Está en la página 1de 11

2009

Universidad Tecnológica de Izúcar de Matamoros

Sergio Valero Orea

[APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS PARA PREDECIR DESERCIÓN]

La deserción escolar es un problema complejo que enfrentan las Instituciones de Educación Superior (ANUIES, 2001). Se han hecho una gran cantidad de esfuerzos para combatir este problema como programas de tutorías, asesorías, talleres, entre otros, sin lograr mejorar esta situación. El caso de la Universidad Tecnológica de Izúcar de Matamoros es nuestro objeto de estudio para identificar las causas que motivan la deserción de nuestros estudiantes desde que ingresan. Mediante técnicas de minería de datos, podemos encontrar relaciones entre atributos académicos para identificar y predecir la probabilidad de deserción, previendo los factores que indicen para que deserten, mejorando la eficiencia terminal y brindándoles una oportunidad de vida como consecuencia de su permanencia en nuestra Institución. Finalizaremos nuestra investigación proponiendo una herramienta para el tutor que le permitirá predecir la probabilidad de deserción de cualquier alumno en cualquier momento de su estancia escolar.

1. Antecedentes de la investigación

La deserción, el rezago estudiantil y los bajos índices de eficiencia terminal se encuentran entre los problemas más complejos y frecuentes que enfrentan las Instituciones de Educación Superior del país, en la actualidad son reconocidos prácticamente por todas ellas (ANUIES, 2001). La deserción escolar, es un problema que caracteriza a la mayoría de las instituciones mexicanas de educación superior. La mayoría de las instituciones han hecho algún tipo de esfuerzos por disminuir estos índices realizando y estableciendo programas de tutorías, asesorías, congresos, talleres, eventos para que los alumnos se involucren directamente y aumente su compromiso y una serie de actividades más. Sin embargo, muchos de estos esfuerzos no han sido suficientes y el fenómeno se sigue repitiendo constantemente.

En ese sentido, el estudio de los factores e índices que afectan a la deserción ha cobrado mayor importancia en los últimos años. La necesidad de identificar y predecir la deserción de los estudiantes en los primeros cuatrimestres es indispensable para tomar las acciones pertinentes y poder disminuir este índice, y no menos importante, predecir su deserción en cualquier momento para su correcto seguimiento tutoral.

La minería de datos orientada a la educación permite predecir cualquier tipo de factor o característica de un caso, fenómeno o situación. De esta forma, utilizando las técnicas que nos ofrece la minería, podemos predecir, con un porcentaje muy alto de credibilidad, la probabilidad de desertar de cualquier alumno con la ventaja de que se puede pronosticar en los primeros cuatrimestres. La minería de datos en la educación no es un tópico nuevo y ha venido utilizándose considerablemente en los últimos años.

Sobre este tema se han hecho algunas investigaciones muy similares, tal es el caso de la Universidad de La Sabana en Colombia (Restrepo, 2008), en donde el objetivo era seleccionar, de una base de datos de estudiantes, los atributos que tuvieran mayor incidencia en la deserción de la Universidad en los últimos cuatro años, para éste proyecto se utilizó una técnica de minería de datos llamada Rough Sets. Se han realizado estudios sobre minería de datos en sistemas educativos basados en tecnologías web, como educación a distancia o asistida por computadora. Agathe Merceron y Kalina Yacef, de la Universidad Leonardo Da Vinci en Francia y la Universidad de Sydney en Australia (Merceron, 2004), respectivamente, mostraron cómo utilizar los algoritmos de minería de datos para descubrir conocimiento pedagógico relevante que se almacenaba en bases de datos. Estos descubrimientos ayudaron, tanto a docentes como administrativos y directivos a entender el aprendizaje de sus estudiantes y ofrecer sus enseñanzas de una mejor manera hacia ellos.

En Chile, Eduardo Quiroga realizó un modelo de alerta académica (Quiroga, 2001), aplicado a la educación superior utilizando técnicas de minería de datos para identificar problemas dentro del ámbito educativo. En los Estados Unidos, Jing Luan desarrolló un modelo predictivo de minería de datos para predecir la posibilidad de regreso a clases de cada alumno que se encontraba matriculado en Silicon Valley (Luan, 2002). En el mismo país, William Veitch (Veitch, 2004) utilizó técnicas de minería de datos para identificar patrones que permitan relacionar los factores y variables que afectan a la deserción de los alumnos, entre ellas las económicas, sociales y psicológicas. Los ejemplos anteriores solo son una pequeña muestra de lo que se puede hacer con la minería de

datos enfocados a la docencia y educación: desde el descubrimiento pedagógico, los sistemas de enseñanza basada en Web hasta análisis predictivo para determinar el porcentaje de probabilidad de desertar que tiene un alumno, este último es un tema de gran interés el cual trabajaremos durante el desarrollo de este trabajo de tesis.

2. Justificación de la investigación

La Universidad Tecnológica de Izúcar de Matamoros (UTIM) nació para responder a las necesidades de Educación Superior en la región mixteca del Estado de Puebla y la determinación expresada en el Plan Nacional de Desarrollo. La UTIM ofrece nivel Técnico Superior Universitario (TSU), nivel 5B con una formación de 3150 horas, en 6 cuatrimestres a lo largo de 2 años. Con poco más de 11 años de vida, la UTIM tiene como visión ofrecer educación de calidad en sus 6 Programas Educativos (PE):

Agrobiotecnología, Tecnología de Alimentos, Administración, Contaduría, Paramédico y Tecnologías de la Información y Comunicación área Sistemas Informáticos (TIC-SI).

Se puede observar que a través de los años existen muchos factores que influyen para que nuestros alumnos deserten, puesto que generalmente no se le da el seguimiento adecuado y no se hace un diagnóstico a tiempo antes de que esto suceda, ni siquiera cuando el alumno aun no deserta.

Como se mencionó anteriormente, la deserción escolar es un problema de ámbito y magnitudes nacionales y mundiales. En la UTIM no es la excepción y el problema lo encontramos periodo a periodo. Nuestros alumnos desertan como en cualquier Institución Educativa y los tutores no pueden hacer mucho al respecto.

La tabla 1, muestra el concentrado de alumnos que han desertado desde el año 2004, según los reportes del departamento de servicios escolares de la Universidad.

Periodo

Matricula

Número de bajas

Sep-Dic 2004

881

102

Ene-Abr 2005

779

73

May-Ago 2005

706

37

Sep-Dic 2005

742

77

Ene-Abr 2006

665

55

May-Ago 2006

610

20

Sep-Dic 2006

789

78

Ene-Abr 2007

711

30

May-Ago 2007

681

30

Sep-Dic 2007

871

70

Ene-Abr 2008

801

47

May-Ago 2008

754

33

Sep-Dic 2008

1104

68

Ene-Abr 2009

1036

86

Tabla 1. Concentrado de bajas por periodo

Como se puede observar en la tabla, en el periodo Septiembre-Diciembre es cuando más deserciones se acumulan, sin menospreciar a los demás periodos, que también presentan valores importantes a considerar. Los principales factores por los que se presenta este fenómeno son:

reprobación, incumplimiento de expectativas, problemas económicos, motivos personales y una gran cantidad de causas desconocidas, todas estas conclusiones están basadas en datos que proporcionó el departamento de servicios escolares. Aquí recae la importancia de predecir la posibilidad de deserción de un alumno, desde que ingresa y se inscribe a nuestra Universidad, con la finalidad de que pueda concluir sus estudios, evitar que se vaya y poder modificar los factores que pudieran estar causando su deserción.

Los tutores, son profesores de tiempo completo que guían u orientan a los alumnos de un curso o asignatura (González, 2006). Históricamente, identifican a los alumnos que desertarán en el momento en que ellos solicitan su baja, sin encontrar claramente las causas. Con este trabajo construiremos una herramienta que permitirá encontrar el mayor número de factores que provocan la deserción y entregaremos al personal de UTIM un medio que permita predecir cuáles alumnos, nuevos o que están realizando sus estudios, son candidatos a desertar de la universidad.

Respecto a la herramienta que queremos construir, hemos investigado sobre software que nos permiten descubrir comportamientos, patrones recurrentes, segmentar datos y otras funcionalidades relacionadas con el análisis de datos, estos son los mineros de datos. Con una herramienta como esta, podremos obtener conocimiento a partir de un conjunto de datos y consideramos que con este conocimiento empezaremos a tomar decisiones que permitan disminuir el índice de deserción en UTIM.

Así, usando un minero de datos podemos identificar y calcular el porcentaje de probabilidad de que un alumno pueda desertar, desde que inicia su vida estudiantil en la Universidad. De esta manera podemos proponer las estrategias necesarias con mucha anticipación para disminuir el índice de deserción.

Es de vital importancia conocer desde los primeros cuatrimestres cuáles alumnos son candidatos a desertar, cuál es su probabilidad de hacerlo y sobre qué factor inciden las causas de que lo haga (factores académicos, personales, económicos, entre otros). Al no realizar este tipo de investigaciones se tiene como consecuencia que los tutores, sigan sin identificar a los alumnos que sean candidatos a desertar y solamente los identifiquen hasta cuatrimestres avanzados cuando posiblemente ya no sea posible ayudarlos.

El resultado de nuestro trabajo, será una herramienta que les permitirá a los tutores determinar la probabilidad de deserción de cualquier alumno en cualquier momento, desde que inicia o cuando se encuentra cursando algún cuatrimestre más avanzado. Esta herramienta mejorará el proceso educativo como se marca en los lineamientos de titulación para el convenio SEP-UPAEP, ya que un tutor podrá identificar un alumno candidato a desertar para darle el seguimiento adecuado a través de esta herramienta didáctica.

Este trabajo de investigación se desarrollará en equipo. Por un lado, una persona será la encargada de realizar el trabajo que abarca la recolección de datos históricos y actuales, depuración, limpieza y extracción de datos, hasta construir un almacén de datos, que servirá de base para realizar el modelo predictivo. Por el otro, un segundo participante, trabajará con la creación del modelo predictivo, para que posteriormente desarrolle la interfaz que permitirá determinar la probabilidad de deserción de los alumnos. Ambos actores participaremos activamente en cada una de las etapas del desarrollo de la tesis, sin embargo consideramos importante aclarar los motivos por los cuales trabajaremos de esta manera.

3.

Objetivos de investigación

Desarrollar una herramienta de análisis de datos a partir de la generación de un modelo predictivo que surja de la aplicación de las técnicas de minería de datos para predecir la probabilidad de deserción de los alumnos del PE de TIC-SI de la UTIM.

Revisar las causas que afectan a la deserción escolar a nivel superior

Reunir todos los datos existentes de cada alumno para generar el modelo predictivo

Integrar, seleccionar y limpiar los datos para prepararlos para su análisis

Crear un repositorio de datos para almacenar los datos obtenidos

Analizar las distintas técnicas de minería de datos para elegir la adecuada de acuerdo al problema planteado

Generar el modelo predictivo a partir de los datos obtenidos

Analizar los datos generados por la minería de datos y prepararlos para la toma de decisiones

Diseñar una interfaz web que permita alimentar con datos de los alumnos al modelo

4. Preguntas de Investigación (incluir hipótesis inicial si aplica)

¿Cuál es la probabilidad de deserción de un alumno del PE de TIC-SI de la UTIM?

¿Cuáles son los factores que inciden en la deserción de los alumnos del PE de TIC-SI de la UTIM?

¿De qué manera nos puede ayudar la minería de datos para predecir esta deserción?

¿Cómo construir un modelo predictivo que me permita identificar a los alumnos vulnerables al inicio de su estancia en la Universidad?

¿Cómo generar una interfaz que me permita determinar la probabilidad de deserción de un alumno a partir de un conjunto de variables?

Hipótesis principal

Con la construcción de un modelo predictivo utilizando técnicas de minería de datos que interactúe, mediante una interfaz de software, con la información personal, académica y socioeconómica de cada alumno, el tutor podrá predecir la probabilidad de deserción de dicho alumno.

5.

Alcances y limitaciones del proyecto

Los datos con los que se trabajará corresponderán a los alumnos inscritos desde el periodo Septiembre/Diciembre del 2003 al periodo Enero/Abril del 2009 del PE de TIC, momentáneamente los otros PE quedan fuera de nuestro objeto de estudio y su participación se propone al corto plazo, una vez analizados los datos de este cuerpo académico.

6. Viabilidad de la Investigación

La puesta en marcha de la investigación resulta bastante viable desde los puntos de vista económico, material y humano.

Desde el punto de vista económico, no se genera gastos por el desarrollo del modelo predictivo, ya que no es necesaria la adquisición de alguna licencia de software, ni de equipo, ni de cualquier otra herramienta. Desde el punto de vista material se requiere una PC para la captura y selección de datos, una hoja electrónica, un motor de bases de datos y el software para el modelo predictivo, contamos con dichas herramientas y no generarán un costo adicional ni para nosotros ni para la UTIM. Los recursos humanos necesarios tampoco serán obstáculo para el proyecto, con el equipo de trabajo creado, será suficiente para alcanzar el objetivo planteado, los datos serán tomados desde las fuentes descritas anteriormente y los departamentos participantes se encuentran en la disposición de participar para proporcionárnoslos.

7. Esbozo del Marco Teórico

La deserción escolar

Entre los problemas más complejos y frecuentes que enfrentan las Instituciones de Educación Superior (IES) del país, en el nivel superior, se encuentran la deserción, el rezago estudiantil y los bajos índices de eficiencia terminal. Tanto la deserción como el rezago son condiciones que afectan el logro de una alta eficiencia terminal en las instituciones (ANUIES, 2002). Los fenómenos de la retención y de la deserción tienen que estudiarse de manera obligada en el marco de la compleja dinámica de la educación superior.

La trayectoria escolar es un proceso durante el cual cada alumno está sometido a un conjunto de reglas que le permiten avanzar de forma diferenciada, en la medida en la que cumpla o no los requerimientos establecidos (ANUIES, 2007).

La deserción, entendida como una forma de abandono de los estudios superiores, adopta distintos comportamientos en los estudiantes que afecta la continuidad de sus trayectorias escolares. Estos comportamientos se caracterizan por:

Abandono o suspensión voluntaria y definitiva de los estudios y del sistema de educación superior por parte del alumno

Salida de los alumnos debido a las deficiencias académicas y consecuente bajo rendimiento

escolar

Cambio de carrera o de institución

Baja de los alumnos que alteran el orden y la disciplina institucional

Se ha detectado que la deserción responde a una multiplicidad de factores que afectan a los estudiantes (ANUIES, 2002). Entre ellos se encuentran:

Las condiciones económicas desfavorables de los estudiantes

El deficiente nivel cultural de la familia al que pertenece

Las expectativas del estudiante con respecto a la importancia de la educación

La incompatibilidad del tiempo dedicado al trabajo y a los estudios

La responsabilidad que implica el matrimonio

Las características personales del estudiante, por ejemplo, la falta de actitud de logro

El poco interés por los estudios en general, por la carrera y la institución

Las características previas del estudiante, como los bajos promedios obtenidos en la educación media superior que reflejan la insuficiencia de los conocimientos y las habilidades con que egresan los estudiantes, en relación con los requeridos para mantener las exigencias académicas del nivel superior

La deficiente orientación vocacional recibida, antes de ingresar a la educación superior, que provoca que los alumnos se inscriban en las carreras profesionales sin sustentar su decisión en una sólida información sobre la misma

En resumen, se puede considerar a la deserción como el abandono o suspensión temporal o definitiva, voluntaria o forzada de sus estudios, marcada por alguna de las causas mencionadas anteriormente, o una combinación de ellas.

Minería de datos

Minería de datos es el proceso mediante el cual generamos un modelo que sirva para la predicción, este modelo se genera con base en los datos que se encuentran en un almacén de datos o una base de datos aplicándoles algún algoritmo que construya el modelo (González, 2005).

La existencia de voluminosas bases de datos conteniendo grandes cantidades de datos, que exceden en mucho las capacidades humanas de reducción y análisis a fin de obtener información útil, actualmente son una realidad en muchas organizaciones. Debido a esto, frecuentemente las decisiones importantes se toman en base a la intuición y experiencia en lugar de tomar como referencia la riqueza de estos datos almacenados, provocando que seamos vistos como ricos en datos, pero pobres en información (Han y Kamber, 2006), debido a la problemática planteada anteriormente.

Esta situación se intenta solucionar a través del proceso de KDD (Knowledge Discovery from Databases por sus siglas en ingles). Este proceso consta de 5 fases (Hernández, 2005) como se puede apreciar en la siguiente figura:

Datos iniciales Integración y recopilación Almacén de datos       Datos seleccionados

Datos iniciales

Integración y recopilación
Integración y recopilación

Almacén de

datos

 
   
Datos seleccionados Patrones

Datos

Datos seleccionados Patrones

seleccionados

Datos seleccionados Patrones

Patrones

Almacén de datos       Datos seleccionados Patrones 4. Evaluación e interpretación
Almacén de datos       Datos seleccionados Patrones 4. Evaluación e interpretación
Almacén de datos       Datos seleccionados Patrones 4. Evaluación e interpretación
Almacén de datos       Datos seleccionados Patrones 4. Evaluación e interpretación
Almacén de datos       Datos seleccionados Patrones 4. Evaluación e interpretación

4.

Evaluación e interpretación

Almacén de datos       Datos seleccionados Patrones 4. Evaluación e interpretación
Patrones 4. Evaluación e interpretación Conocimiento 5. Difusión y uso Decisiones Fig. 1. El

Conocimiento

5. Difusión y uso

5.

Difusión y uso

e interpretación Conocimiento 5. Difusión y uso Decisiones Fig. 1. El proceso KDD Cada fase tiene
e interpretación Conocimiento 5. Difusión y uso Decisiones Fig. 1. El proceso KDD Cada fase tiene

Decisiones

Fig. 1. El proceso KDD

Cada fase tiene sus objetivos claramente definidos y sus actividades perfectamente delimitadas. A continuación, las mencionaremos brevemente.

- Integración y recopilación de datos. Integrar múltiples bases de datos en un almacén de datos (data warehouse colección de datos de las bases de datos transaccionales y otras fuentes diversas). Se determinan las fuentes de información que pueden ser útiles y dónde conseguirlas.

- Selección, limpieza y transformación. El objetivo es mejorar la calidad de los datos. Algunos datos son irrelevantes o necesarios para la tarea de minería que se desea realizar. Se eliminan o corrigen los datos incorrectos.

- Minería de datos. El objetivo es producir conocimiento nuevo que pueda utilizar el usuario, realizando un modelo predictivo basado en los datos recopilados para tal efecto.

- Evaluación e interpretación. Se evalúan los patrones y se analizan por los expertos para que, de ser necesario, se vuelva a las fases anteriores para una nueva iteración.

- Difusión y uso. Una vez construido y validado el modelo, es usado por los analistas para

recomendar acciones y se hace partícipe de él a todos los posibles usuarios.

En síntesis, las técnicas de minería de datos, nos van a permitir construir modelos predictivos, basados en datos históricos almacenados en distintas fuentes: bases de datos, archivos de texto plano, documentos impresos, reportes, entre otros. Usando todos estos datos, es posible predecir un fenómeno dado, a partir de las herramientas que la minería nos ofrece, obteniendo conocimiento que nos ayuda en la toma de decisiones.

8. Metodología de investigación

El tipo de investigación será descriptivo, ya que buscamos especificar las propiedades importantes de un grupo de personas para su análisis, en este caso, su información académica y personal. El enfoque de la misma, será cuantitativo.

En la primera fase, se estudiarán las causas de deserción y su parte teórica, así como las diferentes técnicas de minería de datos para poder llevar a cabo la investigación, es decir, la revisión bibliográfica del tema de estudio.

En la segunda fase, se hará el concentrado de los datos históricos sobre los estudiantes: información personal, académica y socioeconómica.

En la tercera fase, se pasará al análisis de la información y generación del modelo de minería de datos para determinar el porcentaje de deserción que presentan nuestros alumnos, a través de una interfaz web que permita determinar a cada uno de los tutores esta información para tomar las medidas necesarias.

9. Resultados (a priori) esperados

El resultado de la investigación y trabajo de tesis, mostrará y propondrá una interfaz de software que trabajará con el modelo predictivo, efecto de la aplicación de las técnicas de minería de datos y que le permita a cada tutor, capturar algunas variables o datos de sus alumnos para predecir y determinar la probabilidad de desertar que tienen desde los primeros cuatrimestres para tomar las acciones preventivas o remediales y en cualquier cuatrimestre, según sea el caso, y mejorar nuestros índices de eficiencia terminal.

10.

Contribuciones originales esperadas

Como resultado de nuestra investigación, propondremos una herramienta que permitirá predecir el porcentaje de deserción de cualquier alumno inscrito en cualquier periodo. Este tipo de herramientas no existe en México. Hemos encontrado un trabajo similar en Grecia en la Universidad de Patras (Kotsiantis, 2003) en donde predicen el porcentaje de deserción de un alumno o desempeño en cursos de aprendizaje a distancia, único en el mundo.

Podemos concluir argumentando la originalidad de nuestra investigación, ya que sería pionera dentro de nuestro país, trabajando exclusivamente con datos de nuestros estudiantes, con las variables que les afectan y causan su abandono de estudios. Además, de que todo ello lo pueden consultar de manera indefinida para cualquier alumno en cualquier periodo, resultando un trabajo original.

11. Impacto Social Esperado

El impacto esperado dentro de nuestra Universidad sería muy alto. Una vez que realicemos el estudio y obtengamos los primeros resultados sobre el PE de TIC-SI para mejorar los índices de eficiencia terminal disminuyendo la deserción al detectar la vulnerabilidad de algún alumno candidato a desertar, podemos ampliar la aplicación de nuestra herramienta a todos los PE’s de la UTIM. De esta forma, tendremos menos desertados y nuestros alumnos tendrán una preparación académica más adecuada para enfrentar los obstáculos encontrados en su vida diaria.

Con esta herramienta entonces, podremos evitar que un alumno deserte al identificar las causas por las cuales lo haría, detectándolo a tiempo y proponiendo las estrategias adecuadas para su correcto seguimiento. Así, cada uno de estos alumnos tendrá más probabilidades de finalizar sus estudios de educación superior y contará con mejores oportunidades laborales en el futuro al estar mejor preparados.

12. Cronograma

CRONOGRAMA DE ACTIVIDADES

1 Revisión bibliográfica

Aplicación de encuestas y

2 entrevistas

3 Recolección de datos

4 Preprocesamiento de datos

5 Análisis de datos

Aplicación de técnicas de minería

6 de datos

7 Desarrollo del modelo predictivo

8 Desarrollo de interfaz gráfica

9 Pruebas

10 Propuestas

Nov Dic

Ene Feb Mar Abr May

Jun Jul Ago Sep

0 Propuestas Nov Dic Ene Feb Mar Abr May Jun Jul Ago Sep 14. Referencias ANUIES
0 Propuestas Nov Dic Ene Feb Mar Abr May Jun Jul Ago Sep 14. Referencias ANUIES
0 Propuestas Nov Dic Ene Feb Mar Abr May Jun Jul Ago Sep 14. Referencias ANUIES
0 Propuestas Nov Dic Ene Feb Mar Abr May Jun Jul Ago Sep 14. Referencias ANUIES
0 Propuestas Nov Dic Ene Feb Mar Abr May Jun Jul Ago Sep 14. Referencias ANUIES

14. Referencias

ANUIES (2001), “Deserción, rezago y eficiencia terminal en la IES. Propuesta metodológica para su estudio”, México. ANUIES (2002), “Programas Institucionales de Tutorías. Una propuesta de la ANUIES para su organización y funcionamiento en las IES”, México. ANUIES (2007), “Retención y deserción en un grupo de Instituciones Mexicanas de Educación Superior”, México Frawley, W. (1992), “Knowledge discover in databases”, USA. González, A. (2006), “Manual de tutorías en la UTIM”, México. González, L (2005), Zombi, una arquitectura para el análisis de información que integra procesamiento analítico en línea con minería de datos”, México. Han, J., Kamber M. (2006), “Data mining: concepts and techniques”, USA. Hernández J. (2005), “Introducción a la minería de datos”, España. Jing, L. (2002), Data mining and Knowledge management in higher education, Presentación en el foro AIR, Toronto, Canada. Kotsiantis, S., Pintelas, P. (2003), “A decision support prototype tool for predicting student performance in an ODL environment”, Grecia. Merceron A., Yacef K. (2004), Educational Data Mining: a case of study, Universidad de Sydney, Australia. Quiroga, E. (2008), “Minería de datos en educación superior aplicada a un modelo de alerta académica”, Chile. Restrepo, M. (2000), “Uso de la metodología Rough Sets para la identificación de atributos en una base de datos sobre deserción”, Universidad de La Sabana, Colombia. Veitch, W. (2004), Identifying characteristics of high school dropouts: data mining with a decision tree model, San Diego California, USA.