Análisis de los factores asociados a la deserción estudiantil en la Facultad de Minas de la Universidad Nacional de Colombia

Abstract

El presente trabajo analiza los factores asociados a la deserción estudiantil en la Facultad de Minas de la Universidad Nacional de Colombia, sede Medellín, mediante la aplicación de técnicas de Learning Analytics (LA). El objetivo principal es identificar las causas predominantes y fundamentar estrategias para su mitigación a través de decisiones basadas en datos. Para ello, se adoptó el marco metodológico CRISP-DM, recopilando y procesando información del Sistema de Información Académica, abarcando un período de 28 semestres (2010-2023). Los datos fueron integrados, limpiados y anonimizados, lo que permitió la construcción de un tablero de control interactivo para visualizar indicadores clave de deserción. El análisis se centró en tres dimensiones: variables académicas: rendimiento y promedio ponderado acumulado (PPA); variables socioeconómicas: estrato y tipo de colegio de procedencia; y, variables contextuales: características de los programas académicos y sedes. Los resultados evidencian que el 75% de las deserciones ocurren durante los primeros cuatro semestres, con picos críticos en el primero (15.4%) y el cuarto (32.4%). Entre los factores determinantes destacan las dificultades académicas, la adaptación al entorno universitario y la falta de orientación vocacional. Estos hallazgos subrayan la necesidad de implementar intervenciones tempranas que aborden los riesgos desde las etapas iniciales de la formación. La aplicación de LA resulta fundamental para identificar patrones de comportamiento estudiantil y facilitar la toma de decisiones oportunas. Asimismo, el estudio revela la importancia de fortalecer el acompañamiento académico y socioemocional, así como de diseñar estrategias personalizadas que respondan a las particularidades institucionales y a los perfiles estudiantiles. La integración de datos históricos cuantitativos mediante herramientas interactivas, como tableros de control, proporciona un marco analítico robusto. Este enfoque no solo permite una comprensión integral del fenómeno, sino también el diseño de acciones sostenibles para reducir la deserción. (Texto tomado de la fuente)

This study examines the factors linked to student dropout at the Faculty of Mines, National University of Colombia, Medellín Campus, by applying Learning Analytics (LA) techniques. The primary objective is to identify the predominant causes and develop data-driven strategies for mitigation. Using the CRISP-DM methodological framework, academic records and student survey data spanning 28 semesters (2010–2023) were collected and processed. The integrated dataset was cleaned and anonymized, enabling the development of an interactive dashboard to visualize key dropout indicators. The analysis focused on three dimensions: Academic variables, academic performance and cumulative weighted GPA. Socioeconomic variables, socioeconomic stratum and type of secondary school attended. Contextual variables, program characteristics and campusspecific factors. Findings reveal that 75% of dropouts occur within the first four semesters, with critical peaks in the first (15.4%) and fourth semesters (32.4%). Key contributing factors include academic difficulties, challenges in adapting to the university environment, and lack of vocational guidance. These results highlight the need for early interventions targeting risk factors from the initial stages of enrollment. The application of LA proves essential in identifying behavioral patterns and supporting timely, evidence-based decision-making. Furthermore, the study underscores the importance of strengthening academic and socioemotional support X Análisis de los factores asociados a la deserción estudiantil en la Facultad de Minas de la Universidad Nacional de Colombia systems, as well as designing personalized retention strategies tailored to institutional and student profiles. By integrating historical and quantitative data through interactive tools such as dashboards, this study establishes a robust analytical framework. Such an approach not only enhances understanding of dropout dynamics but also facilitates the design of sustainable policies to improve student retention