Modelo para la gestión de indicadores y análisis de permanencia estudiantil de usuarios de Bienestar Universitario de la Universidad Nacional de Colombia

Abstract

La permanencia estudiantil es una de los problemáticas más preocupantes para las instituciones de educación superior. Una forma de contribuir a la permanencia en la Universidad Nacional de Colombia son los programas de bienestar, que apoyan el desarrollo físico, psico-afectivo, espiritual y social de los estudiantes. Es por ello que para las dependencias de Bienestar Universitario es valioso hacer un reconocimiento de la influencia que tiene la prestación de sus servicios en el desempeño académico de los estudiantes. Este documento presenta el desarrollo de una estrategia de inteligencia de negocios y minería de datos para centralizar y organizar datos académicos y de servicios ofrecidos por Bienestar Universitario, la gestión y construcción de indicadores que permitan reconocer el comportamiento de los estudiantes respecto a los datos usados y finalmente un sistema de predicción de deserción haciendo uso de los algoritmos de clasificación: arboles de decisión y naïve bayes. El caso de estudio consistió de una cohorte de 15694 estudiantes distribuidos en 51 planes académicos proporcionados por el Sistema de Información de Bienestar Universitario SIBU y el Sistema de Información Académica SIA, con registros académicos, socioeconómicos y de bienestar entre los periodos académicos 2014-01 y 2016-03.

Abstract. Student retention is one of main problematics that colleges has to deal with. Some ways to promote student retention at National University of Colombia are well-being programs, those support physical, psycho-emotional, espiritual and social development of the stundents. This is why its important to Well-being dependences notice the influence of their services in academical performance of the students. This paper shows the process to develop a business intelligence and data mining strategies to centralize and organize academical and well-being data, manage and establish indicators that allows to recognize student performance from data and finally a dropout prediction system based on classification algorithms: decision trees and na¨ıve bayes. The study case used a cohort of 15694 studenst distributed in 51 undergraduate programs provided by Sistema de Informaci´on de Bienestar Universitario SIBU and Sistema de Informaci´on Acad´emica SIA, with academic, socioeconomic and well-being records from periods between 2014-01 and 2016-03.