Identificación de causales de abandono de estudios universitarios. Uso de Procesos de Explotación de Información

  • Ramón García Martínez Departamento Desarrollo Productivo y Tecnológico. Universidad Nacional de Lanús, Argentina
  • Horacio Daniel Kuna Departamento de Informática, Facultad de Ciencias Exactas Químicas y Naturales, Universidad Nacional de Misiones, Argentina
  • Francisco Villatoro Departamento de Lenguajes y Ciencias de la Computación, Universidad de Málaga, España
Palabras clave: Deserción, identificación de Causas de Deserción, Algoritmos TDIDT

Resumen

El abandono de los estudios universitarios en el nivel de pregrado, es un fenómeno global en el Sistema Universitario Argentino, que conlleva la necesidad de desarrollar políticas de retención de estudiantes. Estas políticas requieren la identificación de las posibles causas de deserción. En este articulo se presenta el uso de algoritmos TDIDT para descubrir reglas que caractericen el abandono a partir de la información disponible en el Sistema SIU-Guarani. El abordaje empleado ha permitido identificar las variables con mayor incidencia en la deserción.

Citas

[1] SPU (2009). Secretaria de Políticas Universitarias. Ministerio de Educación. Argentina. http://www.me.gov.ar/spu/. Pagina vigente al 4/05/09. [2] FIRA Sitio oficial. http://www.fira.net, 2008.
[2] Parrino, M. (2004): De la Reflexión a la Acción Política para Disminuir los Procesos de Deserción Universitaria. IV Coloquio Internacional sobre Gestión Universitaria en America Del Sud. Floreanopolis.
[3] Mansky, C. (1989): Anatomy of The Selection Problem. Journal of Human Resources 24, 343-360.
[4] IESALC-UNESCO (2005). Datos para Colombia. SNIES, Ministerio de Educación Nacional. Colombia.
[5] Spady, W. (1970): Dropouts From Higher Education: An Interdisciplinary Review And Synthesis. Intechange 1. Pp.64-85.
[6] Tinto (1975). Dropout From Higher Education: A Theoretical Synthesis ff Recent Research. Review of Educational Research 45. Pp. 89-125.
[7] Bean, J. P. (1980): Student Attrition, Intensions and Confidence. In: Research in Higher Education 17. Pp 291-320.
[8] Hackman, J. y Dysinger, W. S. (1970): Commitment To College as a Factor in Student Attrition. Sociology of Education, 1970, 43 (3), 311-324.
[9] Braxton, R. 2000. Reworking the student departure puzzle. Vanderbilt University Press.
[10] Aparicio, M. Garzuzi, V (2006): Dinámicas Identitarias, Procesos Vocacionales y su Relación con el Abandono de los Estudios. Un Análisis en
Alumnos Ingresantes a la Universidad. Revista De Orientación Educacional V20. Pp 15-36
[11] SIU (2009). Sistema Inter Unversitario.http://www.siu.edu.ar/. Pagina vigente al 4/05/09.
[12] Britos, P. (2008). Procesos de Explotación de Información Basados en Sistemas Inteligentes. Tesis de Doctorado en Ciencias Informáticas. Facultad de Informática de la Universidad Nacional de La Plata. http://laboratorios.fi.uba.ar/lsi/td-pb-fi-unlp.pdf. Pagina vigente al 4/05/09.
[13] Quinlan, J. (1986). Induction of decision trees. Machine Learning, 1(1): 81-106.
[14] Quinlan, J. (1990). Learning Logic Definitions from Relations. Machine Learning, 5:239-266
[15] Kohonen, T. (1982). Self-organized formation of topologically correct feature maps. Biological Cybernetics, 43: 59-69.
[16] Kohonen, T. (1995). Self-Organizing Maps. Springer Verlag Publishers.
[17] Heckerman, D., Chickering, M., Geiger, D. (1995). Learning bayesian networks, the combination of knowledge and statistical data. Machine learning 20: 197-243.
Publicado
2010-07-01
Cómo citar
García Martínez, R., Kuna, H. D., & Villatoro, F. (2010). Identificación de causales de abandono de estudios universitarios. Uso de Procesos de Explotación de Información. Revista Iberoamericana De Tecnología En Educación Y Educación En Tecnología, (5), p. 39-44. Recuperado a partir de http://teyet-revista.info.unlp.edu.ar/TEyET/article/view/223
Sección
Artículos originales