Identificación Predictiva de Factores Clave para la Retención Estudiantil Mediante Técnicas de Machine Learning para Fortalecer el Acompañamiento Académico y el Éxito Educativo

El proyecto FIRETA busca identificar las variables críticas que inciden en la deserción estudiantil en la Universidad Politécnica Salesiana del Ecuador, tanto en modalidades presenciales como online. Ante una tasa de abandono cercana al 10%, especialmente en los primeros niveles, la investigación propone un enfoque basado en ciencia de datos para transformar la gestión académica institucional. La metodología integra el análisis de fichas socioeconómicas, historiales académicos y datos demográficos mediante algoritmos de Machine Learning, incluyendo k-NN y redes neuronales, además de modelos de ecuaciones estructurales. El estudio busca no solo predecir el riesgo de abandono, sino también segmentar a los estudiantes para implementar estrategias de retención personalizadas. Como resultado, se espera desarrollar herramientas predictivas que permitan a la universidad optimizar sus recursos, mejorar sus tasas de graduación y fortalecer su reputación académica. El proyecto se alinea con el ODS de Educación de Calidad, promoviendo una cultura de toma de decisiones basada en evidencia y mejora continua.<br/><br/><b>Objetivo</b>: <br/>Determinar los factores que influyen en la retención de estudiantes de la Universidad Politécnica Salesiana del Ecuador mediante técnicas de Machine Learning supervisadas y no supervisadas. El objetivo es fortalecer el acompañamiento académico y mejorar el éxito educativo.<br/><br/><b>Líneas de investigación</b>: <br/>Tecnologías aplicadas a la educación