Repository logo
 

Análisis predictivo del riesgo de deserción en estudiantes de primer ingreso de la Universidad Tecnológica Centroaméricana de los años 2023 al 2025

Simple item page
dc.campusUnitec Tegucigalpa
dc.catalogadorRegina Matamoros
dc.collectionTesis de Postgrado
dc.contributor.advisorJesús Ricardo Rodríguez Rivera
dc.contributor.authorDavid Elías Flores Maldonado
dc.contributor.authorWilmer Alexander Vásquez Rodríguez
dc.coverageTegucigalpa, Francisco Morazán, Honduras
dc.date.accessioned2026-03-24T14:01:49Z
dc.date.available2026-03-24T14:01:49Z
dc.date.issued2026-01-01
dc.description.abstractEl presente trabajo tiene la finalidad efectuar un análisis predictivo del riesgo de deserción en estudiantes de primer ingreso de la Universidad Tecnológica Centroamericana de los años 2023 al 2025, mediante del entrenamiento de los modelos Gradient Boosted Trees Random Forest, Decision Tree, K-Nearest Neighbors y Regresión Logística, usando Stratified K-Fold Cross Validation para garantizar una evaluación justa, midiendo cada modelo con métricas comunes (exactitud, recall, precisión, F1-score y Cohen's kappa) y matrices de confusión creadas en KNIME. Todo ello con el propósito de identificar tempranamente a los estudiantes en riesgo académico y actuar oportunamente. Ya que la aplicación de herramientas de análisis predictivo permite tomar decisiones más acertadas y oportunas para brindar un eficiente acompañamiento a los estudiantes. Este es un elemento clave que genera una ventaja competitiva al contar con una gestión más eficiente de las bases de datos y registros de los estudiantes. A través de los resultados se demostró que el modelo Gradient Boosted Trees tiene un desempeño robusto en la predicción del riesgo de deserción estudiantil, evidenciando una alta capacidad discriminativa, clasificando correctamente a 13,711 estudiantes (88.48% del total).
dc.description.abstractThe purpose of this study is to conduct a predictive analysis of the risk of dropout among first-year students at the Central American Technological University during the period 2023–2025. This is achieved through the training of Gradient Boosted Trees, Random Forest, Decision Tree, K-Nearest Neighbors, and Logistic Regression models, using Stratified K-Fold Cross Validation to ensure a fair and robust evaluation. Each model is assessed using common performance metrics (accuracy, recall, precision, F1-score, and Cohen’s kappa), as well as confusion matrices generated in KNIME. The overarching objective is to enable the early identification of students at academic risk and to support timely intervention. The application of predictive analytics tools facilitates more accurate and timely decision-making, allowing institutions to provide effective academic support to students. This approach represents a key element in achieving a competitive advantage by enabling more efficient management of student databases and academic records. The results demonstrate that the Gradient Boosted Trees model exhibits robust performance in predicting student dropout risk, showing high discriminative capability and correctly classifying 13,711 students (88.48% of the total population).
dc.disciplineAdministración y Negocios / Business & Management
dc.facultyFacultad de Postgrado
dc.finalwork.creationdate01/02/2026
dc.formatPDF
dc.identifier.urihttps://repositorio.unitec.edu//handle/123456789/14243
dc.language.isoes
dc.publisherUniversidad Tecnológica Centroamericana UNITEC
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International.
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0
dc.sourceUniversidad Tecnológica Centroamericana UNITEC
dc.subjectAcompañamiento estudiantil
dc.subjectAnticipación
dc.subjectAprendizaje automático
dc.subjectMinería de datos
dc.subjectModelos de predicción
dc.subject.ddc378.3 F634
dc.thesis.degreelevelPostgrado
dc.thesis.degreenameMaestría en Gestión de Tecnologías de la Información / M-26
dc.titleAnálisis predictivo del riesgo de deserción en estudiantes de primer ingreso de la Universidad Tecnológica Centroaméricana de los años 2023 al 2025

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Análisis predictivo del riesgo de deserción en estudiantes de primer ingreso de la Universidad Tecnológica Centroaméricana de los años 2023 al 2025-1.pdf
Size:
2.56 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Tesis de Postgrado