ANÁLISIS DE MODELOS DE PREDICCIÓN APLICADOS A MEJORAR LA TASA DE ABANDONO UNIVERSITARIA

Abstract

La detección del abandono académico presenta un desafío estratégico para las universidades, tanto por sus implicaciones económicas como por su impacto social. En esta investigación se analizan distintos modelos de aprendizaje automático para la identificación de alumnos en riesgo de abandono. Desde una perspectiva empresarial, el objetivo del proyecto es proporcionar una herramienta proactiva que permita a las instituciones activar estrategias de retención y fidelización de estudiantes. Metodológicamente, se procesaron registros estructurados de los periodos de 2018, 2021 y 2022, consolidándolos a nivel de Alumno-Año. El flujo de trabajo incluyó la gestión de valores atípicos mediante el rango intercuartílico (IQR) y la imputación de datos faltantes, además de la codificación de variables categóricas y la aplicación de un escalado estándar en los modelos que lo requerían. Los resultados experimentales demostraron la presencia de un sesgo de transferencia temporal crítico al incluir los datos de 2018; al ser registros pre-pandemia, carecían de variables digitales clave como las conexiones Wi-Fi o las interacciones con la plataforma virtual. La exclusión de este año en la versión final, entrenada únicamente con los datos de 2021 y validada temporalmente con el escenario real de 2022 eliminó el sobreajuste y generó un incremento generalizado de aproximadamente un 10 % en el F1-score de todos los clasificadores. La implementación priorizó la sensibilidad del modelo mediante la métrica Fß -score, debido al coste de oportunidad de los falsos negativos. Bajo este escenario, CatBoost destacó como el modelo óptimo para su despliegue en producción, alcanzando un F1-score de 0.47 y un área bajo la curva ROC (ROC AUC ) de 0.84 en la validación temporal.