ESTRATEGIAS Y PROCESOS RELACIONADOS CON LA ADQUISICIÓN Y RETENCIÓN DE ESTUDIANTES EN UNA UNIVERSIDAD PRIVADA UTILIZANDO HERRAMIENTAS Y TECNOLOGÍAS DE INTELIGENCIA DE NEGOCIOS

RAFAEL CASTILLO SANTOS

Resumen


La educación universitaria en nuestro país, dada la necesidad que tienen las universidades de carácter privado de competir por la vinculación de nuevos estudiantes, retener a los que ya están y evitar las deserciones, convierten cada vez más este servicio, en un producto comercial por el cual competir, y por lo tanto permanecer o no en el mercado. 

Por la razón anterior, el objetivo principal del presente artículo, es mostrar las bondades de la aplicación de la minería de datos en el proceso de adquisición y retención de estudiantes en una universidad privada, relacionando las técnicas de modelamiento predictivo y modelamiento descriptivo, análisis de retención y sus algoritmos respectivos, cuando se formulan preguntas como ¿Cómo lograr un mayor número de estudiantes matriculados? ¿Cuántos estudiantes que ingresan continuaran después del Primer semestre? ¿Cuántos continuaran después del segundo semestre? ¿Cuál es el perfil de estudiante que
probablemente continuara? ¿Cuál el perfil del estudiante que más probablemente desertara?

Se hace énfasis en la deserción universitaria debido a que es un problema crítico que se presenta actualmente en la mayoría de las universidades no solamente de Colombia, sino de la mayoría de países latinoamericanos Se describen las etapas de la metodología propuesta por Michael Berry y Gordon Linoff y las cuatro fases en las cuales se agrupan: filtrado de datos; Selección de variables; extracción del conocimiento e interpretación y evaluación. Además se proporcionan algunas guías que permitirán a una entidad universitaria privada tomar las acciones necesarias tendientes a mejorar la adquisición de sus estudiantes y retener a los que ya están matriculados. 

 


Palabras clave


Retención y Deserción Universitaria; Minería de datos; modelamiento predictivo; modelamiento descriptivo; análisis de retención

Texto completo:

PDF

Referencias


Data Mining Applications in Higher Education. Jing Luan, PhD Chief Planning and Research Officer, Cabrillo College Founder, Knowledge Discovery Laboratories. SPSS

La UNPA encabeza un estudio sobre las causas de la deserción educativa. Periódico Austral. Julio 1 de 2005.

El factor educacional como causa potencial de la deserción en primer año de la universidad. Universidad Nacional de Río, Córdoba, Argentina. http://www.unrc.edu.ar/publicar/ cde/h21.htm. Artículo bajado de internet el 25 de octubre de 2005.

BOADO, MARCELO. Una aproximación a la deserción estudiantil universitaria en Uruguay. Publicado por Instituto Internacional para la Educación Superior en América Latina y el Caribe. UNESCO.

Latiesa, Margarita. Tipología y causas de la deserción universitaria y el retraso en los estudios. http://dialogo.ugr.es/anteriores/dial05/11-5.htm. Artículo bajado de Internet el 25 de octubre de 2005.

Estadísticas e indicadores de la universidad Nacional de Colombia, basada en La información estadística del Departamento Nacional de Planeación, Boletín No 27, Educación y fuerza de trabajo, Bogotá, septiembre de 2000, y el Informe de Desarrollo Humano para Colombia, 1999.

Caicedo C., Guarino (2005, Junio 20). COLOMBIA; Alto porcentaje de deserción universitaria; Estadística alcanza el 52% y es considerada como una verdadera ‘tragedia nacional’. El Diario La Prensa, p. 14.

Apoyando la formación superior de los estratos I, II y III. http://www.colombiaaprende.edu.co/html/docentes/1596/article75219.html#h2_6. Bajado de Internet el 22 de octubre de 2005.

25. Estrategias para disminuir la deserción en la Universidad

Tecnológica de Bolívar.

Castillo Santos, Rafael, Detección de intrusos mediante técnicas de minería de datos. Revista Clepsidra, Numero 2, 2006.

M. Berry, G. Linoff, “Data mining techniques for marketing, sales and customer relationship management”, Wiley Publishing, Inc. Indianapolis, 2004, pp. 43 – 86.

Hand, David; Mannila, Heikki and Smyth, Padhraic Principles of Data Mining. The MIT Press © 2001 (546 pages)

Thearling, Kurt Ph.D. An Introduction to Data Mining. www.thearling.com




DOI: http://dx.doi.org/10.26564/19001355.252

Enlaces refback

  • No hay ningún enlace refback.


Copyright (c) 2015 Revista Clepsidra

DOI: https://doi.org/10.26564/issn.1900-1355