo que dispone para estudiar y la cantidad de cursos en los que se matricula en un ciclo, lo cual deviene en notas muy bajas o desaprobatorias. PALABRAS CLAVES: Modelo predictivo, deserción estudiantil, minería de datos, estudio correlacional.

ABSTRACT The main objective of this research was to determine the relationship between the predictive model of administrative management and student desertion in the pregraduate adult worker program at a private university of metropolitan Lima in 2017. The research followed a non-experimental design of the correlation level with a quantitative approach. The data mining technique was used to obtain information about the predictive model from the collection of various documentary records of the institution involved; a survey on the causes of student desertion was also applied to a sample made up of 344 students. The relationship of both study variables was then established and the general hypothesis was partially verified, since there is significant evidence at the level of the average risk factor of accumulated lower grades, but linked to a high number of students enrolled in engineering courses with a high failing level. The results of the quantitative indicators of the risk factor of academic data and of student desertion, evidence that the number of approved credits accumulated (r = -0.140; p = 0.010 <0.05) has a significant relationship with the dropout of students from pre-program adult worker and, since the coefficient is negative, the relationship is inverse, that is, the lower the number of approved credits accumulated, the greater the probability of dropping out. On the other hand, it was found that the average risk of dropping out in the faculty of engineering career, is the highest reaching 73.9%, while law has the lowest desertion at 50%. It can be established that the predictive model analyzed initially shows the problems of desertion and that it needs to implement strategies to address the risk factors linked to career guidance such as the inappropriate choice of career, the distribution of personal time for studies. In many cases, the working student does not have an optimum time management for studying and other responsibilities; that is, they might enroll in to many courses in a given semester getting low grades or even failing. KEYWORDS: predictive model, student desertion, data mining, correlational study.