Resumen:
CONDITION FOR PUBLICATION OF PROJECT. Predicting academic success in higher education is essential for supporting student retention and informing institutional decision-making. This study compares four supervised machine learning models—Logistic Regression, Support Vector Machines, Random Forest, and Multilayer Perceptrons—to predict the performance of first-semester students using academic variables, emotional intelligence indicators, family functionality measures, and behavioral factors. Two criteria of academic success were examined: a strict definition (Y1) and a more flexible one (Y2). The methodology involved data preprocessing, an iterative hyperparameter tuning strategy, and the design of two weighted polynomial kernels that incorporate Logistic Regression coefficients to enhance interpretability. Under the strict criterion, the customized kernel KN1 achieved the highest recall, whereas under the flexible criterion, KN2, Random Forest, and MLP achieved the best performance. Across models, prior academic achievement was the most influential predictor, followed by the course load in the admission program, emotional clarity, and other emotional and family-related variables with moderate but stable effects. The findings indicate that interpretable configurations can achieve competitive performance compared with more complex architectures, offering practical value for institutions seeking to implement early warning systems and develop policies that support students during their transition to university life.
Keywords: machine learning, academic success prediction, interpretability, educational data mining, SVM.
Descripción:
CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Predecir el éxito académico en la educación superior es fundamental para apoyar la retención estudiantil y orientar la toma de decisiones a nivel institucional. Este estudio compara cuatro modelos supervisados de aprendizaje automático —Regresión Logística, Máquinas de Vectores de Soporte, Random Forest y Perceptrones Multicapa— para predecir el rendimiento de estudiantes de primer semestre a partir de variables académicas, de inteligencia emocional, funcionalidad familiar y comportamientos individuales. Se analizaron dos criterios de éxito académico: uno estricto (Y1) y otro más flexible (Y2). La metodología incluyó el preprocesamiento de datos, una estrategia iterativa de ajuste de hiperparámetros y el diseño de dos kernels polinomiales ponderados que incorporan coeficientes de Regresión Logística para mejorar la interpretabilidad. Bajo el criterio estricto, el kernel personalizado KN1 obtuvo el mayor recall, mientras que bajo el criterio flexible los mejores resultados correspondieron a KN2, Random Forest y MLP. En todos los modelos, el rendimiento académico previo fue el predictor más influyente, seguido por la carga cursada en el curso de admisión, la claridad emocional y otras variables emocionales y familiares con efectos moderados pero estables. Los resultados muestran que configuraciones interpretables pueden alcanzar desempeños competitivos frente a arquitecturas más complejas, aportando valor práctico para instituciones interesadas en sistemas de alerta temprana y en el diseño de políticas de apoyo durante la transición a la vida universitaria.