Diseño de un modelo matemático para predecir la intención de matrícula en estudiantes de primer ingreso de la Universidad del norte

Abstract

Actualmente los esfuerzos de seguimiento con respecto a la oficialización del proceso de matrícula, aplicados por la Universidad del Norte sobre los estudiantes admitidos, no se encuentran focalizados sobre aquellas personas cuyas características indican una alta probabilidad de llegar a la instancia de matrícula, sino sobre toda la población, lo cual genera una alta utilización de los recursos destinados para tal fin. Para dar solución a este problema se llevó a cabo la construcción de modelos de redes neuronales artificiales y regresión logística, con la finalidad de predecir la intención de matrícula de los estudiantes admitidos y direccionar así la labor de seguimiento sobre aquellos estudiantes que según los modelos procederán a matricularse. Los métodos fueron desarrollados partiendo del análisis previo de los datos disponibles, correspondientes a los estudiantes admitidos en pregrado entre los años 2016 y 2017 a partir del cual fueron seleccionadas variables explicativas, tales como, edad, género, forma de financiación, ICFES, departamento de proveniencia, tipo de colegio (colegio público o privado), semestre académico, carrera y estrato. Se empleó el software estadístico SPSS para determinar los parámetros de las técnicas propuestas. Cada uno de los modelos obtenidos presentó un alto carácter diagnóstico, el cual fue contrastado a partir del análisis ROC (Receiver Operating Characteristic), aplicado sobre los datos concernientes a estudiantes admitidos en el primer semestre del año 2018. Este análisis dio como resultado la superioridad del modelo logit por encima del de neuroredes para predecir las instancias correspondientes al periodo 2018-1. Por otra parte, fue posible determinar, a partir del modelo de regresión logística, la manera en cómo cada variable de entrada impacta la variable de respuesta. Finalmente se propone la forma en cómo deben emplearse las salidas de los modelos para llevar a cabo pronósticos relacionados con nuevas observaciones.

Currently the follow-up efforts about formalizing the tuition process, which are applied by Universidad Del Norte over selected students, are not concentrated over those people whose characteristics state a high likelihood of reaching to the enrollment phase, but over the whole population, that prompts high usage rate of resources meant to such purpose. In order to give a solution to this problem it was made the proposing of models of artificial neural networks and logistic regression to predicting the enrollment intention of selected students and targeting to them who will register, according to the model. Methods were developed by analyzing the available data, related with accepted students in undergraduate programs, among years 2016 and 2017, this allowed to choose inputs variables, such as gender, way of financing, ICFES, origin department, kind of school (private or public), academic semester, career and social stratum. It was utilized SPSS software to calculate the parameters for the selected techniques. Each one of the model obtained had a high diagnosis performance, which was measured trough the ROC analysis (Receiver Operating Characteristic), applied over data regarding with accepted students in the period 2018-1. This analysis turns out that logistic regression had a better performance that artificial neural network to predict observations of the period mentioned previously. On the other hand, it was possible through the logit model, to state the way as each input influence the response variable. Finally, it is proposed a way to use the outputs given by the models to make predictions related with new observations.