Introduccion


La deserción estudiantil en Ingeniería de Sistemas de la UPEA alcanza un porcentaje muy alto en los primeros tres semestres, generando pérdidas económicas anuales. Este estudio aplica AutoML para predecir deserción temprana. El modelo propone alertas predictivas semestrales, proyectando un porcentaje en la retención institucional.

Objetivo


Desarrollar modelo AutoML predictivo validado para deserción UPEA, desplegando dashboard institucional.

se realizo una prueba de 30 datos para realizar analisis de datos. Se usa la Escala de Likert 1-5
Preguntas de la base de datos:
P1: ¿La dificultad de Matemáticas/Cálculo es el principal obstáculo para continuar estudios?
P2: ¿La falta de preparación pedagógica de docentes afecta tu motivación?
P3: ¿Problemas económicos son la causa principal de posible deserción?

Base de datos

datos <- read_excel("base.xlsx")
datos

Datos Estadisticos

summary(datos)
##        ID           Semestre           P1          P2              P3       
##  Min.   : 1.00   Min.   :1.000   Min.   :2   Min.   :2.000   Min.   :2.000  
##  1st Qu.: 8.25   1st Qu.:2.000   1st Qu.:3   1st Qu.:3.000   1st Qu.:3.000  
##  Median :15.50   Median :3.000   Median :4   Median :4.000   Median :4.000  
##  Mean   :15.50   Mean   :3.067   Mean   :4   Mean   :3.867   Mean   :3.967  
##  3rd Qu.:22.75   3rd Qu.:4.000   3rd Qu.:5   3rd Qu.:5.000   3rd Qu.:5.000  
##  Max.   :30.00   Max.   :6.000   Max.   :5   Max.   :5.000   Max.   :5.000

Graficos de relaciones entre variables

Donde:
P1: ¿La dificultad de Matemáticas/Cálculo es el principal obstáculo para continuar estudios?
P2: ¿La falta de preparación pedagógica de docentes afecta tu motivación?

plot(datos$P1,datos$P2)

Donde:
P1: ¿La dificultad de Matemáticas/Cálculo es el principal obstáculo para continuar estudios?
P3: ¿Problemas económicos son la causa principal de posible deserción?

plot(datos$P1,datos$P3)

Calcular correlación de Spearman


determinar la relacion de Spearman de la dificultad de matematicas/calculo como principal obstaculo y la variable de la falta de preparacion pedagogica de los docentes afecta la motivacion estudiantil

correlacion <- cor(datos$P1, 
                   datos$P2, 
                   method = "spearman")
cat("Coeficiente de correlación de Spearman:", correlacion)
## Coeficiente de correlación de Spearman: 0.2239445