Predicción temprana de estudiantes en riesgo de bajo rendimiento académico mediante técnicas de minería de datos y aprendizaje automático

Resumen

El bajo rendimiento académico y el abandono durante los primeros años universitarios constituyen problemáticas relevantes para las instituciones de educación superior debido a su impacto sobre las trayectorias estudiantiles y los indicadores de permanencia. Este trabajo presenta una propuesta basada en técnicas de aprendizaje automático para la identificación temprana de estudiantes en riesgo académico en la carrera de Ingeniería en Sistemas de la Universidad Nacional del Chaco Austral (UNCAus). El estudio utiliza información correspondiente a 978 registros académicos de las asignaturas Algoritmos y Estructuras de Datos y Sistemas y Organizaciones de las cohortes 2024 y 2025. El conjunto de datos integra variables socioeconómicas, familiares, laborales, tecnológicas y motivacionales obtenidas mediante relevamientos institucionales. Se definieron tres problemas de clasificación: riesgo académico global (aprobación versus desaprobación o abandono), desaprobación académica y ausencia o abandono. Para cada caso se evaluaron modelos de Regresión Logística, Árboles de Decisión, Random Forest y XGBoost, utilizando validación cruzada estratificada y distintas estrategias de balanceo de clases. Los mejores resultados se obtuvieron mediante Random Forest para la predicción de riesgo académico global y desaprobación, y mediante XGBoost para la identificación de estudiantes con riesgo de abandono. Los modelos alcanzaron valores de ROC-AUC de hasta 0.69 en la predicción de abandono. Los resultados muestran el potencial de estas técnicas como herramientas de apoyo para la detección temprana de estudiantes vulnerables y la implementación de intervenciones pedagógicas preventivas.