Algoritmos de Aprendizaje Automático para la Predicción de Deserción Estudiantil

1. Introducción

En Colombia, la tasa de deserción universitaria supera el 45% según el Ministerio de Educación Nacional (2022). La región del Pacífico presenta índices aún más elevados, condicionados por factores socioeconómicos estructurales. Los sistemas de alerta temprana basados en inteligencia artificial permiten identificar patrones predictivos con meses de anticipación, posibilitando intervenciones focalizadas de bienestar universitario.

2. Metodología

Se adoptó un enfoque cuantitativo descriptivo-correlacional. La muestra provino del sistema SIAS, incluyendo promedio acumulado, condición socioeconómica SISBEN, distancia al campus y participación en programas de bienestar. El preprocesamiento incluyó normalización Min-Max, codificación one-hot y SMOTE para balanceo de clases.

4. Conclusiones

Random Forest demostró ser el modelo más adecuado para el contexto analizado. Su integración con SIAS para alertas automáticas al inicio del tercer semestre reduciría significativamente los tiempos de intervención del equipo de bienestar universitario.