Keywords
predictive model
higher education
machine learning
How to Cite
Abstract
The objective of this study was to develop a predictive model to prevent academic dropout among students at a technological institute in Puno during the year 2025. The problem addressed lies in the high school dropout rates in rural regions of Peru, influenced by socioeconomic, academic, and personal factors. The research was basic-applied, with a quantitative approach, descriptive and explanatory design, and cross-sectional scope. The population consisted of all students enrolled in the institute in 2025, while the sample consisted of 300 students selected through stratified sampling. The quantitative results show that variables such as poor performance in the first semester, precarious socioeconomic conditions, advanced age at entry, and gender significantly influence the risk of dropping out. The predictive model, based on machine learning techniques such as logistic regression and decision trees, achieved high levels of precision and recall. It is concluded that early identification of at-risk students through predictive models allows for the design of effective intervention strategies. Its institutional implementation is recommended, along with personalized academic, financial, and emotional support measures, which could significantly improve student retention in similar contexts.
References
JM Gaviria Hincapié, «Reconocimiento de patrones de deserción estudiantil mediante técnicas de análisis de datos, en el contexto de la educación de ciclo preparatorio», http://purl.org/dc/dcmitype/Text, Tecnológico de Antioquia, 2024. Consultado: 19 de septiembre de 2025. [En línea]. Disponible en: https://dialnet.unirioja.es/servlet/tesis?codigo=369520
[2] CA Puentes-Morales, «Centro de Investigaciones de la Universidad Distrital Francisco José de Caldas», Visión Electrónica, vol. 15, núm. 2, págs. 297-314, julio de 2021, doi: 10.14483/22484728.18941.
[3] AN Restrepo Vizcaya, "Instanciación de un modelo predictivo de la deserción escolar en Pereira durante la pandemia de COVID-19 - Estudio de caso de una institución educativa del sureste", 2022, consultado el 19 de septiembre de 2025. [En línea]. Disponible en: https://hdl.handle.net/11059/14684
[4] MJ Jurado Mantilla, «Diseño de un modelo predictivo de la deserción estudiantil de posgrado en una institución de educación superior», tesis de licenciatura, ESPOL.FCNM, 2020. Consultado: 19 de septiembre de 2025. [En línea]. Disponible en: http://www.dspace.espol.edu.ec/handle/123456789/48758
[5] A. Asfaw et al., “Creación de un programa de pregrado en ingeniería cuántica”, IEEE Trans. Educ, vol. 65, núm. o 2, págs. 220-242, mayo de 2022, doi: 10.1109/TE.2022.3144943.
[6] J. Tapia Sucapuca, «Modelo de clasificación predictiva basado en aprendizaje automático para la detección temprana de posible abandono universitario».
[7] E. Franco Delgado, M. Polanco Valenzuela, E. Franco Delgado y M. Polanco Valenzuela, «Selección de carrera: un modelo predictivo en estudiantes de una universidad privada de Arequipa (Perú)», Rev. Investig. En Psicol. , vol. 26, núm. 2 , págs. 5-31, julio de 2023, doi: 10.15381/rinvp.v26i2.25325.
[8] D. Núñez Villalobos, «Modelo predictivo basado en aprendizaje automático para la retención estudiantil en educación superior», Epsir Eur. Public Soc. Innov. Rev. , n.º 10 , p. 270, 2025.
[9] VJ Polo Romero, «Modelo predictivo basado en Aprendizaje Automático Supervisado y deserción estudiantil en centros de Educación Superior Tecnológica Pública de la región La Libertad».
[10] M. Suarez Barón, C. Tinjaca Cristancho, y J. González Sanabria, «Análisis de datos aplicado al estudio de la deserción estudiantil en la Universidad Pedagógica y Tecnológica de Colombia – UPTC», Aglala , vol. 11, núm. 1 , pp. 284-301, 2020.
[11] GEV Altamirano, «Modelo de predicción de deserción escolar en estudiantes de la unidad educativa Los Andes debido al impacto de la pandemia», Cienc. Lat. Rev. Científica Multidiscip. , vol. 7, n. o 1, pp. 3038-3052, feb. 2023, doi: 10.37811/cl_rcm.v7i1.4640.
[12] R. Ferrer-Urbina, V. Karmelic-Pavlov, H. Beck-Fernández, y RV Pinto, «Un modelo predictivo de fracaso/éxito académico basado en indicadores de admisión, en estudiantes de una universidad estatal del norte de Chile», Interciencia , vol. 44, núm. o 1, pp. 23-29, 2019.
[13] BR Chacha, WL López y MB Constante, «Modelo predictivo de deserción estudiantil basado en regresión logística», ESPOCH Congr. Ecuadorian J. STEAM, vol. 3, nov. 2023, doi: 10.18502/espoch.v3i1.14477.
[14] P. Román López, MJ Rodríguez Arrastia y C. Ropero Padilla, Eds., Metodología de la investigación: De lector a divulgador en Textos didácticos, núm. 83. Almería: Prensa Universidad de Almería, 2021.
[15] MT Ruales, «Predicción de la Deserción Estudiantil en la Universidad Tecnológica de Pereira mediante la Implementación de Modelos de Aprendizaje Automático».
[16] JP Estrada Arana, «Diseño de un modelo matemático utilizando técnicas de análisis multivariado para estimar tasas de deserción estudiantil en el Instituto Tecnológico Superior Cotacachi.», Tesis de Maestría, Riobamba: Universidad Nacional de Chimborazo, 2025. Consultado: 19 de septiembre de 2025. [En línea]. Disponible en: http://dspace.unach.edu.ec/handle/51000/14558
[17] LF Castro Rojas, E. Espitia Peña y E. Romero Cuero, “Análisis de características que influyen en la deserción estudiantil en el contexto de una universidad latinoamericana”, Rev. EIA, vol. 20, núm.40, pág. 2, 2023.
[18] A. Postigo Palacios, Seguridad Informática. Madrid: Paraninfo, 2020.
[19] SR Sihare, “Análisis de la deserción estudiantil en la educación superior y la retención mediante inteligencia artificial y aprendizaje automático”, SN Comput. Sci. , vol. 5, núm. o 2, pág. 202, enero de 2024, doi: 10.1007/s42979-023-02458-w.
[20] JP Uribe Mostacero, «Mejora del indicador de retención en una universidad privada a partir de la clasificación de estudiantes utilizando un modelo predictivo».
[21] Q. Sun, S. Zhou, R. Chen, G. Feng, S.-Y. Hou y B. Zeng, “De la computación a la mecánica cuántica: educación en computación cuántica accesible y práctica para estudiantes de secundaria”, 26 de marzo
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright (c) 2025 Hernán H. Huamán Arratia