Ejecución de un Modelo de Machine Learning para el Análisis de la Escolaridad Inconclusa en Estudiantes del Ministerio de Educación

Yugsi Cayambe, Alex Paúl

DSpace Principal
→
Posgrados
→
Maestría en Big Data y Ciencia de Datos
→
Tesis - Maestría en Big Data y Ciencia de Datos
→
Ver ítem

dc.contributor.author	Yugsi Cayambe, Alex Paúl
dc.date.accessioned	2025-06-25T21:53:16Z
dc.date.available	2025-06-25T21:53:16Z
dc.date.issued	2025-03
dc.identifier.citation	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	es_ES
dc.identifier.other	UISRAEL-EC-MASTER-BIG-DATA-PRO-378.242-2025-007
dc.identifier.uri	http://repositorio.uisrael.edu.ec/handle/47000/4353
dc.description	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).	es_ES
dc.description.abstract	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)	es_ES
dc.format.extent	51p	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Quito, Ecuador: UISRAEL	es_ES
dc.relation.ispartofseries	MASTER-BIG-DATA-PRO;007
dc.rights	openAccess	es_ES
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/ec/	es_ES
dc.subject	desarrollo social y económico	es_ES
dc.subject	calidad educativa	es_ES
dc.subject	patrones de riesgo de deserción escolar	es_ES
dc.subject	modelos predictivos	es_ES
dc.subject.other	Big Data y Ciencia de Datos	es_ES
dc.subject.other	Proyecto	es_ES
dc.title	Ejecución de un Modelo de Machine Learning para el Análisis de la Escolaridad Inconclusa en Estudiantes del Ministerio de Educación	es_ES
dc.type	masterThesis	es_ES