Diseño de un prototipo inteligente de alerta temprana para prevenir la deserción en programas de ingeniería de la Universidad Autónoma de Bucaramanga (UNAB)

Abstract

La deserción estudiantil en la educación superior constituyó un problema relevante en los programas de ingeniería, debido a la interacción de factores académicos, socioeconómicos y psicoemocionales que afectaron la permanencia estudiantil. En este estudio se analizó el fenómeno desde un enfoque basado en ciencia de datos, con el fin de identificar de manera temprana a los estudiantes en riesgo de abandono y apoyar la toma de decisiones institucionales orientadas a la retención. El proyecto tuvo como objetivo diseñar y evaluar un prototipo inteligente de alertas tempranas para la predicción del riesgo de deserción estudiantil en los programas de ingeniería de la Universidad Autónoma de Bucaramanga (UNAB), a partir del análisis de datos institucionales históricos correspondientes al período 2020–2024. La investigación se desarrolló bajo un enfoque cuantitativo, aplicado y explicativo, siguiendo las fases de la metodología CRISP-DM: comprensión del negocio, comprensión de los datos, preparación de los datos, modelado y evaluación. Se trabajó con una base de datos institucional conformada por 5.745 registros de estudiantes, sobre la cual se realizaron procesos de análisis exploratorio, limpieza de datos, tratamiento de valores atípicos, balanceo de clases mediante SMOTE y modelado predictivo. Se evaluaron algoritmos de aprendizaje supervisado como regresión logística, árboles de decisión, bosques aleatorios y máquinas de vectores de soporte, utilizando validación cruzada. Los resultados cuantitativos evidenciaron que el modelo de regresión logística presentó el mejor desempeño predictivo, alcanzando valores de accuracy (0.9942), recall (0.8666) y F1-score (0.8387), lo que permitió un adecuado equilibrio entre la detección de estudiantes en riesgo y la reducción de clasificaciones erróneas. Con base en este modelo, se desarrolló un prototipo funcional implementado en Python y Streamlit, el cual permitió visualizar el nivel de riesgo individual y generar alertas tempranas para el acompañamiento académico. Las conclusiones del estudio validaron que el prototipo inteligente desarrollado resultó efectivo como herramienta de apoyo institucional para la identificación temprana del riesgo de deserción estudiantil, contribuyendo a la toma de decisiones informadas y al fortalecimiento de las estrategias de permanencia en los programas de ingeniería de la UNAB. Palabras clave: deserción estudiantil, aprendizaje automático, analítica educativa, modelos predictivos, sistemas de alerta temprana.