Diseño de un modelo predictivo de la deserción estudiantil de postgrado en una institución de educación superior

Vista sencilla de ítem
dc.contributorPlata Alarcón, Wendy, Director
dc.contributor.authorJurado Mantilla, Maria Jose
dc.date2019
dc.date.accessioned2020-01-17T14:10:28Z
dc.date.available2020-01-17T14:10:28Z
dc.date.createdJurado Mantilla, Maria Jose
dc.date.issued2019
dc.descriptionLa deserción estudiantil es un problema no menor para una unidad de postgrado objeto de estudio del presente proyecto, problema que afecta al área financiera, sus estándares de calidad y al ámbito académico. El objetivo principal de este proyecto es diseñar un modelo predictivo de la deserción estudiantil. Durante el desarrollo de este proyecto integrador se tomaron en cuenta cuatro modelos de clasificación que son: Potenciación del Gradiente Estocástico (GBM), Bosques Aleatorios (RF), Redes Neuronales (NNET) y Regresión Logística (GLM); además, se utilizó la metodología KDD (Descubrimiento de Conocimiento en Bases de Datos) cuyas etapas especificadas de forma clara permiten la implementación correcta de los modelos estadísticos en conjunto con técnicas computacionales con el fin de obtener el óptimo desempeño de los mismo. Para definir el mejor modelo se evaluó cuantitativamente cada uno de ellos por medio de la matriz de confusión, sus indicadores de desempeño, la curva ROC y el AUC
dc.description.abstractenglishThe student dropout is a problem not less for a postgraduate unit under study of this project, a problem that affects the financial area, its quality standards and the academic field. The main objective of this project is to design a predictive model of student dropout. During the development of this project, four classification models were taken in consideration: Stochastic Gradient Boosting (GBM), Random Forests (RF), Neuronal Networks (NNET) and Logistic Regression (GLM); in addition, the KDD (Knowledge Discovery in Databases) methodology was used whose clearly specified stages allow the correct implementation of the statistical models together with computational techniques in order to obtain the optimum performance. To define the best model, each one was quantitatively evaluated through the confusion matrix, its performance indicators, the ROC curve and the AUC. The main results showed that the Random Forests and Neural Networks models were the most prominent, but the Random Forests model was chosen because of its ease of use. Keywords: statistics models, terminal efficiency, accuracy, sensitivity, specificity.
dc.identifier.citationJurado Mantilla, M. J. (2019). Diseño de un modelo predictivo de la deserción estudiantil de postgrado en una institución de educación superior. Trabajo final para la obtención del título Ingeniera en Estadística Informática [Proyecto Integrador Escuela Superior Politécnica del Litoral]. Repositorio Institucional ESPOL. dspace.espol.edu.ec Cita de tesis según Normas APA 7ª
dc.identifier.codigoespolD-CD110079
dc.identifier.urihttps://www.dspace.espol.edu.ec/handle/123456789/48758
dc.languagespa
dc.language.isospa
dc.publisherESPOL.FCNM
dc.rightsopenAccess
dc.subjectEstadistica Informatica
dc.subjectDeserción estudiantil Espol
dc.subjectPrecision
dc.titleDiseño de un modelo predictivo de la deserción estudiantil de postgrado en una institución de educación superior
dc.typeThesis

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
D-CD110079.pdf
Tamaño:
1,43 MB
Formato:
Adobe Portable Document Format
Descargar

Colecciones

Tesis de Estadística