OPTIMIZACIÓN DEL RENDIMIENTO PREDICTIVO EN LA DETECCIÓN TEMPRANA DE LA DESERCIÓN UNIVERSITARIA EN UNIVERSIDADES PÚBLICAS CHILENAS USANDO MACHINE LEARNING Y METAHEURÍSTICOS

UNIVERSIDAD DE VALPARA´ ISO Facultad de Ingenier´ıa Escuela de Ingenier´ıa Inform´atica OPTIMIZACI´ ON DEL RENDIMIENTO PREDICTIVO EN LA DETECCI´ ON TEMPRANA DE LA DESERCI´ ON UNIVERSITARIA EN UNIVERSIDADES P´ UBLICAS CHILENAS USANDO MACHINE LEARNING Y METAHEUR´ ISTICOS C´esar Alfonso Jos´e da Silva Hern´andez [email protected] 19 de julio de 2025 Resumen Mediante t´ecnicas de machine learning y la optimizaci´on de modelos predictivos utilizando algoritmos metaheur´ısticos, el presente trabajo busca aplicar dichas t´ecnicas para mejorar la calidad de la predicci´on de la deserci´on temprana de estudiantes que ingresan a universidades p´ublicas, espec´ıficamente a carreras de ingenier´ıa civil en inform´atica y afines, utilizando variables demogr´aficas, socioecon´omicas, sociales o familiares, resultados de pruebas de admisi´on universitaria generales y espec´ıficas (matem´aticas), y estudios realizados previos al ingreso de los estudiantes; las cuales se han demostrado tienen correlaci´on con la variable objetivo de an´alisis: la deserci´on temprana universitaria durante el primer a˜no de estudios. Buscamos identificar los grupos de estudiantes que, seleccionados mediante t´ecnicas de machine learning utilizando variables correlacionadas con la variable objetivo, permitan desarrollar herramientas que apoyen su permanencia en la carrera elegida. Este tipo de herramientas entregan un impacto positivo y directo sobre la cantidad de profesionales en la inform´atica en Chile, adem´as de ser complemento importante para una mejor ejecuci´on de las asistencias o apoyos entregados por el estado de Chile a estos estudiantes, como medida de mitigaci´on hacia la deserci´on temprana universitaria. Dentro de nuestra investigaci´on revisaremos estudios realizados sobre el rendimiento acad´emico universitario, uso de machine learning aplicado en la educaci´on; tomando en cuenta tambi´en aspectos y variables que consideramos fundamentales para la determinaci´on de su correlaci´on entre estas, como ocurre con los temas socioecon´omicos, pol´ıticos, desaf´ıos relacionados con la educaci´on primaria y secundaria, el entorno de los estudiantes, variables demogr´aficas, entre otros factores que impactan el fen´omeno estudiado en este trabajo, de deserci´on temprana universitaria. Esta investigaci´on utiliza herramientas basadas en machine learning y optimizamos dichas herramientas mediante el uso de metahur´ıstica, para apoyar el proceso de identificaci´on de la brecha cognitiva y digital en entornos universitarios, con la finalidad de que sea una herramienta de apoyo para disminuir y mitigar el abandono o deserci´on durante los primeros a˜nos en las carreras universitarias. Existe una ´ıntima relaci´on entre la presencia de nuevas competencias TIC, importantes para la mayor´ıa de los profesionales de una sociedad y el desarrollo de las personas y de las naciones, en un mundo cada vez m´as interconectado. Es por ello que la educaci´on superior debe hacer de esto una tarea prioritaria, y para ello corresponde tambi´en implementar pol´ıticas y proyectos que involucren a todos los actores del proceso. Esta investigaci´on aborda la optimizaci´on del rendimiento predictivo en la detecci´on temprana de la deserci´on universitaria en universidades p´ublicas chilenas, espec´ıficamente en estudiantes de primer a˜no de la Facultad de Ingenier´ıa Civil Inform´atica o carreras afines, como computaci´on, sistemas o gesti´on en TI. Utilizamos valores desarrolladas como datos sint´eticos inferidos por estad´ısticas obtenidas en estudios relacionados con el tema de investigaci´on. Demostramos que los atributos socio-demogr´aficos representan las variables m´as relevantes para explicar el fen´omeno de la deserci´on temprana, que afecta al menos al 21% de los estudiantes en el contexto planteado. La calidad del dato se considera una condici´on relevante en el estudio y formar´a parte de la evoluci´on de esta investigaci´on, contar con la data de la calidad requerida. En cualquier caso, basamos los resultados de esta investigaci´on en otras desarrolladas en Chile y otros pa´ıses, que permiten confirmar la efectividad del machine learning para la detecci´on temprana de la deserci´on universitaria. Mediante la aplicaci´on de modelos de machine learning y metahur´ıstica, se busca mejorar el rendimiento predictivo, que en trabajos relacionados alcanza una precisi´on de hasta 0,91. La hip´otesis plantea que el uso de metahur´ıstica incrementa el rendimiento predictivo en el an´alisis de procesos sociales como la deserci´on temprana, cuya correlaci´on con variables socio-demogr´aficas ha sido demostrada en trabajos referidos en la presente investigaci´on. Un modelo predictivo de alta precisi´on permite implementar medidas mitigatorias que optimicen la inversi´on p´ublica, facilitando un mejor acompa˜namiento para la permanencia de los estudiantes y aumentando el acceso a la gratuidad sin modificar los montos nominales invertidos por el Estado. 2 ´ Indice 1. Introducci´on 5 1.1. Motivaci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.2. Hip´otesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3. Justificaci´on del Problema . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.4. Definici´on del Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.5. Relevancia del Estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.6. An´alisis de Causa Ra´ız . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.7. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.7.1. Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.7.2. Objetivos Espec´ıficos . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.8. Metodolog´ıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.9. Alcances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2. Trabajos Relacionados 13 2.1. Marco Te´orico y Conceptual . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.1.1. Marco Te´orico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.1.2. Marco Conceptual . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.2. Estado del Arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3. Materiales y m´etodos 23 3.1. Dise˜no de Investigaci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.2. Definici´on de mediciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.2.1. Variables explicativas y an´alisis de correlaci´on . . . . . . . . . . . 24 4. Resultados 26 Referencias 28 3 ´ Indice de tablas ´ Indice de figuras 1. Figura de los m´odulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2. Figura de los m´odulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 4 1. Introducci´on Desde principios del presente siglo XXI, se ha utilizado el an´alisis de los logros universitarios en Chile como herramienta fundamental para el dise˜no de las pol´ıticas p´ublicas e iniciativas privadas –sin fines de lucro– en la educaci´on superior. El dise˜no de dichas pol´ıticas, el aporte de las carreras universitarias con respecto a las necesidades de la naci´on y la comunidad, los estudios universitarios como factor fundamental de movilidad social y, en definitiva, la alineaci´on de estos esfuerzos con el desarrollo del pa´ıs; han adquirido cada vez m´as importancia en tanto que la sociedad en su conjunto, cada vez demanda mayor calidad en la educaci´on superior y que adem´as se encuentre acompa˜nada con modos de financiamiento impulsados por el estado -alcanzando a la gratuidad para la educaci´on superior [ 1 ]-, que permitan la participaci´on cada vez mayor de los estudiantes que deseen cursar carreras en la educaci´on superior [2]. Sin embargo, si bien los incentivos y beneficios de las carreras universitarias, su importancia para la sociedad y la opini´on generalizada sobre lo positivo que representa para un pa´ıs contar con la infraestructura de estudios superiores necesaria para entregar oportunidades de estudios a todos aquellos que as´ı lo requieran [ 2 ]; esto entra en conflicto con las tasas de alta deserci´on, es decir, con la alta probabilidad de que un estudiante que eligi´o estudiar una carrera universitaria no la culmine, dejando en el camino e incluso, con p´erdidas importantes de lo que diversas instituciones y el estado de Chile invierten en este apartado; considerando tambi´en los impactos negativos que tiene para la sociedad en general y sobre la comunidad de la que forma parte el estudiante que deserta. En Chile, m´as de un 30% de los estudiantes dejan los estudios en el transcurso del primer a˜no de educaci´on superior, es decir, 1 de cada 3 alumnos que ingresan a estudiar en alguna Instituci´on de Educaci´on Superior no termina sus estudios. Este tema constituye una de las grandes preocupaciones del sistema de Educaci´on Superior en Chile, y del Ministerio de Educaci´on en particular [ 3 ]. Estudiaremos a lo largo del presente trabajo la brecha cognitiva como factor de deserci´on estudiantil, la importancia de su detecci´on temprana [ 4 ] y el uso de la tecnolog´ıa de machine learning para detectar, identificar y predecir la deserci´on en carreras de la ingenier´ıa, para de esta forma, mitigar el riesgo y los efectos que ocasiona cada vez que un estudiante deserta o no completa sus estudios superiores. Establecer la dependencia de los resultados colectivos con las condiciones individuales formar´a parte de la informaci´on que ser´a analizada, por lo que se espera que este trabajo sea un aporte para disminuir y mitigar el impacto de la brecha cognitiva presente sobre los nuevos estudiantes de carreras de ingenier´ıa, utilizando y aplicando procesos tecnol´ogicos que den resultados positivos en investigaciones que implican un gran conjunto de datos, as´ı tambi´en determinar su grado de correlaci´on y, al mismo tiempo, entregar altas tasas de predictibilidad [ 5 ] cuando ejecutamos procedimientos como los utilizados en machine learning. La deserci´on universitaria en el primer a˜no de estudio representa un desaf´ıo significativo para las universidades p´ublicas chilenas, particularmente en la Facultad de Ingenier´ıa Civil Inform´atica y carreras relacionadas con inform´atica, computaci´on, sistemas y gesti´on en TI, donde al menos el 21% de los estudiantes abandona sus estudios. Este fen´omeno no solo impacta la trayectoria acad´emica de los estudiantes, sino que tambi´en supone 5 baja rentabilidad social en la inversi´on p´ublica destinada a la educaci´on superior. En este contexto, la detecci´on temprana de la deserci´on se presenta como una herramienta clave para implementar medidas mitigatorias que optimicen el uso de los recursos p´ublicos, promuevan la permanencia estudiantil y aumenten el acceso a la gratuidad. Esta tesis propone el uso de modelos de machine learning combinados con metahur´ıstica para mejorar el rendimiento predictivo en la identificaci´on de estudiantes en riesgo de deserci´on, centr´andose en atributos socio-demogr´aficos como las variables m´as relevantes para explicar este fen´omeno. La investigaci´on eval´ua la hip´otesis de que las metahur´ısticas pueden incrementar la precisi´on predictiva, que en estudios previos alcanza hasta un 0,91, en el an´alisis de procesos sociales como la deserci´on temprana. Adem´as, se considera la calidad del dato como un factor relevante, aunque no como un objetivo espec´ıfico. A trav´es de este enfoque, se busca contribuir al desarrollo de estrategias que fortalezcan la permanencia estudiantil y optimicen la inversi´on p´ublica en las universidades p´ublicas chilenas. 1.1. Motivaci´on La motivaci´on de esta investigaci´on radica en la necesidad urgente de abordar la deserci´on universitaria en el primer a˜no de estudio, un problema que afecta de manera significativa a las universidades p´ublicas chilenas, especialmente en carreras de ingenier´ıa inform´atica y afines. Este fen´omeno no solo representa una p´erdida de oportunidades para los estudiantes, sino que tambi´en implica un uso ineficiente de los recursos p´ublicos destinados a la educaci´on superior, un aspecto cr´ıtico en un contexto de presupuestos limitados. La posibilidad de detectar tempranamente a los estudiantes en riesgo de deserci´on mediante modelos predictivos de alta precisi´on, potenciados por machine learning y metaheur´ısticas, ofrece una oportunidad para implementar medidas mitigatorias efectivas que promuevan la permanencia estudiantil. Al optimizar el rendimiento predictivo, esta investigaci´on busca no solo mejorar la asignaci´on de recursos p´ublicos, sino tambi´en contribuir al acceso equitativo a la educaci´on superior, permitiendo que m´as estudiantes puedan beneficiarse de la gratuidad y completar sus estudios. La relevancia de los atributos socio-demogr´aficos como factores explicativos de la deserci´on, combinada con el potencial de las metaheur´ısticas para analizar procesos sociales complejos, impulsa este trabajo como un aporte significativo tanto para la academia como para las pol´ıticas p´ublicas en educaci´on. 1.2. Hip´otesis La hip´otesis plantea que el uso de metahur´ıstica incrementa el rendimiento predictivo en el an´alisis de procesos sociales como la deserci´on temprana, cuya correlaci´on con variables socio-demogr´aficas han sido demostrada en trabajos referidos en la presente investigaci´on. La deserci´on temprana universitaria en universidades p´ublicas, definiendo deserci´on temprana como la deserci´on de una carrera dentro del primer a˜no de estudio, est´an afectadas principalmente por variables socio-econ´omicas. Al excluir el rendimiento acad´emico previo a la carrera universitaria, las variables socio-econ´omicas se hacen las m´as importantes. 6 1.3. Justificaci´on del Problema La deserci´on universitaria en el primer a˜no, particularmente en carreras de ingenier´ıa inform´atica, representa un problema cr´ıtico en las universidades p´ublicas chilenas debido a su impacto en la equidad educativa y la eficiencia de la inversi´on p´ublica. Con al menos el 21% de los estudiantes abandonando sus estudios en este periodo, se generan p´erdidas significativas tanto para los individuos, que ven truncadas sus oportunidades de formaci´on, como para el sistema educativo, que enfrenta un uso ineficiente de los recursos destinados a la gratuidad y el acompa˜namiento estudiantil. La detecci´on temprana de la deserci´on, apoyada en modelos predictivos de alta precisi´on, permite implementar medidas mitigatorias que no solo reduzcan las tasas de abandono, sino que tambi´en optimicen el presupuesto p´ublico sin necesidad de incrementar los montos nominales invertidos. La relevancia de los atributos socio-demogr´aficos como factores explicativos, junto con el potencial de las metaheur´ısticas para mejorar la precisi´on predictiva, justifica la necesidad de esta investigaci´on para desarrollar soluciones que fortalezcan la permanencia estudiantil y maximicen el impacto de las pol´ıticas p´ublicas en educaci´on superior. 1.4. Definici´on del Problema El problema abordado en esta investigaci´on se centra en la alta tasa de deserci´on universitaria en el primer a˜no de estudio en la Facultad de Ingenier´ıa Civil Inform´atica y carreras afines (computaci´on, sistemas o gesti´on en TI) en universidades p´ublicas chilenas, donde al menos el 21% de los estudiantes abandona sus estudios. Este fen´omeno, influenciado principalmente por atributos socio-demogr´aficos, representa un desaf´ıo para la optimizaci´on de la inversi´on p´ublica en educaci´on superior, ya que los recursos destinados a la gratuidad y el acompa˜namiento estudiantil no logran el impacto esperado. La calidad del dato, aunque relevante, no es el foco principal del estudio. El problema radica en la necesidad de identificar con alta precisi´on a los estudiantes en riesgo de deserci´on temprana mediante modelos predictivos que superen el rendimiento de los enfoques tradicionales (precisi´on de hasta 0,91) y en determinar si el uso de metahur´ısticas puede optimizar estos modelos para mejorar la detecci´on y, por ende, facilitar la implementaci´on de medidas mitigatorias que promuevan la permanencia estudiantil y la eficiencia del presupuesto p´ublico. La correlaci´on entre los logros educativos colectivos, en facultades de ciencias como las ingenier´ıas, con los antecedentes individuales, familiares y de entorno, ha representado un desaf´ıo complejo de superar [ 6 ]. La evidencia sugiere que en Chile existe una fuerte dependencia de los resultados educativos colectivos con el g´enero, raza, familia y dem´as condiciones que representan indicadores relevantes de desigualdad en la movilidad social [ 7 ]. Es decir, si bien se conoce que la titulaci´on universitaria es un factor que iguala oportunidades laborales y profesionales por encima de las condiciones previas al ingreso de la carrera, sin embargo, en facultades de ciencias y espec´ıficamente en las carreras de ingenier´ıa, encontramos una alta deserci´on estudiantil en las primeras etapas de la carrera, lo cual se identifica como la brecha cognitiva que trae una proporci´on importante de los estudiantes, en su camino desde la educaci´on media a la educaci´on superior o universitaria. Para efectos de este trabajo, utilizaremos la definici´on de quien habla de deserci´on como una situaci´on a la que se enfrenta un estudiante cuando aspira y no logra concluir su proyec7 to educativo. Por lo tanto, consideramos posible definir a un estudiante desertor como aquel individuo que, siendo estudiante de una instituci´on de educaci´on superior, no presenta actividad acad´emica durante tres semestres acad´emicos consecutivos. A este comportamiento le denominaremos “primera deserci´on”, ya que no se puede determinar si, pasado este periodo de tiempo, el individuo retomar´a o no sus estudios o si decidir´a iniciar otro programa acad´emico. Podemos diferenciar dos tipos de abandono en los estudiantes universitarios, con respecto al tiempo (inicial, temprana y tard´ıa) y con respecto al espacio (institucional, interna y del sistema educativo). La deserci´on a trav´es de la trayectoria acad´emica existe en varios periodos cr´ıticos en la trayectoria estudiantil en que las interacciones entre la instituci´on y los estudiantes pueden influir directamente en la deserci´on. El primero se desarrolla durante el proceso de admisi´on, cuando el estudiante realiza el primer contacto con la universidad. Durante la etapa de indagaci´on de los requisitos para ingresar a una determinada instituci´on, los estudiantes forman las primeras impresiones sobre las caracter´ısticas sociales e intelectuales de esta. Las impresiones se originan en gran medida en los mensajes que se distribuyen a los potenciales postulantes en el proceso de admisi´on, a trav´es de los distintos medios de comunicaci´on, tales como: folleter´ıa, televisi´on, radio, internet, entre otros medios masivos. Esto contribuye a crear expectativas sobre la naturaleza de la vida institucional previo a su ingreso, y esas expectativas influyen en la calidad de las primeras interacciones que se establecen con la instituci´on. La formaci´on de expectativas sobre las condiciones de la vida estudiantil o acad´emica puede conducir a decepciones tempranas en el caso de que lo esperado sea mayor que lo recibido. Ello pone en movimiento una serie de interacciones que lleven a la deserci´on. Por lo tanto, es fundamental que la instituci´on, a trav´es de los distintos canales de comunicaci´on o medios publicitarios, genere expectativas realistas y precisas acerca de las caracter´ısticas de la vida institucional en los estudiantes que ingresan. Una segunda etapa cr´ıtica en la trayectoria acad´emica del estudiante es la de transici´on entre la ense˜nanza media y la instituci´on, inmediatamente despu´es del ingreso a la instituci´on. En el primer semestre, en particular en las primeras seis semanas, se pueden presentar grandes dificultades: esto se presenta en las grandes universidades, porque los estudiantes son obligados a transitar desde el ambiente conocido y relativamente seguro del colegio, al mundo en apariencia impersonal de la universidad, en el cual deben valerse por s´ı mismos, tanto en el aula como en los distintos espacios institucionales. La rapidez y el grado de la transici´on plantean serios problemas en el proceso de ajuste a muchos estudiantes que no son capaces de cumplir en forma independiente. La sensaci´on de estar ’perdido’ o de no ser capaz de establecer contacto con otros miembros de la instituci´on expresa, en parte, la situaci´on an´ımica en que se encuentran muchos estudiantes. Si bien, los factores de deserci´on mencionados representan una importante influencia en la deserci´on temprana universitaria, los problemas de deserci´on toman una mayor consideraci´on cuando tomamos en cuenta a los factores institucionales que sustentan a los m´as elevados organismos educativos, especialmente en el tiempo en que desarrollamos este trabajo, donde existe gratuidad para la educaci´on superior. Es decir, tiene una ponderaci´on distinta cuando la decisi´on es llevada por un an´alisis individual a cuando refiere a motivos derivados del entorno socio-econ´omico del estudiante o condiciones relacionadas con la infraestructura universitaria del pa´ıs; esto porque un 8 an´alisis del entorno del estudiante puede tener como soluci´on el dise˜no de pol´ıticas de retenci´on notablemente diferentes a aquellas que se tomen de forma aislada o llevadas hacia el individuo. Por ejemplo, una mejor distribuci´on de la ayuda econ´omica hacia los estudiantes tiene a su vez resultados con mayor efectividad masiva en comparaci´on con pol´ıticas segmentadas que pudieran poner en riesgo la efectividad del uso de los presupuestos p´ublicos para la mitigaci´on de la deserci´on universitaria temprana. El estudio de la deserci´on en la educaci´on superior ofrece una alta complejidad debido a la variedad de perspectivas individuales adem´as de diferentes tipos de abandono. Aunque tenemos presente estas dificultades en el desarrollo del an´alisis de este trabajo, optamos por analizar los factores que m´as inciden sobre los resultados en la aplicaci´on de pol´ıticas p´ublicas de educaci´on superior. Para este tipo de an´alisis, la retenci´on de estudiantes sin las respectivas vinculaciones con su entorno puede colaborar con la mitigaci´on del problema, pero con una efectividad limitada, al momento de tomar decisiones relacionadas con la ejecuci´on de presupuestos p´ublicos dirigidos a la contenci´on en la deserci´on universitaria. 1.5. Relevancia del Estudio Considerando que, para minimizar el impacto de la brecha cognitiva presente en los nuevos estudiantes de carreras de ingenier´ıa, la detecci´on temprana es muy relevante [ 8 ], planteamos el problema de determinar qu´e herramientas metodol´ogicas o tecnol´ogicas nos pueden permitir dicha identificaci´on temprana y en qu´e momento de la carrera es el m´as propicio para trabajar en la mitigaci´on de la brecha cognitiva. Elegimos como herramienta a utilizar en el presente trabajo a la tecnolog´ıa de Machine Learning por sus positivos resultados en investigaciones que implican un gran conjunto de datos, determinar el grado de correlaci´on entre diferentes variables y, al mismo tiempo, altas tasas de predictibilidad cuando se ejecutan este tipo de procedimientos [5]. La correlaci´on entre los logros educativos colectivos, en facultades de ciencias como las ingenier´ıas, con los antecedentes individuales, familiares y de entorno, han representado un desaf´ıo complejo de superar. La evidencia sugiere que en Chile existe una fuerte dependencia de los resultados educativos colectivos con el g´enero, raza, familia y dem´as condiciones que representan indicadores relevantes de desigualdad en la movilidad social. Es decir, si bien se conoce que la titulaci´on universitaria es un factor que iguala oportunidades laborales y profesionales por encima de las condiciones previas al ingreso de la carrera, sin embargo, en facultades de ciencias y espec´ıficamente las carreras de ingenier´ıa, encontramos una alta deserci´on estudiantil en las primeras etapas de la carrera, lo cual se identifica como la brecha cognitiva que trae una proporci´on importante de los estudiantes, en su camino desde la educaci´on media a la educaci´on superior o universitaria. 1.6. An´alisis de Causa Ra´ız Abajo se encuentra el diagrama de causa y efecto o de Ishikawa utilizado para el an´alisis de las causas que generan el efecto de la brecha cognitiva en la educaci´on superior. Dicho diagrama muestra cuatro categor´ıas en las que se clasifican las causas: pol´ıtica p´ublica, 9 entrada, siendo la propia red quien deba encontrar las categor´ıas apropiadas a partir de correlaciones en las entradas presentadas. Los tres grupos de algoritmos del machine learning Una vez entendido qu´e es el machine learning, cabe conocer los tres tipos de algoritmos de aprendizaje autom´atico que existen: supervisado, no supervisado y por refuerzo. 1. Aprendizaje supervisado: En el aprendizaje supervisado, la m´aquina se ense˜na con el ejemplo. De este modo, el operador proporciona al algoritmo de aprendizaje autom´atico un conjunto de datos conocidos que incluye las entradas y salidas deseadas, y el algoritmo debe encontrar un m´etodo para determinar c´omo llegar a esas entradas y salidas. Mientras el operador conoce las respuestas correctas al problema, el algoritmo identifica patrones en los datos, aprende de las observaciones y hace predicciones. El algoritmo realiza predicciones y es corregido por el operador, y este proceso sigue hasta que el algoritmo alcanza un alto nivel de precisi´on y rendimiento. 2. Aprendizaje sin supervisi´on: Aqu´ı, el algoritmo de aprendizaje autom´atico estudia los datos para identificar patrones. No hay una clave de respuesta o un operador humano para proporcionar instrucci´on. En cambio, la m´aquina determina las correlaciones y las relaciones mediante el an´alisis de los datos disponibles. En un proceso de aprendizaje no supervisado, se deja que el algoritmo de aprendizaje autom´atico interprete grandes conjuntos de datos y dirija esos datos en consecuencia. As´ı, el algoritmo intenta organizar esos datos de alguna manera para describir su estructura. Esto podr´ıa significar la necesidad de agrupar los datos en grupos u organizarlos de manera que se vean m´as organizados. A medida que eval´ua m´as datos, su capacidad para tomar decisiones sobre los mismos mejora gradualmente y se vuelve m´as refinada. 3. Aprendizaje por refuerzo: El aprendizaje por refuerzo se centra en los procesos de aprendizajes reglamentados, en los que se proporcionan algoritmos de aprendizaje autom´aticos con un conjunto de acciones, par´ametros y valores finales. Al definir las reglas, el algoritmo de aprendizaje autom´atico intenta explorar diferentes opciones y posibilidades, monitorizando y evaluando cada resultado para determinar cu´al es el ´optimo. En consecuencia, este sistema ense˜na la m´aquina a trav´es del proceso de ensayo y error. Aprende de experiencias pasadas y comienza a adaptar su enfoque en respuesta a la situaci´on para lograr el mejor resultado posible. 7 tipos de algoritmos del machine learning ¿Cu´ales son los algoritmos de aprendizaje autom´atico m´as comunes y populares? 1. Algoritmos de regresi´on: En las tareas de regresi´on, el programa de aprendizaje autom´atico debe estimar y comprender las relaciones entre las variables. El an´alisis de regresi´on se enfoca en una variable dependiente y una serie de otras variables cambiantes, lo que lo hace particularmente ´util para la predicci´on y el pron´ostico. 16 2. Algoritmos bayesianos: Este tipo de algoritmos por clasificaci´on est´an basados en el teorema de Bayes y clasifican cada valor como independiente de cualquier otro. Lo que permite predecir una clase o categor´ıa en funci´on de un conjunto dado de caracter´ısticas, utilizando la probabilidad. A pesar de su simplicidad, el clasificador funciona sorprendentemente bien y se usa a menudo porque supera a los m´etodos de clasificaci´on m´as sofisticados. 3. Algoritmos de agrupaci´on: Se utilizan en el aprendizaje no supervisado, y sirven para categorizar datos no etiquetados, es decir, datos sin categor´ıas o grupos definidos. El algoritmo funciona mediante la b´usqueda de grupos dentro de los datos, con el n´umero de grupos representados por la variable K. A continuaci´on, funciona de manera iterativa para asignar cada punto de datos a uno de los K grupos seg´un las caracter´ısticas proporcionadas. 4. Algoritmos de ´arbol de decisi´on: Un ´arbol de decisi´on es una estructura de ´arbol similar a un diagrama de flujo que utiliza un m´etodo de bifurcaci´on para ilustrar cada resultado posible de una decisi´on. Cada nodo dentro del ´arbol representa una prueba en una variable espec´ıfica, y cada rama es el resultado de esa prueba. 5. Algoritmos de redes neuronales: Una red neuronal artificial (RNA) comprende unidades dispuestas en una serie de capas, cada una de las cuales se conecta a las capas anexas. Las RNA se inspiran en los sistemas biol´ogicos, como el cerebro, y en c´omo procesan la informaci´on. Por lo tanto, son esencialmente un gran n´umero de elementos de procesamiento interconectados, que trabajan al un´ısono para resolver problemas espec´ıficos. Tambi´en aprenden con el ejemplo y la experiencia, y son extremadamente ´utiles para modelar relaciones no lineales en datos de alta dimensi´on, o donde la relaci´on entre las variables de entrada es dif´ıcil de entender. 6. Algoritmos de reducci´on de dimensi´on: La reducci´on de dimensi´on reduce el n´umero de variables que se consideran para encontrar la informaci´on exacta requerida. 7. Algoritmos de Aprendizaje Profundo: Los algoritmos de aprendizaje profundo ejecutan datos a trav´es de varias capas de algoritmos de redes neuronales, las cuales pasan a una representaci´on simplificada de los datos a la siguiente capa. La mayor´ıa funciona bien en conjuntos de datos que tienen hasta unos cientos de caracter´ısticas o columnas. Sin embargo, un conjunto de datos no estructurado, como el de una imagen, tiene una cantidad tan grande de caracter´ısticas que este proceso se vuelve engorroso o completamente inviable. 2.1.2. Marco Conceptual Para efectos de este trabajo, utilizaremos la definici´on de [ 13 ] quien habla de deserci´on como una situaci´on a la que se enfrenta un estudiante cuando aspira y no logra concluir su proyecto educativo. Por lo tanto, consideramos posible definir a un estudiante desertor como aquel individuo que, siendo estudiante de una instituci´on de educaci´on superior, 17 no presenta actividad acad´emica durante tres semestres acad´emicos consecutivos. A este comportamiento le denominaremos “primera deserci´on”, ya que no se puede determinar si pasado este periodo de tiempo el individuo retomar´a o no sus estudios o si decidir´a iniciar otro programa acad´emico. Podemos diferenciar dos tipos de abandono en los estudiantes universitarios, con respecto al tiempo (inicial, temprana y tard´ıa) y con respecto al espacio (institucional, interna y del sistema educativo). La deserci´on a trav´es de la trayectoria acad´emica, existe en varios periodos cr´ıticos en la trayectoria estudiantil en que las interacciones entre la instituci´on y los estudiantes pueden influir directamente en la deserci´on. El primero, se desarrolla durante el proceso de admisi´on, cuando el estudiante realiza el primer contacto con la universidad. Durante la etapa de indagaci´on de los requisitos para ingresar a una determinada instituci´on, los estudiantes forman las primeras impresiones sobre las caracter´ısticas sociales e intelectuales de esta. Las impresiones se originan en gran medida en los mensajes que se distribuyen a los potenciales postulantes en el proceso de admisi´on, a trav´es de los distintos medios de comunicaci´on, tales como: folleter´ıa, televisi´on, radio, internet, entre otros medios masivos. Esto contribuye a crear expectativas sobre la naturaleza de la vida institucional previo a su ingreso, y esas expectativas influyen en la calidad de las primeras interacciones que se establecen con la instituci´on. La formaci´on de expectativas sobre las condiciones de la vida estudiantil o acad´emica puede conducir a decepciones tempranas en el caso que lo esperado sea mayor que lo recibido. Ello pone en movimiento una serie de interacciones que lleven a la deserci´on. Por lo tanto, es fundamental que la instituci´on, a trav´es de los distintos canales de comunicaci´on o medios publicitarios, genere expectativas realistas y precisas acerca de las caracter´ısticas de la vida institucional en los estudiantes que ingresan. Una segunda etapa cr´ıtica en la trayectoria acad´emica del estudiante es la de transici´on entre la ense˜nanza media y la instituci´on, inmediatamente despu´es del ingreso a la instituci´on. En el primer semestre, en particular en las primeras seis semanas, se pueden presentar grandes dificultades: esto se presenta en las grandes universidades, porque los estudiantes son obligados a transitar desde el ambiente conocido y relativamente seguro del colegio, al mundo en apariencia impersonal de la universidad, en el cual deben valerse por s´ı mismos, tanto en el aula como en los distintos espacios institucionales. La rapidez y el grado de la transici´on plantean serios problemas en el proceso de ajuste a muchos estudiantes que no son capaces de cumplir en forma independiente. La sensaci´on de estar ’perdido’ o de no ser capaz de establecer contacto con otros miembros de la instituci´on expresa, en parte, la situaci´on an´ımica en que se encuentran muchos estudiantes. Si bien, los factores de deserci´on mencionados representan una importante influencia en la deserci´on temprana universitaria [ 14 ], los problemas de deserci´on toman una mayor consideraci´on cuando tomamos en cuenta a los factores institucionales que sustentan a los m´as elevados organismos educativos, especialmente en el tiempo en que desarrollamos este trabajo, donde existe gratuidad para la educaci´on superior. Es decir, tiene una ponderaci´on distinta cuando la decisi´on es llevada por un an´alisis individual a cuando refiere a motivos derivados del entorno socio-econ´omico del estudiante o condiciones relacionadas con la infraestructura universitaria del pa´ıs; esto porque un an´alisis del entorno del estudiante puede tener como soluci´on el dise˜no de pol´ıticas de 18 retenci´on notablemente diferentes a aquellas que se tomen de forma aislada o llevada hacia el individuo. Por ejemplo, una mejor distribuci´on de la ayuda econ´omica hacia los estudiantes, tiene a su vez resultados con mayor efectividad masiva en comparaci´on con pol´ıticas segmentadas que pudieran poner en riesgo la efectividad del uso de los presupuestos p´ublicos para la mitigaci´on de la deserci´on universitaria temprana. El estudio de la deserci´on en la educaci´on superior ofrece una alta complejidad debido a la variedad de perspectivas individuales adem´as de diferentes tipos de abandono. Aunque tenemos presente estas dificultades en el desarrollo del an´alisis de este trabajo, optamos por analizar los factores que m´as inciden sobre los resultados en la aplicaci´on de pol´ıticas p´ublicas de educaci´on superior. Para este tipo de an´alisis, la retenci´on de estudiantes sin las respectivas vinculaciones con su entorno, pueden colaborar con la mitigaci´on del problema, pero con una efectividad limitada, al momento de tomar decisiones relacionadas con la ejecuci´on de presupuestos p´ublicos dirigidos a la contenci´on en la deserci´on universitaria. 2.2. Estado del Arte La deserci´on temprana en el primer a˜no de estudios universitarios, especialmente en carreras como Ingenier´ıa Inform´atica, es un problema global que afecta tanto a instituciones educativas como a los estudiantes y sus familias. En Chile, por ejemplo, la deserci´on en carreras de ingenier´ıa puede alcanzar tasas cercanas al 30% en el primer a˜no. Internacionalmente, pa´ıses como Argentina, M´exico y Colombia reportan tasas de deserci´on en ingenier´ıa que oscilan entre el 30% y el 60%. Para abordar este problema, se han utilizado t´ecnicas de aprendizaje autom´atico, como ´arboles de decisi´on, redes neuronales y m´aquinas de soporte vectorial, optimizadas mediante metaheur´ısticas para mejorar la precisi´on predictiva y la eficiencia computacional. Las metaheur´ısticas, como algoritmos gen´eticos, optimizaci´on por enjambre de part´ıculas (PSO) y recocido simulado, son m´etodos de optimizaci´on que permiten ajustar par´ametros de modelos predictivos, seleccionar caracter´ısticas relevantes o mejorar la estructura de los algoritmos, logrando un mejor rendimiento en la predicci´on de la deserci´on. Avances en Chile En el contexto chileno, varios estudios han abordado la predicci´on de la deserci´on universitaria utilizando t´ecnicas de aprendizaje autom´atico, aunque el uso espec´ıfico de metaheur´ısticas es menos com´un. A continuaci´on, se destacan investigaciones relevantes: 1. Universidad Cat´olica del Norte y Universidad del B´ıo-B´ıo (2020): Un estudio utiliz´o ´arboles de decisi´on (CBAD) con par´ametros optimizados mediante la herramienta RapidMiner para predecir la deserci´on en una universidad p´ublica chilena. El modelo alcanz´o una precisi´on del 87.27% al analizar 5,288 casos, considerando variables como puntajes de ingreso, nivel socioecon´omico y rendimiento acad´emico. Aunque no se menciona expl´ıcitamente el uso de metaheur´ısticas, la optimizaci´on de par´ametros sugiere t´ecnicas relacionadas, como b´usqueda en cuadr´ıcula o algoritmos evolutivos [15]. 19 2. Universidad de Chile (2020): En la Facultad de Ciencias F´ısicas y Matem´aticas, se aplicaron modelos de clasificaci´on (regresi´on log´ıstica, redes neuronales y SVM) para predecir la deserci´on temprana en estudiantes de ingenier´ıa. Los resultados indicaron que los atributos socioecon´omicos y el promedio de ense˜nanza media son predictores clave. Este estudio no emple´o metaheur´ısticas directamente, pero destaca la importancia de optimizar modelos para mejorar la precisi´on [16]. 3. Universidad Bernardo O’Higgins (2021): Un modelo predictivo basado en miner´ıa de datos analiz´o variables acad´emicas, sociales y familiares de estudiantes de primer a˜no. Aunque se enfoc´o en t´ecnicas de clustering y ´arboles de decisi´on, la optimizaci´on de par´ametros podr´ıa beneficiarse de metaheur´ısticas para mejorar la selecci´on de caracter´ısticas [17]. En Chile, la investigaci´on sobre deserci´on en Ingenier´ıa Inform´atica se centra principalmente en variables predictivas como puntajes de ingreso (PSU o PDT), nivel socioecon´omico, g´enero, edad y rendimiento acad´emico inicial. Sin embargo, la aplicaci´on de metaheur´ısticas para optimizar estos modelos a´un es limitada, lo que representa una oportunidad para futuras investigaciones. Avances Internacionales A nivel internacional, la combinaci´on de aprendizaje autom´atico y metaheur´ısticas ha sido m´as explorada, especialmente en pa´ıses como Argentina, Colombia, Cuba y Estados Unidos. Los siguientes estudios son relevantes: 1. Argentina (2019): En la Universidad Tecnol´ogica Nacional (UTN), se desarrollaron modelos predictivos de deserci´on en cursos en l´ınea utilizando registros de Moodle. Se emplearon redes neuronales optimizadas con algoritmos gen´eticos para ajustar hiperpar´ametros, logrando una alta precisi´on en la predicci´on temprana (semanas 1-2) de deserci´on. Los resultados mostraron que las redes neuronales superaron a otros algoritmos en tres de cuatro cursos analizados [18]. 2. Cuba (2019): Un estudio en carreras de Ingenier´ıa Inform´atica analiz´o 485 estudiantes de primer a˜no, utilizando regresi´on log´ıstica y an´alisis discriminante. Los factores predictivos incluyeron el rendimiento en matem´aticas y programaci´on, as´ı como la procedencia del estudiante. Aunque no se usaron metaheur´ısticas directamente, el estudio sugiere que la optimizaci´on de caracter´ısticas mediante algoritmos gen´eticos podr´ıa mejorar la precisi´on [19]. 3. Colombia (2018): En la Universidad de la Salle, se propuso un modelo de clasificaci´on basado en la metodolog´ıa CRISP-DM, utilizando ´arboles de decisi´on, redes neuronales y SVM. Los autores destacaron el potencial de metaheur´ısticas, como algoritmos gen´eticos, para optimizar la selecci´on de caracter´ısticas y mejorar la predicci´on de deserci´on en ingenier´ıa [20]. 20 4. Estados Unidos (2019): Gray & Perkins aplicaron t´ecnicas de aprendizaje autom´atico para predecir el ´exito acad´emico basado en el uso de materiales de aprendizaje. La optimizaci´on de modelos mediante PSO mejor´o la precisi´on al reducir el n´umero de caracter´ısticas irrelevantes, logrando una precisi´on superior al 85% [21]. Internacionalmente, las metaheur´ısticas m´as utilizadas incluyen algoritmos gen´eticos, PSO y recocido simulado. Estas t´ecnicas se emplean para optimizar hiperpar´ametros, seleccionar caracter´ısticas relevantes (como variables socioecon´omicas o acad´emicas) y reducir la complejidad computacional de los modelos. Metaheur´ısticas en la Optimizaci´on de Algoritmos Las metaheur´ısticas son especialmente ´utiles para resolver problemas de optimizaci´on no lineales y de diferentes dimensiones, como las asociadas con la predicci´on de deserci´on universitaria. A continuaci´on, se describen las metaheur´ısticas m´as relevantes en este contexto: 1. Algoritmos Gen´eticos (AG): Inspirados en la evoluci´on biol´ogica, los AG optimizan par´ametros de modelos predictivos (por ejemplo, pesos de redes neuronales) o seleccionan subconjuntos de caracter´ısticas relevantes. En el contexto de la deserci´on, los AG han sido utilizados para mejorar la precisi´on de ´arboles de decisi´on y redes neuronales, reduciendo el sobreajuste. 2. Optimizaci´on por Enjambre de Part´ıculas (PSO): Este m´etodo simula el comportamiento de enjambres para encontrar soluciones ´optimas en espacios de b´usqueda complejos. En estudios internacionales, PSO se ha utilizado para optimizar hiperpar´ametros de SVM y redes neuronales, logrando mejoras significativas en la predicci´on de deserci´on. 3. Recocido Simulado (SA): Basado en procesos termodin´amicos, el SA es ´util para optimizar problemas con m´ultiples ´optimos locales. Aunque menos com´un en la predicci´on de deserci´on, se ha aplicado en la selecci´on de caracter´ısticas para modelos de clasificaci´on. 4. Optimizaci´on por Colonia de Hormigas (ACO): Esta metaheur´ıstica es menos frecuente, pero se ha explorado en la optimizaci´on de flujos de datos en sistemas predictivos, especialmente en entornos de big data. 5. Support Vector Classification (SVC): El Support Vector Classification (SVC) es una implementaci´on espec´ıfica de las m´aquinas de vectores de soporte para tareas de clasificaci´on. Se basa en libsvm y busca encontrar un hiperplano que maximice el margen entre clases en un espacio de caracter´ısticas, permitiendo una clasificaci´on con m´argenes suaves para manejar datos no perfectamente separables. Esta variante introduce un par´ametro de regularizaci´on C para equilibrar el margen y los errores de clasificaci´on[22]. 6. Support Vector Machine (SVM): Las Support Vector Machines (SVM) son modelos supervisados de margen m´aximo con algoritmos de aprendizaje asociados 21 que analizan datos para clasificaci´on, regresi´on u otras tareas como detecci´on de outliers. Construyen un hiperplano o conjunto de hiperplanos en un espacio de alta o infinita dimensi´on, logrando una buena separaci´on al maximizar la distancia al punto de datos de entrenamiento m´as cercano de cualquier clase (margen funcional), lo que generalmente reduce el error de generalizaci´on del clasificador[22]. 7. Particle Swarm Optimization (PSO): La Particle Swarm Optimization (PSO) es un m´etodo computacional que optimiza un problema iterativamente intentando mejorar una soluci´on candidata con respecto a una medida de calidad dada. Resuelve problemas mediante una poblaci´on de soluciones candidatas, llamadas part´ıculas, que se mueven en el espacio de b´usqueda seg´un f´ormulas matem´aticas simples sobre la posici´on y velocidad de las part´ıculas. El movimiento de cada part´ıcula se ve influido por su mejor posici´on local conocida y se gu´ıa hacia las mejores posiciones conocidas en el espacio de b´usqueda, actualizadas por otras part´ıculas, con la expectativa de mover el enjambre hacia las mejores soluciones[23]. Factores Predictivos Comunes Los factores m´as relevantes para predecir la deserci´on temprana en Ingenier´ıa Inform´atica incluyen: 1. Acad´emicos: Puntajes de ingreso (PSU/PDT, ex´amenes de matem´aticas), rendimiento en asignaturas clave (matem´aticas, programaci´on), asistencia a clases y participaci´on en actividades extracurriculares. 2. Socioecon´omicos: Nivel de ingresos familiares, tipo de colegio (p´ublico, privado, t´ecnico), gratuidad o becas, y distancia al campus universitario. 3. Personales: Motivaci´on, autoestima, habilidades de gesti´on del tiempo, y factores psicosociales como el estr´es o la integraci´on al ambiente universitario. 4. Institucionales: Infraestructura del campus, calidad de la ense˜nanza, y programas de acompa˜namiento como tutor´ıas o mentor´ıas. Oportunidades y Desaf´ıos 1. Oportunidades: La integraci´on de metaheur´ısticas con modelos de aprendizaje autom´atico permite mejorar la precisi´on predictiva y reducir los costos computacionales. En Chile, donde los datos institucionales son abundantes pero no siempre explotados, las metaheur´ısticas pueden optimizar sistemas de alerta temprana (SAT) para identificar estudiantes en riesgo y personalizar intervenciones. 2. Desaf´ıos: La falta de estandarizaci´on en los datos, la heterogeneidad de las cohortes y la necesidad de modelos interpretables son obst´aculos comunes. Adem´as, la aplicaci´on de metaheur´ısticas requiere experiencia t´ecnica y recursos computacionales, lo que puede ser una limitaci´on en instituciones con menos infraestructura. 22 3. Materiales y m´etodos 3.1. Dise˜no de Investigaci´on La ejecuci´on de la investigaci´on requiere de un dise˜no metodol´ogico, el cual est´a conformado por conceptos y t´ecnicas que garanticen la validez cient´ıfica y adecuada al problema y a los objetivos formulados. Partiendo de estos hechos, hemos elegido la ejecuci´on del modelo de evaluaci´on de la abstracci´on, propuesto y validado por [ 24 ], considerando una muestra por conveniencia. Evaluamos la perspectiva o an´alisis, la s´ıntesis, la elaboraci´on de una pregunta, la rotulaci´on y la propuesta de un t´ıtulo. Utilizamos una muestra que considera a 60 estudiantes en carreras de ingenier´ıa de la Universidad Nacional Andr´es Bello. Los estudiantes son de g´enero femenino y masculino. 3.2. Definici´on de mediciones El instrumento propone dos definiciones de pensamiento cr´ıtico de autores, una de ellas es propuesta por Paul y Elder (2003) y otra por Phan (2010), ambas frecuentemente utilizadas en la literatura en la ejecuci´on de este tipo de instrumentos. Los estudiantes desarrollan las fases del proceso de evaluaci´on: 3 preguntas por cada fase del proceso excepto en la propuesta del t´ıtulo que solo considera una pregunta. Las respuestas son evaluadas de 1 a 4 (1: deficitario; 2: satisfactorio; 3: Bueno; 4: ´ Optimo). Para c´alculo de la abstracci´on se basa el promedio simple de las respuestas. Adem´as, de la herramienta de evaluaci´on, se realizan preguntas demogr´aficas a los estudiantes, para luego desarrollar un an´alisis descriptivo de la muestra. Los resultados y datos del instrumento de evaluaci´on son ingresados a una base de datos para su manipulaci´on y an´alisis. Adem´as, la base de datos es limpiada de informaci´on inexacta y ´esta es normalizada. Este estudio considera el an´alisis de la Perspectiva y la Abstracci´on. Para la perspectiva se consideran los resultados del an´alisis, y para la abstracci´on se consideran los resultados de la s´ıntesis (preguntas 1 a 3), de la elaboraci´on de preguntas, la rotulaci´on y la propuesta del t´ıtulo (preguntas 4 a 13). Luego, mediante un an´alisis descriptivo gr´afico, se muestran los resultados de las variables demogr´aficas de los estudiantes contrast´andolos con los resultados de la herramienta de evaluaci´on. Variables de entrada provenientes del test: 1. Edad: Edad de los evaluados. 2. G´enero: Femenino y Masculino. 3. Tipo de colegio: Particular, Subvencionado o P´ublico. 4. Primera generaci´on en estudiar en la universidad: Padre Universitario, Madre Universitaria. 23 3.2.1. Variables explicativas y an´alisis de correlaci´on La base de datos utilizada es “dbdropout.csv” desarrollada como un set de datos sint´eticos. Las variables contenidas en la base de datos son las siguientes: 1. Puntaje PSU: matem´aticas: puntaje PSU matematicas 2. Promedio PSU: promedio PSU 3. Promedio de notas secundaria: promedio notas secundaria 4. Ingreso familiar seg´un quintil econ´omico: ingreso familiar quintil 5. Tipo de colegio secundario: tipo colegio secundario 6. Carrera ingenier´ıa inform´atica o af´ın: carrera 7. Genero: genero 8. Edad al ingresar a la universidad: edad ingreso universidad 9. Turno: turno 10. Padre universitario: padre universitario 11. Madre universitaria: madre universitaria 12. Primera generaci´on universitaria: primera generacion universitaria A continuaci´on, las referencias utilizadas por cada variable seleccionada, su relevancia y correlaci´on con el fen´omeno de la deserci´on temprana universitaria: 1. Puntaje PSU Matem´aticas Araya et al. (2021); Burgos et al. (2021); Von Hippel & Hofflinger (2020) Para Araya, es el predictor m´as importante (top en gradient boosting para ingenier´ıa, reduce riesgo si alto). Para Burgos, la prueba PSU de matem´atica tiene IG medio (ejemplo: 0.105 global), pero clave en STEM. En Von Hippel, la nota PSU (incluyendo matem´aticas) reduce las probabilidades de deserci´on en 1/3 (p<0,001) [25, 26, 27]. 2. Promedio PSU (general) Araya et al. (2021); Burgos et al. (2021); Von Hippel & Hofflinger (2020) Araya lo menciona como segundo en importancia (combinaci´on de habilidades en matematicas y verbales). Burgos incluye promedio/peso PSU (IG ∼ 0.1-0.2). Von Hippel confirma PSU general como significativo en la regresi´on log´ıstica [ 25 , 26 , 27 ]. 24 3. NEM (Promedio de notas secundaria) Burgos et al. (2021); Von Hippel & Hofflinger (2020) Burgos lo posiciona como el factor m´as importante en IG (0.430 global, 0.511 primer nivel). Von Hippel lo asocia con una menor probabilidad de deserci´on (1/6 menor por SD, p<0,10) [26, 27]. 4. Ranking escolar Burgos et al. (2021); Araya et al. (2021) Burgos incluye desempe˜no escolar/ranking en IG alto-medio. Araya lo asocia con rendimiento escolar previo, ajustado seg´un la desigualdad escolar [26, 25]. 5. Ingreso familiar (quintil econ´omico) Burgos et al. (2021); Von Hippel & Hofflinger (2020) Burgos pondera los quintiles como IG medio (0.068 global). Von Hippel encuentra que su impacto no es significativo ni consistente, pero interact´ua con otros (aumenta riesgo de deserci´on ∼15-20% en bajos quintiles) [26, 27]. 6. Tipo de colegio secundario (p´ublico/subvencionado vs. privado) Araya et al. (2021); Von Hippel & Hofflinger (2020) Araya menciona la escuela de origen como predictor de impacto medio [25, 27]. 7. Preferencia de carrera (no ser primera opci´on) Von Hippel & Hofflinger (2020) Von Hippel lo identifica como predictor de impacto medio-bajo [27]. 8. G´enero Burgos et al. (2021); Araya et al. (2021); Von Hippel & Hofflinger (2020). Araya indica que el g´enero femenino muestra una menor probabilidad de deserci´on temprana[26, 25, 27]. 9. Edad (a˜nos transcurridos desde secundaria) Burgos et al. (2021); Araya et al. (2021); Von Hippel & Hofflinger (2020) Burgos lo mide como n´umero 8 en IG (0.051). Araya incluye a los grupos etarios. Von Hippel indica que cada a˜no extra entrega un 10% menos de probabilidades en deserci´on temprana (p<0,05) [26, 25, 27]. 10. Provincia/origen geogr´afico Burgos et al. (2021) Burgos incluye factores demogr´aficos como proxy, con IG bajo (menor que 0.05) [ 26 ]. 25 [52] H. A. Felizzola, Y. A. J. Arias, F. V. Pedroza, and A. M. C. Pastrana, “Modelo de predicci´on para la deserci´on temprana en la facultad de ingenier´ıa de la universidad de la salle,” in Proc. EIEI ACOFI, 2018. [53] J. A. Caballero and I. E. Grossmann, “Una revisi´on del estado del arte en optimizaci´on,” Revista Iberoamericana de Autom´atica e Inform´atica Industrial, 2007. [54] J. G. C. Polloni, “Dise˜no y optimizaci´on de vigas de metamateriales con enrejado quiral para la supresi´on de vibraciones,” Master’s thesis, Univ. Chile, 2020. 32