Equipo de Proyecto

Agenda

Resumen del Proyecto

Justificación

Objetivo General

Objetivos Específicos

Estado del Arte · Técnicas en Uso

Hallazgos Comparados de la Literatura

Variables del Modelo

Importancia de Variables en la Predicción

Pipeline del Modelo Ensemble

Factores Ocultos de Deserción

Variables críticas que no se registran en bases de datos oficiales pero impactan fuertemente la deserción.

Tres Trayectorias de Deserción Identificadas

Captura Ética de Datos Sensibles

Validación de Instrumentos Psicométricos

Protocolo de Validación Psicométrica

Índices de Ajuste y Confiabilidad

Implementación · Ensemble (SVM + RF + GB)

# Ensemble: SVM + Random Forest + Gradient Boosting
from sklearn.svm        import SVC
from sklearn.ensemble    import RandomForestClassifier, GradientBoostingClassifier, VotingClassifier

svm = SVC(probability=True, kernel='rbf', C=10)
rf  = RandomForestClassifier(n_estimators=200, max_depth=10)
gb  = GradientBoostingClassifier(n_estimators=100, learning_rate=0.1)

ensemble = VotingClassifier(
    estimators=[('svm', svm), ('rf', rf), ('gb', gb)],
    voting='soft',
    weights=[2, 1, 1]
)
ensemble.fit(X_train, y_train)

# Probabilidad de deserción del estudiante
prob = ensemble.predict_proba(X_test)[:, 1]

# Clasificación de riesgo
riesgo = ['Bajo'   if p < 0.3
         else 'Medio' if p < 0.6
         else 'Alto'  for p in prob]

Métricas Esperadas del Modelo

MVP Implementado · Demostración

Sistema de Alerta Temprana

Conclusiones

Referencias Principales

• Cronbach, L. J. (1951). Coefficient Alpha and the Internal Structure of Tests.
• Hu, L., & Bentler, P. M. (1999). Cutoff Criteria for Fit Indexes. SEM.
• Messick, S. (1995). Validity of Psychological Assessment. American Psychologist.
• Marbouti, F. et al. (2016). Models for Early Prediction of At-Risk Students.
• Hu, Y. et al. (2014). Developing Early Warning Systems.
• Castrillón, O. D. et al. (2020). Predicción del rendimiento académico.
• Contreras, L. E. et al. (2020). Predicción de éxito/fracaso en ingeniería.
• Namoun, A., & Alshanqiti, A. (2021). Predicting Student Performance.
• Kline, R. B. (2015). Principles and Practice of SEM.
• Hair, J. F. et al. (2019). Multivariate Data Analysis.
• Dekker, G. W. et al. (2009). Predicting Students Drop Out.
• APA (2020). Publication Manual (7th ed.).