Temprana detección de estudiantes con dificultades

Abstracto

Utilizando métodos de minería de datos, este documento presenta una nueva forma de identificar los perfiles de los estudiantes de primer año que probablemente enfrentarán grandes dificultades para completar su primer año académico. La falla académica es un tema relevante en un momento en que la educación postsecundaria es cada vez más crítica para el éxito económico. Nuestro objetivo es la detección temprana de posibles fallas utilizando los datos de los estudiantes disponibles en el momento de la inscripción, es decir, los registros escolares y los factores ambientales, con miras a una remediación o reorientación oportuna y eficiente. Adaptamos tres métodos de minería de datos, a saber, bosque aleatorio, regresión logística y algoritmos de redes neuronales artificiales. Diseñamos algoritmos para aumentar la precisión de la predicción cuando algunas clases son de gran interés. Estos algoritmos son independientes del contexto y se pueden usar en diferentes campos. Los datos reales pertenecientes a los estudiantes de pregrado de la Universidad de Lieja (Bélgica) ilustran nuestra metodología.

1. Motivación y objetivos

En una era en que la fabricación ya no es la actividad dominante, la educación postsecundaria se ha vuelto crucial para el éxito económico. Se estima que dos tercios de los empleos en el futuro requerirán un título de educación superior. Sin embargo, el informe 2014 de la OCDE [1] solo registra 39% y 11% de graduados entre adultos jóvenes en países de la OCDE con un programa de educación terciaria de tipo A (CINE 5A: universidad o asimilado) y con uno de tipo B (CINE 5B: vocacional). A pesar de las crecientes cifras de registro, la tasa de abandono generalmente es del 45%, mientras que en instituciones específicas o campos de estudio donde se aplican criterios de admisión específicos, solo cae un 10%. Como este último porcentaje se obtiene restringiendo la admisión a los estudiantes más prometedores, esta práctica no se puede generalizar para luchar contra la falta de estudiantes graduados. Por otro lado, cuando se aplican pocos o ningún requisito de admisión, la tasa de abandono puede aumentar al 70%. En las universidades belgas, donde la admisión a la mayoría de las facultades está abierta a cualquier estudiante con un certificado de educación secundaria, donde las tasas de matrícula son relativamente bajas (alrededor de 800EUR anuales) y cuya reputación atrae a muchos candidatos, la tasa promedio de caída es de aproximadamente 26.9%. Tales figuras requieren acción; reducirlos está en orden, no solo en beneficio de la economía mundial, sino también para los estudiantes, la colectividad y las instituciones educativas. Además de dañar la autoconfianza, el fracaso tiene un costo humano y financiero; un año de estudio es costoso para los estudiantes como para la colectividad. Como los recursos escolares son escasos y están diluidos entre todos los estudiantes, el desafío para las instituciones educativas en todo el mundo es atraer cada vez más estudiantes mientras se completan.

El fenómeno de abandono se refiere al primer año en particular. Alrededor del 25% de los estudiantes universitarios de primera generación en la Comunidad de habla francesa de Bélgica abandonan después de su primer año; mientras que algunos cambian a otros tipos de educación superior, la mayoría tiene dificultades. En los últimos años, hasta el 60% de las comunidades de habla francesa y alemana [2] fallaron en su primer año. En cuanto a los Estados Unidos, la tasa de deserción entre el primero y el segundo año alcanza el 44.8% en instituciones de dos años y el 25.63% en instituciones de cuatro años [3]. En todo el mundo, el primer año crucial exige soluciones. Remediar la situación, es decir, tomar decisiones oportunas, positivas y eficientes, implica comprender las razones del fracaso e identificar a los estudiantes en dificultad tan pronto como sea posible. Diversas razones pueden explicar el fracaso. Algunos estudiantes fracasan debido a una orientación incorrecta o inadecuada: no seleccionan el campo de estudio en adecuación con sus puntos fuertes o el entorno académico o profesional puede ser inadecuado para sus habilidades. Otros no están preparados para cumplir o incluso comprender las demandas de su programa. Siempre que estos estudiantes puedan ser identificados y la Universidad pueda detectar sus debilidades a tiempo, se podría ofrecer apoyo académico relevante y específico. La mayoría de las universidades, de hecho, establecieron sistemas destinados a ayudar a los estudiantes de primer año. Hasta ahora, sigue siendo difícil identificar los casos críticos antes de que tengan problemas, es decir, generalmente después de la primera sesión de exámenes, y a menudo es demasiado tarde para la reorientación e incluso para ayudar a salvar el año. Este documento tiene como objetivo detectar a estos estudiantes en el momento del registro sobre la base de datos fácilmente disponibles en ese momento para comenzar la recuperación antes del comienzo del año académico o, según sea el caso, ayudar con la reorientación. Esta es la primera originalidad principal de nuestro trabajo ya que la mayoría de las investigaciones previas sobre este tema generalmente se basan en datos disponibles solo al final del primer año, o después de una sesión de exámenes al final del primer trimestre, ya que tienen esperar para recoger algunos de los factores [4]. Sin embargo, la importancia de una detección temprana ya se mencionó en algunos estudios [5,6]. Nuestro enfoque se ilustra con datos reales proporcionados por la Universidad de Lieja. Al contrario de otras contribuciones al tema, no nos enfocamos en ningún campo específico de estudio; nuestra extensa base de datos incluye una amplia gama de grados. Contamos con un número limitado de indicadores de desempeños anteriores y algunos factores ambientales ya identificados en la literatura. Aunque consideramos un caso belga, los mismos indicadores podrían usarse para muchos otros países. Además, lo que proponemos es una nueva metodología de identificación basada en métodos de minería de datos, que podría integrar fácilmente otros indicadores o adicionales. Del mismo modo, aunque nuestro enfoque se centra en el fracaso del primer año en la universidad, nuestro marco se puede adaptar a otros contextos, p. estudios vocacionales, estudios de educación a distancia, estudios completos basados ​​en créditos, etc. Utilizamos técnicas de minería de datos para identificar a los estudiantes cuyos antecedentes son los más adversos. Consideramos tres métodos simultáneamente, a saber, la regresión logística, las redes neuronales artificiales y el bosque aleatorio, en una perspectiva comparativa. Tales métodos que predicen el fracaso versus el éxito no son nuevos, pero su nivel de precisión generalmente es demasiado bajo.

...