Sistema de Gestión de Inventarios para Carpintería en Urrao Asistido con IA (Stock SADA)

Abstract

La educación superior contemporánea enfrenta desafíos críticos relacionados con las altas tasas de deserción. Históricamente, las intervenciones de bienestar institucional han sido netamente reactivas, aplicándose cuando el fracaso es inminente debido en parte, al sentimiento de aislamiento y desatención que experimenta el estudiante. Para abordar esta problemática, el presente proyecto tiene como objetivo general desarrollar un modelo predictivo, fundamentado en la Regresión Logística, capaz de cuantificar la probabilidad de riesgo académico (reprobación) de un estudiante para facilitar intervenciones pedagógicas tempranas y personalizadas.

Abstract Contemporary higher education faces critical challenges related to high dropout rates. Historically, institutional welfare interventions have been purely reactive, applied when academic failure is imminent due, to a large extent, to the student's feeling of isolation and neglect. To address this problem, the general objective of this project is to develop a predictive model, based on Logistic Regression, capable of quantifying a student's probability of academic risk (failure) to facilitate early and personalized pedagogical interventions.