Predicción temprana de deserción universitaria: revisión sistemática de modelos predictivos

Abstract

La deserción en la educación superior representa un desafío crítico con implicaciones académicas, sociales y económicas. En México, las tasas de abandono oscilan entre el 8 % y el 20 %, afectando programas como la Licenciatura en Tecnologías de la Información de la Universidad de Guadalajara. Este artículo presenta una revisión sistemática de modelos predictivos aplicados a la identificación temprana del abandono estudiantil, mediante el enfoque PRISMA y el análisis de 15 estudios relevantes en bases de datos como Scopus, Web of Science y ERIC. Los hallazgos destacan el uso de técnicas como árboles de decisión, redes neuronales y regresión logística. Sin embargo, persisten desafíos como la limitada integración de variables psicosociales y la escasa aplicación oportuna de los modelos predictivos durante la trayectoria escolar. Se propone un marco metodológico integral para el desarrollo de modelos predictivos eficaces y éticos, con énfasis en enfoques interdisciplinarios orientados a reducir la deserción en la educación superior, particularmente, en contextos públicos como el de México.

Dropout rates in higher education represent a critical challenge with academic, social, and economic implications. In Mexico, dropout rates range from 8% to 20%, affecting programs such as the Bachelor's Degree in Information Technology at the University of Guadalajara. This article presents a systematic review of predictive models applied to the early identification of student dropout, using the PRISMA approach and analyzing 15 relevant studies from databases such as Scopus, Web of Science, and ERIC. The findings highlight the use of techniques such as decision trees, neural networks, and logistic regression. However, challenges persist, such as the limited integration of psychosocial variables and the infrequent and infrequent application of predictive models throughout a student's academic career. A comprehensive methodological framework is proposed for the development of effective and ethical predictive models, with an emphasis on interdisciplinary approaches aimed at reducing dropout rates in higher education, particularly in public contexts such as that of Mexico.

As taxas de evasão no ensino superior representam um desafio crítico com implicações acadêmicas, sociais e econômicas. No México, essas taxas variam de 8% a 20%, afetando cursos como o de Bacharelado em Tecnologia da Informação da Universidade de Guadalajara. Este artigo apresenta uma revisão sistemática de modelos preditivos aplicados à identificação precoce da evasão estudantil, utilizando a abordagem PRISMA e analisando 15 estudos relevantes de bases de dados como Scopus, Web of Science e ERIC. Os resultados destacam o uso de técnicas como árvores de decisão, redes neurais e regressão logística. No entanto, desafios persistem, como a limitada integração de variáveis ​​psicossociais e a aplicação infrequente de modelos preditivos ao longo da trajetória acadêmica do estudante. Propõe-se um arcabouço metodológico abrangente para o desenvolvimento de modelos preditivos eficazes e éticos, com ênfase em abordagens interdisciplinares voltadas à redução das taxas de evasão no ensino superior, particularmente em contextos públicos como o do México.