Técnicas de Machine Learning para Predecir el Abandono Escolar Universitario: Revisión Sistemática de la Literatura

Machine Learning Techniques for Predicting University Dropout: A Systematic Literature Review

Resumen

Las técnicas de Machine Learning (ML) se han convertido en herramientas claves en la investigación educativa, permitiendo prevenir la deserción escolar, mejorar la retención estudiantil y optimizar la gestión académica en las Instituciones de Educación Superior (IES). Este artículo presenta una revisión sistemática de la literatura para identificar los factores más relevantes en la predicción de la deserción escolar y analizar las técnicas de ML utilizadas en estudios dentro de las IES. Se consultaron las bases de datos Web of Science (WOS) y SCOPUS, y se empleó la metodología PRIMA (Preferred Reporting Items for Systematic reviews and Meta-Analyses) para reportar los hallazgos en la literatura sobre el uso de modelos de ML, balanceo de datos, métricas de evaluación, entre otros criterios sobre las publicaciones. Después de aplicar PRISMA, se seleccionaron 23 estudios publicados entre 2018 y 2022 para un análisis detallado. Los resultados muestran un análisis cuantitativo sobre los estudios encontrados, se analiza información sobre la calidad, síntesis demográfica y año de las publicaciones, las palabras claves utilizadas, atributos seleccionados y técnicas utilizadas para su selección, el tamaño de las bases de datos, las técnicas de división y balanceo de datos, los algoritmos predictivos y las métricas de evaluación.