Introducción

La presente investigación se refiere a la deserción universitaria en la Universidad Pública de El Alto (UPEA), específicamente en la carrera de Ingeniería de Sistemas, este es un proceso muy complejo y ha sido abordada desde diferentes criterios hace varias décadas y aún sigue siendo una temática vigente e irresoluta, en diferentes instituciones de educación superior. Considerando los aspectos mencionados anteriormente, es importante la profundización de las investigaciones que permitan comprender el fenómeno de la deserción universitaria, así como los factores que son más significativos, para que los estudiantes tomen una decisión, los mismos que son clave para buscar estrategias que permitan minimizar el porcentaje de deserción.

Objetivo

Determinar los factores más relevantes, que inciden en la deserción de estudiantes de la Carrera de Ingeniería de Sistemas de la Universidad Pública de El Alto (UPEA) en las gestiones 2018 a la 1-2025, para plantear estrategias que minimicen los porcentajes de abandono. se realizo una prueba de 50 datos para realizar analisis de datos. Se usa la Escala de Likert 1-5

Metodología de desarrollo


La presente investigación se enmarca en un enfoque cuantitativo, de tipo descriptivo-correlacional, cuyo objetivo principal es identificar y analizar los factores que inciden en la deserción estudiantil. Este enfoque permite cuantificar las percepciones de los estudiantes, así como establecer relaciones entre variables académicas, económicas y de tiempo mediante análisis estadístico.

Población y muestra


Población: Estudiantes matriculados en la carrera de Ingeniería de Sistemas de la Universidad Pública de El Alto (UPEA) durante las gestiones 2018 a 1-2025.
Muestra: Se seleccionó una muestra intencional de 50 estudiantes, considerando criterios de disponibilidad y representación de los distintos niveles de la carrera. La muestra fue suficiente para realizar análisis descriptivos e inferenciales preliminares, utilizando herramientas estadísticas estándar en R.

Instrumentos de recolección de datos

Se aplicó un cuestionario estructurado basado en la escala Likert de 1 a 5, diseñado para medir la percepción de los estudiantes sobre los factores que podrían influir en su abandono académico.
Preguntas principales:
P1: ¿Factores economicos/Bajos recursos economicos es el principal obstáculo para continuar estudios?
P2: ¿Factores academicos/ falta de preparación pedagógica de los docentes afecta tu motivación?
P3: ¿Factores de tiempo/La falta de tiempo por trabajar afecta la realización de tareas y estudio?
El cuestionario fue validado preliminarmente mediante un análisis de confiabilidad, calculando el Alfa de Cronbach para determinar la consistencia interna.

Base de datos

# Mostrar los primeros 20 registros
head(datos, 20)
## # A tibble: 20 × 5
##       ID SEMESTRE    P1    P2    P3
##    <dbl>    <dbl> <dbl> <dbl> <dbl>
##  1     1        2     3     1     2
##  2     2        4     4     3     4
##  3     3        3     5     2     2
##  4     4        2     2     4     3
##  5     5        5     3     5     3
##  6     6        6     4     3     3
##  7     7        3     5     2     3
##  8     8        8     3     2     4
##  9     9        9     4     4     5
## 10    10        2     5     2     3
## 11    11        2     3     1     3
## 12    12        4     4     3     4
## 13    13        3     5     1     2
## 14    14        2     2     4     3
## 15    15        5     3     2     4
## 16    16        6     4     3     5
## 17    17        3     2     4     3
## 18    18        8     3     2     4
## 19    19        9     4     1     5
## 20    20        2     5     2     3

Datos Estadisticos

summary(datos)
##        ID        SEMESTRE           P1              P2              P3       
##  Min.   : 1   Min.   :2.000   Min.   :1.000   Min.   :1.000   Min.   :2.000  
##  1st Qu.:13   1st Qu.:2.000   1st Qu.:3.000   1st Qu.:2.000   1st Qu.:3.000  
##  Median :25   Median :4.000   Median :4.000   Median :3.000   Median :3.000  
##  Mean   :25   Mean   :4.449   Mean   :3.592   Mean   :2.816   Mean   :3.408  
##  3rd Qu.:37   3rd Qu.:6.000   3rd Qu.:4.000   3rd Qu.:4.000   3rd Qu.:4.000  
##  Max.   :49   Max.   :9.000   Max.   :5.000   Max.   :5.000   Max.   :5.000

Dispersión Likert P1 Vs P2

ggplot(datos, aes(x = P1, y = P2)) +
  geom_jitter(width = 0.2, height = 0.2, alpha = 0.6) +
  labs(
    title = "Relación entre Factor Económico (P1) y Factor Académico (P2)",
    x = "P1: Factor Económico / Cálculo",
    y = "P2: Preparación pedagógica docente"
  ) +
  theme_minimal()

Barras frecuencia likert

ggplot(datos, aes(x = factor(P1))) +
  geom_bar(fill = "steelblue") +
  labs(
    title = "Distribución del Factor Económico (P1)",
    x = "Escala Likert (1–5)",
    y = "Frecuencia"
  ) +
  theme_minimal()

Boxplot comparativo

datos_long <- datos %>%
  pivot_longer(cols = c(P1, P2, P3),
               names_to = "Factor",
               values_to = "Valor")

ggplot(datos_long, aes(x = Factor, y = Valor)) +
  geom_boxplot(fill = "lightblue") +
  labs(
    title = "Comparación de Factores que Inciden en la Deserción",
    x = "Factores",
    y = "Escala Likert"
  ) +
  theme_minimal()

Corelacion Spearman


Determinar la relacion de Spearman de los Bajos recursos economicos y la variable de la falta de preparacion pedagogica de los docentes

correlacion <- cor(datos$P1, 
                   datos$P2, 
                   method = "spearman")
cat("Coeficiente de correlación de Spearman:", correlacion)
## Coeficiente de correlación de Spearman: -0.1906328

Analisis de resultados


En conjunto, los resultados obtenidos permiten afirmar que la deserción en la carrera de Ingeniería de Sistemas de la Universidad Pública de El Alto es un fenómeno multifactorial, en el cual los factores económicos y académicos presentan una incidencia significativa y correlacionada.
Estos hallazgos constituyen una base empírica sólida para el planteamiento de estrategias institucionales orientadas a la prevención temprana del abandono estudiantil, tales como programas de apoyo académico, fortalecimiento pedagógico docente y políticas de acompañamiento socioeconómico.

Discusión


Los resultados obtenidos en este estudio evidencian que la deserción estudiantil en la carrera de Ingeniería de Sistemas de la UPEA está influenciada por factores económicos, académicos y de tiempo, tal como lo reflejan las respuestas obtenidas mediante la escala de Likert. La correlación de Spearman entre P1 (dificultad en Matemáticas/Cálculo) y P2 (preparación pedagógica de los docentes) sugiere que la percepción del estudiante sobre la calidad docente puede amplificar las dificultades académicas, generando un efecto acumulativo que contribuye a la deserción.
Asimismo, los análisis estadísticos descriptivos mostraron una tendencia consistente en la percepción de los estudiantes respecto a los obstáculos principales para continuar sus estudios, indicando que los factores socioeconómicos, como la necesidad de trabajar para sostenerse, son determinantes críticos. Estos hallazgos concuerdan con estudios previos que relacionan la falta de recursos económicos y las limitaciones académicas con el abandono universitario (Oppenheimer, 2014; Muñoz & Sánchez, 2019).
La utilización de instrumentos confiables, como la escala de Likert con alta consistencia interna, permite sostener que los resultados obtenidos tienen un grado de fiabilidad adecuado para análisis inferenciales. Sin embargo, es necesario considerar que la fiabilidad no garantiza la validez completa del instrumento, y futuros estudios podrían incorporar métodos complementarios como entrevistas o análisis longitudinal para reforzar las evidencias.

Conclusiones


Los factores más relevantes que inciden en la deserción de los estudiantes de Ingeniería de Sistemas son:
Económicos: dificultad para financiar estudios.
Académicos: Percepción de insuficiente preparación pedagógica de los docentes.
De tiempo: necesidad de trabajar y limitaciones para dedicar tiempo al estudio.
Los factores más relevantes que inciden en la deserción de los estudiantes de Ingeniería de Sistemas son:
Económicos: dificultad para financiar estudios.
Académicos: percepción de insuficiente preparación pedagógica de los docentes.
De tiempo: necesidad de trabajar y limitaciones para dedicar tiempo al estudio.
La correlación entre los factores académicos y económicos indica que existe una interacción significativa entre los obstáculos percibidos, sugiriendo que estrategias de apoyo integral (académico y financiero) pueden reducir la probabilidad de abandono.
La implementación de instrumentos confiables y el análisis estadístico adecuado permiten identificar patrones de riesgo de deserción, proporcionando información valiosa para la planificación de estrategias preventivas a nivel institucional.
Se recomienda que la UPEA considere medidas de acompañamiento académico, programas de tutorías y apoyo financiero para estudiantes en situación vulnerable, con el fin de minimizar la deserción y mejorar la retención universitaria.

Referencias


Joyanes, L. (2015). Gestión basada en datos y la toma de decisiones estratégicas en organizaciones. Madrid: Ediciones Académicas.
Oppenheimer, L. (2014). El impacto de las PYMES en el desarrollo económico de Bolivia. La Paz: Editorial Universitaria.
Muñoz, R., & Sánchez, P. (2019). Gestión de información y toma de decisiones en PYMES educativas. Revista de Tecnología y Sociedad, 12(3), 45-60.
Quiroa, F., & Westreicher, G. (2020). Optimización de sistemas de gestión en pequeñas empresas del sector alimentario. Bolivian Journal of Business, 8(2), 101-118.
Porter, M. (1985). Competitive Advantage: Creating and Sustaining Superior Performance. New York: Free Press.
Pursell, E. (2022). Estrategias de retención estudiantil y gestión de información universitaria. International Journal of Educational Research, 14(1), 55-70.