Metodología para predecir la Deserción Estudiantil en el Ciclo Básico de Programas de Pregrado en la Universidad del Valle (Cali, Colombia)

Resumen

Este trabajo desarrolla modelos de machine learning para identificar y focalizar poblaciones de estudiantes con riesgo a desertar y establecer estrategias de prevención en la Universidad del Valle (Cali, Colombia). Utilizando datos históricos de ingreso y los tres primeros semestres, se construyeron cuatro modelos de predicción. El modelo inicial alcanzó una exactitud del 64% y una sensibilidad del 62%, mejorando significativamente en los modelos de seguimiento: 74% de exactitud y 70% de sensibilidad después del primer semestre, 79% y 75% después del segundo, y 81% y 78% después del tercero. Los resultados se actualizan periódicamente en un dashboard accesible para la comunidad universitaria disponible con datos desde el 2020 hasta el 2023. Basándose en estas predicciones, se implementó el piloto de “Consejería Estudiantil” dirigido a estudiantes identificados como posibles desertores para brindar un acompañamiento integral. Este enfoque permitió una intervención focalizada y temprana, que aunque enfrenta desafíos como las necesidades tanto de mantener la precisión y actualización constante de los datos, así como promover la corresponsabilidad de los estudiantes ante el acompañamiento permite establecer acciones de forma preventiva. Estas estrategias han demostrado aportar al proceso de formación, destacando la importancia de acompañar a los estudiantes con mayor riesgo de deserción