Un investigador de la Universidad Nacional de Colombia (UNAL) diseñó una red neuronal capaz de predecir, con 85 por ciento de precisión, los casos de estudiantes que abandonarán sus carreras en los primeros semestres.
Buscando combatir problemas como el abandono estudiantil en instituciones de educación superior, que en Colombia se encuentra en un 8.25 por ciento, según el Ministerio de Educación Nacional (MEN), Santiago Antolínez, un candidato a magíster en Ciencias con énfasis en Física de la UNAL, diseño un modelo para encontrar y predecir estos casos.
Recordemos que las redes neuronales son una parte del machine learning y son el corazón mismo de los algoritmos de deep learning. Su nombre y estructura, además, está inspirada en el cerebro humano, imitando la forma como las neuronas se comportan entre sí.
En el caso del estudio de la UNAL, Antolínez utilizó tres bases de datos de la universidad y dos del ICFES incluyendo datos académicos y socioeconómicos de los estudiantes. De esta forma, se recolectó información de 80.000 estudiantes, entre 2007 y 2019. La red fue construida mediante el lenguaje de programación Python
Después de probar los resultados del modelo, que exhibió una precisión del 85% se pasó a analizar los perfiles de 26.400 estudiantes. Según el análisis se encontró que 7.500 estudiantes activos mostraron altas probabilidades de abandono, mientras 6.500 registraron un riesgo moderado.
Aunque este modelo es pionero, su potencial es ilimitado, ya que permitiría tomar mejores medidas que puedan ayudar a solucionar los retos de los estudiantes no solo en la UNAL, sino en todo el país.
