Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.uisrael.edu.ec/handle/47000/4353
metadata.dc.type: | masterThesis |
Título : | Ejecución de un Modelo de Machine Learning para el Análisis de la Escolaridad Inconclusa en Estudiantes del Ministerio de Educación |
Autor : | Yugsi Cayambe, Alex Paúl |
Palabras clave : | desarrollo social y económico;calidad educativa;patrones de riesgo de deserción escolar;modelos predictivos |
Fecha de publicación : | mar-2025 |
Editorial : | Quito, Ecuador: UISRAEL |
Citación : | Yugsi, Cayambe Alex Paúl (2025) Ejecución de un Modelo de Machine Learning para el Análisis de la Escolaridad Inconclusa en Estudiantes del Ministerio de Educación, MAESTRÍA EN BIG DATA Y CIENCIA DE DATOS. Quito: Universidad Israel 2025, 51p. Mg. Renato Mauricio Toasa Guachi, Mg. Mario Ruben Pérez Cargua UISRAEL-EC-MASTER-BIG-DATA-PRO-378.242-2025-007 |
Citación : | MASTER-BIG-DATA-PRO;007 |
Resumen : | La educación constituye una pieza clave para el desarrollo social y económico de una nación, en Ecuador, a pesar de los esfuerzos del Ministerio de Educación (MINEDUC) por mejorar el acceso y la calidad educativa, también persisten limitaciones respecto a la permanencia y finalización de los estudios; un porcentaje elevado de estudiantes abandona la educación sin culminar y se conoce como escolaridad inconclusa. Esta condición tiene efectos negativos sobre el acceso a los trabajos y refuerza la pobreza y desigualdad social (Mejía, 2023). A modo de solución, el uso de tecnologías avanzadas como son el Machine Learning o Data Science puede ser una alternativa innovadora para hacer uso de grandes volúmenes de datos e identificar patrones de riesgo de deserción escolar; los modelos predictivos que se pueden implementar permitirían identificar tempranamente a los estudiantes vulnerables y desarrollar acciones de intervención más adecuadas que mejoren la retención escolar (Benalcázar, 2024) |
Descripción : | Education is a key element for a nation's social and economic development. In Ecuador, despite the efforts of the Ministry of Education (MINEDUC) to improve access to and quality of education, limitations regarding retention and completion persist. A high percentage of students drop out of school without completing it, a condition known as incomplete schooling. This condition has negative effects on access to jobs and reinforces poverty and social inequality (Mejía, 2023). As a solution, the use of advanced technologies such as Machine Learning or Data Science can be an innovative alternative for harnessing large volumes of data and identifying patterns of school dropout risk. The predictive models that can be implemented would allow for early identification of vulnerable students and develop more appropriate interventions to improve school retention (Benalcázar, 2024). |
URI : | http://repositorio.uisrael.edu.ec/handle/47000/4353 |
Aparece en las colecciones: | Tesis - Maestría en Big Data y Ciencia de Datos |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
UISRAEL-EC-MASTER-BIG-DATA-PRO-378.242-2025-007 | 2,41 MB | Unknown | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.