Prediction and Prevention of School Dropout through A.I.: A Review to Identify Models and Relevant Factors

• Carreño, Juan ^[1] ; Martinez, Diego Andrés ^[1] ; Paez, Deisy ^[1]
  1. [1] Universidad Santo Tomás

     Universidad Santo Tomás

     Santiago, Chile

     
• Localización: I+ T+ C: Investigación, tecnología y ciencia, ISSN-e 2805-7201, ISSN 1909-5775, Vol. 1, Nº. 17, 2023 (Ejemplar dedicado a: I+T+C Journal: Research, Technology and Science)
• Idioma: inglés
• Títulos paralelos:
  • Predicción y prevención de deserción escolar mediante I.A.: Una revisión a fin de identificar modelos y factores relevantes.
• Enlaces
  • Texto completo
• Resumen
  • español

    La deserción estudiantil representa una preocupación latente en las instituciones educativas, según estadísticas del Ministerio de Educación de Colombia donde se informa que 473.786 niños y jóvenes estudiantes han interrumpido sus estudios entre noviembre de 2022 a mayo de 2023. Especialmente en programas académicos de ciencia, tecnología, ingeniería y matemáticas (Science, Technology, Engineering, and Mathematics  STEM). Abordar este desafío requiere la incorporación de herramientas de Tecnologías de la Información (TI) que ofrezcan seguimiento eficaz y oportuno a las áreas encargadas del control académico. El propósito de esta revisión bibliográfica es explorar las variables que tengan relación con la deserción académica y encontrar modelos predictivos apropiados para el procesamiento de datos, además de identificar variables y modelos utilizados anteriormente en el tópico. Para lograr esto se propone una investigación mediante el uso de plataformas de búsqueda de carácter académico como Lens.org y Google académico. Una vez hecha la investigación se identifican las variables relevantes en el contexto nacional como rendimiento académico, edad, genero, condición familiar, aspectos psicológicos, entre otras, ya que se consideran relevantes para llegar a una predicción correcta y se selecciona el modelo de árboles de decisión C4.5 ya que se considera el que mejores resultados obtuvo en la investigación, su amplio uso en el campo y su bajo costo computacional

  • English

    School dropout is a pressing concern in educational institutions, as per statistics from the Ministry of Education of Colombia, which report that 473,786 children and young students have discontinued their studies between November 2022 and May 2023. This issue is especially prominent in Science, Technology, Engineering, and Mathematics (STEM) academic programs. Addressing this challenge requires the integration of Information Technology (IT) tools that provide effective and timely monitoring to the academic control departments. The purpose of this literature review is to explore the variables related to academic dropout and find suitable predictive models for data processing while also identifying variables and models previously used in the field. To achieve this, research is proposed using academic search platforms such as Lens.org and Google Scholar. After conducting the research, relevant variables in the national context are identified, such as academic performance, age, gender, family status, and psychological aspects, among others, as they are considered crucial for accurate prediction. The C4.5 decision tree model was chosen due to its excellent performance in research, widespread usage in the field, and low computational cost.