pág. 10992
EL MACHINE LEARNING PARA ABORDAR EL
ABANDONO ESCOLAR: UNA REVISIÓN DE LOS
MODELOS MÁS INNOVADORES
MACHINE LEARNING TO ADDRESS SCHOOL DROPOUT: A
REVIEW OF THE MOST INNOVATIVE MODELS
Jules Mao Flores Satalaya
Universidad Nacional Mayor de San Marcos, Lima, Perú
pág. 10993
DOI: https://doi.org/10.37811/cl_rcm.v8i6.15824
El machine learning para abordar el abandono escolar: Una revisión de los
modelos más innovadores
Jules Mao Flores Satalaya
jules.flores@unmsm.edu.pe
https://orcid.org/0009-0001-6553-0809
Universidad Nacional Mayor de San Marcos, Lima, Perú
RESUMEN
El objetivo de este estudio es analizar el papel del machine learning como herramienta innovadora para
identificar, predecir y abordar el abandono escolar, evaluando los modelos más efectivos y su aplicación
en contextos educativos. Para ello, se llevó a cabo una revisión sistemática en las bases de datos Scopus,
Web of Science (WOS) y SciELO, utilizando la metodología PRISMA y adoptando un enfoque cualitativo
y descriptivo. Los criterios de inclusión comprendieron trabajos publicados entre 2020 y 2024, estudios
originales, artículos en inglés o español y documentos con texto completo que estuvieran directamente
relacionados con el objetivo del estudio. Se emplearon palabras clave como "machine learning", "machine
learning algorithms", "learning algorithms", "machine learning models", "learning models", "school
dropout", "school abandonment", "student dropout", "student attrition". De los 773 documentos
identificados, se eliminaron 753 por no cumplir con los criterios establecidos, resultando en 20 artículos
seleccionados para su análisis. Los resultados muestran que modelos como las Redes Neuronales
Artificiales (ANN), Vecinos Más Cercanos (KNN), Regresión Lineal (LR) y Árboles de Decisión (DT) han
demostrado eficacia en la clasificación y predicción. El rendimiento académico previo es un predictor clave
del abandono escolar, junto con factores como dificultades financieras y la falta de apoyo social, que afectan
la permanencia de los estudiantes. En conclusión, el machine learning (ML) en la educación resalta su
capacidad para identificar y prevenir el abandono escolar. Las técnicas de ML permiten a las instituciones
predecir con precisión los riesgos de deserción y desarrollar intervenciones personalizadas para los
estudiantes.
Palabras clave: modelos, machine learning, abandono, deserción, educación
pág. 10994
Machine learning to address school dropout: A review of the most innovative
models
ABSTRACT
The objective of this study is to analyze the role of machine learning as an innovative tool to identify,
predict, and address school dropout, evaluating the most effective models and their application in
educational contexts. To achieve this, a systematic review was conducted in the Scopus, Web of Science
(WOS), and SciELO databases, using the PRISMA methodology and adopting a qualitative and descriptive
approach. The inclusion criteria comprised works published between 2020 and 2024, original studies,
articles in English or Spanish, and documents with full text that were directly related to the study's objective.
Keywords such as "machine learning," "machine learning algorithms," "learning algorithms," "machine
learning models," "learning models," "school dropout," "school abandonment," "student dropout," and
"student attrition" were employed. Of the 773 documents identified, 753 were eliminated for not meeting
the established criteria, resulting in 20 articles selected for analysis. The results show that models such as
Artificial Neural Networks (ANN), K-Nearest Neighbors (KNN), Linear Regression (LR), and Decision
Trees (DT) have proven effective in classification and prediction. Prior academic performance is a key
predictor of school dropout, along with factors such as financial difficulties and lack of social support,
which affect students' retention. In conclusion, machine learning (ML) in education highlights its capacity
to identify and prevent school dropout. ML techniques enable institutions to accurately predict dropout
risks and develop personalized interventions for students.
Keywords: models, machine learning, abandonment, dropout, education
Artículo recibido 02 diciembre 2024
Aceptado para publicación: 28 diciembre 2024
pág. 10995
INTRODUCCIÓN
La inteligencia artificial (IA) es una parte amplia de la ciencia de la computación que se ocupa de construir
máquinas inteligentes equipadas para realizar tareas que normalmente requieren inteligencia humana. Por
su parte, los sistemas de IA funcionan al ingerir grandes cantidades de datos de entrenamiento etiquetados,
analizando los datos en busca de patrones y correlaciones, y utilizando estos patrones para hacer pronósticos
sobre estados futuros (Nimbalkar & Berad, 2021). El concepto de inclusión de la IA y el aprendizaje
automático (ML) es extremadamente poderoso: ambos permiten que los sistemas se programen a sí mismos
y mejoren su rendimiento a través de un proceso de mejora continua (Sahana et al., 2023).
En el ámbito educativo, el machine learning (ML) ha adquirido una relevancia considerable. La
incorporación de la tecnología en la educación es cada vez más común, y ya se están implementando
numerosas soluciones, al tiempo que se exploran muchas otras. De este modo, el aprendizaje automático
ha tenido un impacto significativo en el sector educativo (Alhabeeb et al., 2024; Okagbue et al., 2023;
Tiwari, 2023). Dentro de la educación, el aprendizaje automático se ha utilizado para modelar sistemas de
tutoría inteligentes para estudiantes, hacer recomendaciones sobre posibles trayectorias profesionales
futuras, mejorar el plan de estudios, predecir con precisión las calificaciones de los estudiantes y mucho
más (Razaulla et al., 2022; Wu, 2020).
Durante muchos años, el aprendizaje automático, ha seguido siendo un campo de desarrollo vital, ya que
es la medida clave de la civilización y la evolución del mundo, con su enorme efecto tanto en los individuos
como en las sociedades (Alenezi & Faisal, 2020; Shah et al., 2021). Con el rápido desarrollo de la tecnología
de la información y la inteligencia artificial, el campo de la educación avanza gradualmente hacia la
educación inteligente (Zhou & Song, 2020). El machine learning y otros campos relacionados con la ciencia
de datos y la inteligencia artificial, permiten el desarrollo de técnicas avanzadas que aportan un gran
potencial, dando lugar a nuevas aplicaciones y aproximaciones más efectivas en el análisis y la predicción
académica (Gómez-Pulido et al., 2023).
Por otro lado, la deserción estudiantil representa un problema grave a nivel mundial, con profundas
implicaciones para los estudiantes, las instituciones educativas y la sociedad en su conjunto (Hassan et al.,
2024; Matz et al., 2023). Este fenómeno es un gran desafío, ya que aproximadamente el 40% de los
estudiantes en EE. UU. no logran completar sus estudios (Vaarma & Li, 2024; Villegas-Ch et al., 2023).
pág. 10996
Asimismo, en Somalilandia, las altas tasas de deserción escolar constituyen un problema crítico (Hassan et
al., 2024). De manera análoga, en Egipto, el abandono escolar afecta gravemente a todos los sistemas
educativos del país (Selim & Rezk, 2023). En Europa, cada año, miles de jóvenes abandonan la escuela sin
haber completado la educación que iniciaron; esta situación resulta en la falta de oportunidades de
formación, perspectivas laborales limitadas y, a menudo, conduce al estancamiento profesional y a la
exclusión social (European Commission, 2024).
Por consiguiente, la predicción automatizada de la retención y graduación estudiantil mediante Machine
Learning ha ganado un creciente interés entre educadores tanto en teoría como en práctica (Okoye et al.,
2024a). A pesar de que el abandono escolar representa un desafío complejo en el sector educativo, en parte
debido al desequilibrio en los datos relacionados con este fenómeno (Mduma, 2023), los modelos de
aprendizaje automático (ML) han demostrado ser eficaces para identificar a los estudiantes en riesgo de
abandonar sus estudios con un alto grado de precisión (Fauszt et al., 2023). Predecir el comportamiento
estudiantil es, por lo tanto, una tarea crucial para las instituciones educativas (Villar & Velini, 2024).
Debido a la complejidad de la toma de decisiones humanas, basarse en interpretaciones a través de modelos
de aprendizaje automático puede generar ventajas competitivas en el ámbito educativo (Delen et al., 2023).
La revisión del machine learning como herramienta para abordar el abandono escolar ofrece una perspectiva
integral sobre cómo las técnicas avanzadas de análisis de datos pueden ser aplicadas para identificar y
mitigar este fenómeno crítico. El abandono escolar es un problema multidimensional que afecta a
estudiantes en diversas etapas educativas, impactando no solo su futuro académico y profesional, sino
también el desarrollo socioeconómico de las comunidades. En este contexto, es fundamental examinar la
relevancia del machine learning, que ha demostrado su eficacia en la predicción de comportamientos y la
personalización de intervenciones. Al revisar los modelos más innovadores, se busca aclarar conceptos
clave, evaluar avances recientes y proporcionar estrategias basadas en evidencia que puedan ayudar a las
instituciones educativas a desarrollar programas más efectivos para retener a los estudiantes y fomentar su
éxito académico. Esta revisión no solo aborda la necesidad de soluciones prácticas, sino que también
contribuye a un entendimiento más profundo de cómo la tecnología puede influir en la educación y el
bienestar de los estudiantes.
pág. 10997
En tal sentido el artículo, se plantea como objetivo: Analizar el papel del machine learning como
herramienta innovadora para identificar, predecir y abordar el abandono escolar, evaluando los modelos
más efectivos y su aplicación en contextos educativos. Asimismo, como objetivos específicos: Identificar
los modelos de machine learning más efectivos en la predicción del abandono escolar y sus resultados en
la investigación. Examinar los factores que contribuyen al abandono escolar y cómo se integran en los
modelos de machine learning. Evaluar cómo la implementación de machine learning puede ayudar a las
instituciones educativas a desarrollar estrategias de intervención para reducir el abandono escolar.
MATERIALES Y MÉTODOS
Una revisión sistemática es una síntesis (combinación, amalgama, fusión) de la literatura de investigación,
cuyo objetivo principal es responder de manera precisa a una pregunta específica. Este tipo de revisión
sigue un proceso metódico y estructurado que permite identificar, seleccionar, evaluar y sintetizar toda la
evidencia disponible de alta calidad relevante para la cuestión planteada (Bettany-Saltikov & McSherry,
2024). Para ello, se realizan búsquedas exhaustivas que permiten identificar todos los estudios que cumplan
con criterios de elegibilidad previamente establecidos (Sinha et al., 2022). En la revisión sistemática
presentada en este artículo, se analizaron y sintetizaron investigaciones relacionadas con el uso del machine
learning como herramienta para enfrentar el problema del abandono escolar, consolidando las evidencias
encontradas en diferentes estudios.
Se realizó la búsqueda en base de datos distinguidas como SCOPUS, Web of Science (WOS) y Scielo,
mediante operadores boléanos AND y OR, equivalente al siguiente query: (("machine learning") OR
("machine-learning") OR ("aprendizaje automático") OR ("deep learning") OR ("ML") OR ("machine
learning algorithms") OR ("learning algorithms") OR ("machine learning models") OR ("learning models")
OR ("algoritmos de machine learning") OR ("modelos de machine learning")) AND (("school dropout")
OR ("school abandonment") OR ("student dropout") OR ("student attrition") OR ("school leaving") OR
("student retention") OR ("deserción") OR ("abandono") OR ("deserción educativa") OR ("deserción
escolar") OR ("abandono educativo") OR ("abandono escolar") OR ("student income") OR ("educational
income") OR ("school rent") OR ("retención estudiantil") OR ("retención educativa") OR ("retención
escolar") OR ("retención")). Se consideraron publicaciones desde el año 2020 hasta el 2024, todos de acceso
pág. 10998
abierto (Open Access). Para la inclusión y exclusión de artículos fue de gran apoyo la metodología
PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyse) (Figura 1).
Figura 1. Flujograma PRISMA
En el proceso de selección de artículos utilizando la metodología PRISMA, se consultaron tres bases de
datos: Scopus, Web of Science (WOS) y SciELO, identificando inicialmente 773 artículos (560 de Scopus,
155 de WOS y 58 de SciELO). Tras eliminar 85 artículos duplicados, quedaron 688 documentos para el
cribado, donde se excluyeron 198 artículos por estar fuera del período estipulado y 2 más por no estar en
los idiomas señalados, reduciendo el número a 488. En la fase de evaluación de idoneidad, se eliminaron
172 artículos por no ser estudios originales, 92 por no ser de acceso abierto y 203 por no estar directamente
relacionados con el objetivo de la investigación. Finalmente, se incluyeron 20 artículos que cumplían con
los criterios para ser analizados en el estudio.
Selección
Identificación
Cribado
Idoneidad
Inclusión
Scopus = 560
WOS = 155
SciELO = 58
Artículos identificados = 773
Artículos encontrados = 688
Artículos seleccionados por ser
pertinentes = 488
Artículos incluidos para análisis = 20
Artículos duplicados = 85
Artículos excluidos por encontrarse
fuera de periodo = 198
Por no encontrarse en los idiomas
señalados = 2
Artículos eliminados por ser estudios
no originales = 172
Por no ser de acceso abierto = 92
Por no estar directamente relacionados
con el objetivo de planteado = 204
pág. 10999
RESULTADOS
La revisión sistemática realizada reveló un patrón interesante en la distribución de investigaciones sobre
modelos de machine learning para abordar el abandono escolar. Se observó que Scopus concentra la mayor
parte de los estudios, representando un significativo 90% del total de investigaciones incluidas en el análisis.
Esto destaca la relevancia de Scopus como una fuente principal de literatura científica en este ámbito.
Los resultados obtenidos en la Tabla 1, revelaron una clara concentración de investigaciones en la base de
datos Scopus, que alberga el 90% (18) de los estudios analizados, lo que subraya su preeminencia como
fuente de información científica en este ámbito. En contraste, la base de datos Web of Science (WOS)
cuenta con apenas el 10% (2) de los estudios, lo que sugiere una menor representación en este campo de
investigación específica. Finalmente, en SciELO no se encontraron estudios que cumplieran con los
criterios de inclusión establecidos para el análisis, lo que indica una posible brecha en la disponibilidad de
investigaciones relacionadas en esta plataforma. Estos hallazgos destacan la disparidad en la distribución
de investigaciones en las diferentes bases de datos, lo que puede tener implicaciones para la accesibilidad
y visibilidad de la literatura científica sobre los modelos de algoritmos de machine learning para abordar el
abandono escolar.
Tabla 1 Artículos según base de datos
Base de datos
Cantidad artículos
Incluidos
%
Scopus
560
18
90%
Wos
155
2
10%
SciELO
58
0
0%
Total
773
20
100%
La revisión de la disponibilidad de estudios según el año de publicación muestra un notable incremento en
el uso de modelos de machine learning para abordar el problema del abandono escolar. Según la Tabla 2,
en 2020 solo se identificó un estudio en las bases de datos seleccionadas, representando un 5% del total, lo
que indica un interés inicial en el tema. En 2021, la producción aumentó a 3 estudios (15%), reflejando un
interés creciente. Este incremento continuó en 2022 con 3 publicaciones adicionales (15%), consolidando
la atención en esta línea de investigación.
pág. 11000
El 2023 marcó un cambio significativo, con 9 publicaciones (45%), el mayor número registrado hasta ahora.
Aunque el año 2024 aún no ha concluido, ya se cuenta con 4 estudios (20%), lo que eleva el total de
investigaciones revisadas a 20. Este incremento sostenido destaca el creciente interés y compromiso de la
comunidad científica en el uso de machine learning para abordar el abandono escolar, subrayando la
relevancia y potencial impacto de estos modelos en la actualidad.
Tabla 2 Artículos según año de publicación
Base de datos
Incluidos
%
2024
4
20%
2023
9
45%
2022
3
15%
2021
3
15%
2020
1
5%
Total
20
100.0
En la Tabla 3 se presenta la distribución de artículos según el país de estudio. De un total de 20 artículos,
México destaca como el país con mayor representación, con 3 artículos (15%). Le siguen Perú, Estados
Unidos, Brasil, España, Tanzania, Eslovaquia y Chile, cada uno con 2 artículos (10%). En menor
proporción, Finlandia, Ecuador y Hungría contribuyen con 1 artículo cada uno (5%). Esta distribución
muestra a México como la principal fuente de los artículos revisados, mientras que los demás países tienen
una participación similar, aunque más limitada.
Tabla 3 Artículos según país de estudio
País
Cantidad artículos
%
México
3
15%
Perú
2
10%
EEUU
2
10%
Brasil
2
10%
España
2
10%
Tanzania
2
10%
Eslovaquia
2
10%
Chile
2
10%
pág. 11001
Finlandia
1
5%
Ecuador
1
5%
Hungría
1
5%
Total
20
100.0 %
Asimismo, para registrar los datos se utilizó un protocolo que permitió organizar la información de cada
artículo. El protocolo recoge información de los siguientes campos: Titulo, Autor(es), Revista, País, Año y
Conclusión (Tabla 4).
Tabla 4 Artículos científicos incluidos en la revisión según las palabras clave utilizadas
Titulo
Autor(es)
Revista
País
Año
Conclusión
Application of
the
performance of
machine
learning
techniques as
support in the
prediction of
school dropout
Jiménez-
Gutiérrez, Auria
Lucia
Mota-
Hernández,
Cinthya Ivonne
Mezura-Montes,
Efrén
Alvarado-
Corona, Rafael
Scientific
Reports
México
2024
Para abordar la deserción en
niveles educativos medio y
superior en México, se
implementaron técnicas de
Machine Learning que
lograron alta precisión. Las
redes neuronales artificiales
(ANN) alcanzaron un 99%
de confiabilidad, mientras
que el uso de máquinas de
soporte vectorial,
optimización bayesiana,
Random Forest y
regresiones Ridge y Lasso
lograron una confiabilidad
superior al 91%.
Machine
learning model
(RG-DMML)
and ensemble
algorithm for
prediction of
students’
retention and
graduation in
education
Okoye, Kingsley
Nganji, Julius T.
Escamilla, Jose
Hosseini, Samira
Computers
and
Education:
Artificial
Intelligence
México
2024
Se desarrolló un modelo de
Machine Learning (RG-
DMML) y un algoritmo de
conjunto para predecir la
retención y graduación de
estudiantes en educación,
basado en la metodología
CRISP-DM. Utilizando el
método Bagging, selección
de características Wrapper y
pág. 11002
el algoritmo K-Nearest
Neighbor (KNN) con
validación cruzada k-fold, el
modelo demostró ser
eficiente y preciso en la
predicción de estos
resultados estudiantiles.
Predicting and
Mitigating
Freshmen
Student
Attrition: A
Local-
Explainable
Machine
Learning
Framework
Delen, Dursun
Davazdahemami,
Behrooz
Rasouli
Dezfouli, Elham
Information
Systems
Frontiers
EEUU
2024
Usando un enfoque de red
neuronal profunda con
perceptrón multicapa (MLP)
completamente conectado (o
denso) para desarrollar un
modelo capaz de predecir la
retención estudiantil,
considerando factores
personales, educativos,
financieros y
socioeconómicos.
Predicting
student
dropouts with
machine
learning: An
empirical study
in Finnish
higher
education
Vaarma, Matti
Li, Hongxiu
Technology
in Society
Finlandia
2024
Utilizando tres modelos de
machine learning: CatBoost
(CAT), redes neuronales
(NN) y regresión logística
(LR), se obtuvo información
sobre la confiabilidad con la
que es posible predecir el
abandono escolar en un
momento determinado
mediante estos algoritmos.
An explainable
machine
learning
approach for
student dropout
prediction
Krüger, João
Gabriel Corrêa
Britto, Alceu de
Souza
Barddal, Jean
Paul
Expert
Systems with
Applications
Brasil
2023
Los algoritmos Random
Forest, XGBoost, Gradient
Boosting y AdaBoost,
obtuvieron puntuaciones
AUC-PR entre el 38.22 % y
el 89.50 % al predecir la
deserción en distintos
momentos del año.
pág. 11003
A Case-Study
Comparison of
Machine
Learning
Approaches for
Predicting
Student’ s
Dropout from
Multiple
Online
Educational
Entities
Porras, Manuel
Lara, Juan
Alfonso
Romero,
Cristóbal
Ventura,
Sebastián
Algorithms
España
2023
Se logró predecir la
deserción estudiantil en
cursos en línea mediante el
uso de una red neuronal de
memoria a largo y corto
plazo bidireccional
(BiLSTM).
Using machine
learning to
predict student
retention from
socio-
demographic
characteristics
and app-based
engagement
metrics
Matz, Sandra C.
Bukow,
Christina S.
Peters, Heinrich
Deacons,
Christine
Dinu, Alice
Stachl, Clemens
Scientific
Reports
EEUU
2023
A través de dos algoritmos,
Elastic Net y Random
Forest, se obtuvieron
predicciones confiables.
Destacamos la capacidad de
generalización de
resultados, ya que los
modelos entrenados en una
universidad pueden predecir
la retención en otra
institución con niveles de
desempeño predictivo
razonablemente altos.
Improving
Student
Retention in
Institutions of
Higher
Education
through
Machine
Learning: A
Sustainable
Approach
Villegas-Ch,
William
Govea, Jaime
Revelo-Tapia,
Solange
Sustainability
Ecuador
2023
La investigación confirma
que la implementación del
modelo de predicción de
retención estudiantil basado
en machine learning
mediante ANN (Red
Neuronal Artifical) ha
tenido un impacto
significativo, con un
aumento del 6.875% en la
tasa de retención. Esto
resalta la efectividad del
pág. 11004
modelo para identificar de
manera temprana a los
estudiantes en riesgo y
mejorar así la retención.
Data Balancing
Techniques for
Predicting
Student
Dropout Using
Machine
Learning
Mduma, Neema
Data
Tanzania
2023
El método SMOTE con
vecinos más cercanos
(KNN) editados logró el
mejor rendimiento de
clasificación en la muestra
de retención en 10
ocasiones.
Comparative
analysis of
Machine
Learning
Techniques for
the prediction
of cases of
university
dropout
Tito, Anthony
Edwin Aco
Condori, Bryan
Orlando Hancco
Vera, Yasiel
Pérez
RISTI -
Revista
Iberica de
Sistemas e
Tecnologias
de
Informacao
Perú
2023
Se concluyó que la regresión
logística es la técnica que
ofrece los mejores
resultados para predecir la
deserción universitaria en el
conjunto de datos analizado.
Design of a
Machine
Learning
Model to
Predict Student
Attrition
Fauszt, Tibor
Erdélyi, Katalin
Dobák, Dóra
Bognár, László
Kovács, Endre
International
Journal of
Emerging
Technologies
in Learning
Hungría
2023
El modelo de árbol de
decisión desarrollado a
partir de los datos de
entrenamiento mostró una
precisión de clasificación
del 87,9% al ser evaluado
con los datos de prueba. Este
modelo fue diseñado
específicamente para
predecir situaciones en las
que se anticipa que un
estudiante abandonará la
escuela y no completará su
graduación.
Classification
model for
student
Villarreal-
Torres, Henry
EAI
Endorsed
Transactions
Perú
2023
La investigación dio como
resultado un modelo de
aprendizaje automático
pág. 11005
dropouts using
machine
learning: A
case study
Ángeles-
Morales, Julio
Cano-Mejía,
Jenny
Mejía-Murillo,
Carmen
Flores-Reyes,
Gumercindo
Palomino-
Márquez,
Manuel
Marín-
Rodriguez,
William
Andrade-Girón,
Daniel
on Scalable
Information
Systems
supervisado, conocido como
Gradient Boosting Machine
(GBM), para clasificar la
deserción estudiantil. Este
modelo identificó los
principales factores
asociados que influyen en la
deserción, logrando un
coeficiente de Gini del
92,20%, un AUC del
96,10% y un LogLoss de
24,24%. Estos resultados
indican que el modelo tiene
un desempeño eficiente y
robusto.
Machine
Learning
Prediction of
University
Student
Dropout: Does
Preference Play
a Key Role?
Segura, Marina
Mello, Jorge
Hernández,
Adolfo
Mathematics
España
2022
En términos generales, todos
los métodos de Machine
Learning generan
predicciones significativas.
No obstante, hay algunas
excepciones notables; por
ejemplo, los métodos KNN
muestran un rendimiento
destacado dentro del
contexto estudiado.
Enhanced
Model for
Predicting
Student
Dropouts in
Developing
Countries
Using
Automated
Machine
Mnyawami,
Yuda N.
Maziku, Hellen
H.
Mushi, Joseph C.
Applied
Artificial
Intelligence
Tanzania
2022
El modelo propuesto
alcanzó una precisión de
predicción notable, con
resultados de Árbol de
Decisión (DT) = 99,8 %, K-
Nearest Neighbors (KNN) =
99,6 %, Perceptrón
Multicapa (MLP) = 99 % y
Naive Bayes (NB) = 97 %.
Esta mejora en la puntuación
pág. 11006
Learning
Approach: A
Case of
Tanzanian’s
Secondary
Schools
de predicción sugiere una
selección efectiva de las
características que
contribuyen al abandono
escolar, las cuales pueden
ser monitoreadas de cerca
durante el proceso de
aprendizaje para facilitar
intervenciones tempranas
Predicting
student's
dropout in
university
classes using
two-layer
ensemble
machine
learning
approach: A
novel stacked
generalization
Niyogisubizo,
Jovial
Liao, Lyuchao
Nziyumva, Eric
Murwanashyaka,
Evariste
Nshimyumukiza,
Pierre Claver
Computers
and
Education:
Artificial
Intelligence
Eslovaquia
2022
A través de un modelo
híbrido que combina
Random Forest (RF),
XGBoost, Gradient
Boosting (GB) y Redes
Neuronales Feedforward
(FNN), es posible identificar
a los estudiantes en riesgo de
abandonar la escuela,
considerando diversos
factores influyentes.
Analysis of
first-year
university
student dropout
through
machine
learning
models: A
comparison
between
universities
Opazo, Diego
Moreno,
Sebastián
Álvarez-
Miranda,
Eduardo
Pereira, Jordi
Mathematics
Chile
2021
Entre los ocho modelos de
aprendizaje automático
evaluados en los conjuntos
de datos, el algoritmo
Gradient Boosting Tree
demostraron ser el modelo
más eficaz en la predicción
de la deserción estudiantil
universitaria.
Towards
predicting
student’s
dropout in
university
Kabathova,
Janka
Drlik, Martin
Applied
Sciences
Eslovaquia
2021
Los algoritmos de
aprendizaje automático,
como la Regresión Logística
(LR), el Árbol de Decisión
(DT), el Bosque Aleatorio
pág. 11007
courses using
different
machine
learning
techniques
(RF), el Bayes Ingenuo
(NB), las Máquinas de
Vectores de Soporte (SVM)
y las Redes Neuronales
(NN), demostraron que
pueden aplicarse con éxito a
un conjunto de datos, para
predecir la deserción.
IoT system for
school dropout
prediction
using machine
learning
techniques
based on
socioeconomic
data
A.da S.
Vasconcelos,
Francisco F.X.
Peixoto, Solon
A.
Hassan,
Mohammad
Mehedi
Ali Akber
Dewan, M.
Electronics
Brasil
2020
En el estudio se emplearon
diversos clasificadores
dentro de la deserción
estudiantil, cada uno con
características específicas:
Árbol de Decisión,
Regresión Logística (LR),
Máquinas de Vectores de
Soporte (SVM), K-Vecinos
Más Cercanos (KNN),
Perceptrón Multicapa
(MLP) y Redes Neuronales
Profundas (DNN). El Árbol
de Decisión logró una
precisión del 99,34% y una
puntuación F1 del 100%,
junto con un 98,69% de
precisión en la recuperación.
Knowledge
discovery for
higher
education
student
retention based
on data mining:
Machine
learning
algorithms and
Palacios, Carlos
A.
Reyes-Suárez,
José A.
Bearzotti, Lorena
A.
Leiva, Víctor
Marchant,
Carolina
Entropy
Chile
2021
Entre los algoritmos de
aprendizaje automático
empleados en este estudio se
incluyen los árboles de
decisión, k-vínculos más
cercanos, regresión
logística, Bayes ingenuo,
bosque aleatorio y máquinas
de vectores de soporte. De
todos ellos, la técnica de
bosque aleatorio demostró
pág. 11008
case study in
chile
ser la más eficaz en términos
de rendimiento para la
predicción.
Ciencia de
Datos
Educativos y
aprendizaje
automático: un
caso de estudio
sobre la
deserción
estudiantil
universitaria en
México
Kuz, Antonieta
Morales, Rosa
Education in
the
Knowledge
Society
Mexico
2023
En el estudio se probaron
técnicas como XGBoost,
regresión logística, red
neuronal y árboles de
decisión. La red neuronal
destaca por su área bajo la
curva (AUC), que muestra
una mayor distancia
respecto a la línea de
referencia, lo cual indica un
rendimiento superior de este
modelo en comparación con
los otros para predecir la
deserción estudiantil en
dicho contexto.
La Tabla 5 presenta la distribución de estudios según el nivel educativo abordado, mostrando una mayor
concentración en el nivel superior, con 16 estudios en total, entre los que destacan los trabajos de Okoye et
al. (2024), Delen et al. (2023), Vaarma y Li (2024), entre otros, lo que refleja un interés significativo en la
investigación de este nivel. En el nivel secundario, se registraron dos estudios, realizados por Krüger et al.
(2023) y Mnyawami et al. (2022), indicando una menor atención en comparación con el nivel superior. Por
su parte, el nivel multinivel fue abordado en un estudio de Jiménez-Gutiérrez et al. (2024), lo cual permite
una visión más amplia que abarca varias etapas educativas. Finalmente, el nivel primario contó con un
único estudio realizado por Mduma (2023), evidenciando una representación limitada en este segmento. En
conjunto, estos resultados destacan un mayor enfoque investigativo en el nivel superior, mientras que los
otros niveles muestran una menor presencia en el conjunto de estudios analizados.
Tabla 5 Estudios según nivel educativo
Nivel
Estudios
Superior
(Okoye et al., 2024); (Delen et al., 2023); (Vaarma & Li, 2024); (Porras et al., 2023);
(Matz et al., 2023); (Villegas-Ch et al., 2023); (Tito et al., 2023); (Fauszt et al., 2023);
pág. 11009
(Villarreal-Torres et al., 2023); (Segura et al., 2022); (Niyogisubizo et al., 2022);
(Opazo et al., 2021); (Kabathova & Drlik, 2021); (Freitas et al., 2020); (Palacios et al., 2021);
(Kuz & Morales, 2023)
Secundari
a
(Krüger et al., 2023); (Mnyawami et al., 2022);
Multinivel
(Jiménez-Gutiérrez et al., 2024);
Primaria
(Mduma, 2023)
La Tabla 5 presenta las metodologías de análisis de datos utilizadas en los estudios revisados, destacando
que la metodología empírica es la más común, con 16 estudios aplicándola, lo que refleja una preferencia
por enfoques basados en datos reales. En contraste, las metodologías CRISP-DM y KDD son menos
frecuentes, cada una utilizada en solo dos estudios. Esto sugiere que, aunque CRISP-DM y KDD ofrecen
enfoques estructurados para el análisis de datos, la mayoría de los estudios se centran en la recopilación y
análisis empírico, lo que podría indicar áreas de mejora en la adopción de estas metodologías más formales
en investigaciones futuras.
Tabla 6 Metodología de análisis de datos
Metodología de análisis de
datos
Estudios
Empírica
(Delen et al., 2023); (Vaarma & Li, 2024); (Porras et al., 2023);
(Matz et al., 2023); (Villegas-Ch et al., 2023); (Tito et al., 2023);
(Fauszt et al., 2023); (Villarreal-Torres et al., 2023);
(Segura et al., 2022); (Niyogisubizo et al., 2022);
(Opazo et al., 2021); (Freitas et al., 2020); (Kuz & Morales, 2023);
(Krüger et al., 2023); (Mnyawami et al., 2022); (Mduma, 2023)
CRISP-DM
(Okoye et al., 2024); (Kabathova & Drlik, 2021)
KDD
(Jiménez-Gutiérrez et al., 2024); (Palacios et al., 2021)
La Tabla 7 presenta los modelos de machine learning más efectivos para predecir el abandono escolar, con
un total de diez estudios analizados. En este contexto, los Árboles de Decisión (DT) sobresalen por su alta
prevalencia, lo que resalta su popularidad, robustez y eficacia en la predicción. A continuación, se
encuentran las Redes Neuronales Artificiales (ANN), respaldadas por siete estudios, lo que indica también
pág. 11010
su notable eficacia. Por otro lado, la Regresión Lineal (LR) es citada en cuatro estudios, mientras que los
Vecinos Más Cercanos (KNN) aparecen en tres estudios; esto sugiere que, aunque ambos son modelos
válidos, su rendimiento es inferior al de los anteriores. La Máquina de Soporte de Vectores (SVM) y las
Redes Bayesianas son mencionadas en un solo estudio cada una, lo que indica un uso más limitado en esta
área. Por último, se menciona un modelo híbrido en un estudio, lo que sugiere que se están investigando
combinaciones de diferentes enfoques de machine learning para mejorar la predicción del abandono escolar.
Tabla 7 Modelos de machine learning más efectivos en la predicción del abandono escolar
Modelos
Estudios
Redes Neuronales Artificiales
(ANN)
(Jiménez-Gutiérrez et al., 2024); (Delen et al., 2023); (Vaarma & Li,
2024); (Porras et al., 2023); (Villegas-Ch et al., 2023); (Kabathova &
Drlik, 2021); (Kuz & Morales, 2023)
Vecinos Mas Cercanos (KNN)
(Okoye et al., 2024); (Mduma, 2023); (Segura et al., 2022)
Regresión lineal (LR)
(Vaarma & Li, 2024); (Matz et al., 2023); (Tito et al., 2023); (Kabathova
& Drlik, 2021);
Arboles de decisión (DT)
(Vaarma & Li, 2024); (Krüger et al., 2023); (Matz et al., 2023); (Fauszt
et al., 2023); (Villarreal-Torres et al., 2023); (Mnyawami et al., 2022);
(Opazo et al., 2021); (Kabathova & Drlik, 2021); (Freitas et al., 2020);
(Palacios et al., 2021);
Máquina de Soporte de
Vectores (SVM)
(Kabathova & Drlik, 2021)
Redes Bayesianas
(Kabathova & Drlik, 2021)
Hibrido
(Niyogisubizo et al., 2022)
En la Tabla 8 se presentan los algoritmos de machine learning más populares utilizados en la predicción
del abandono escolar, destacándose la Red Neuronal Artificial (ANN) y el Árbol de Decisión, ambos con
una frecuencia de 9, lo que sugiere su amplia adopción y efectividad en este ámbito. Le siguen la Regresión
Logística (LR) y el Random Forest (RF), cada uno con 8, mostrando también un sólido desempeño en las
predicciones. Otros algoritmos como la Máquina de Soporte de Vectores (SVM) y los Vecinos más
Cercanos (KNN) tienen una frecuencia de 7, evidenciando su relevancia. A pesar de que métodos como
XGBoost y Gradient Boosting están presentes, su uso es menos frecuente, con 3 y 4 respectivamente,
pág. 11011
mientras que algoritmos como CatBoost y Elastic Net son poco utilizados, indicando que los enfoques más
tradicionales siguen siendo preferidos en el análisis de abandono escolar.
Tabla 8 Algoritmos de machine learning más populares en la predicción del abandono escolar
Algoritmos
Frecuencia
Red Neuronal Artificial (ANN)
9
Máquina de Soporte de Vectores (SVM)
7
Vecinos más Cercanos (KNN)
7
Regresión Logística (LR)
8
Random Forest (RF)
8
Naive Bayes (NB)
6
Perceptrón Multicapa (MP)
4
Árbol de Decisión (DT)
9
Gradient Boosting (GB)
4
XGBoost
3
CatBoost (CAT)
1
Elastic Net
1
Aprendizaje Profundo
1
Regresión Lineal Ridge y Lasso
1
AdaBoost
1
En la Tabla 7, diversos estudios destacan que los factores más relevantes y repetidos en la deserción escolar
incluyen principalmente elementos académicos, económicos, psicosociales, personales, demográficos e
institucionales. En términos académicos, las calificaciones bajas, los cursos reprobados y los créditos
acumulados se identifican como indicadores clave de riesgo, mientras que los problemas financieros,
ingresos familiares bajos y la situación económica general son barreras significativas que afectan la
permanencia escolar. Además, aspectos psicosociales, como las dificultades emocionales, la baja
autoestima y la falta de integración social, influyen considerablemente en la retención de los estudiantes.
Factores personales y demográficos, como la edad, el estado civil, la educación de los padres y el apoyo
familiar, también desempeñan un papel importante en el abandono, especialmente entre aquellos con
mayores responsabilidades familiares. A nivel institucional, la calidad de la gestión educativa y la
pág. 11012
disponibilidad de instalaciones adecuadas son esenciales para una experiencia de aprendizaje favorable, al
igual que la participación activa en actividades académicas, incluida la interacción en plataformas virtuales.
En conjunto, estos factores reflejan la complejidad del fenómeno de deserción y la necesidad de estrategias
integrales que atiendan estos múltiples aspectos.
Tabla 7 Factores que contribuyen al abandono escolar
Estudio
Factores
(Jiménez-Gutiérrez et al., 2024)
Dificultades para aprender, exclusión y vulnerabilidad de los
estudiantes, problemas económicos y prejuicios
(Okoye et al., 2024)
El promedio de calificaciones de la escuela secundaria previa y la
puntuación de ingreso/admisión de los estudiantes, demostró ser más
eficaz para predecir la retención de los estudiantes en comparación con
el uso de los datos de graduación.
(Delen et al., 2023)
Promedio de calificaciones, la cantidad de créditos aprobados,
problemas financieros, ingresos bajos.
(Vaarma & Li, 2024)
Créditos acumulados, la cantidad de cursos reprobados y el conteo de
actividades de Moodle.
(Krüger et al., 2023)
Dificultades financieras, calificaciones bajas y dificultades en diversas
asignaturas, desmotivación y falta de interés en continuar con la
educación.
(Porras et al., 2023)
Número de discusiones vistas en las plataformas, exámenes que no están
completados y horas dedicadas al curso son indicadores importantes.
(Matz et al., 2023)
Estudiantes con dificultades financieras, un bajo rendimiento académico
previo, medido por el GPA o las puntuaciones de exámenes, la falta de
integración social y participación en la vida universitaria.
(Villegas-Ch et al., 2023)
Estudiantes con bajas calificaciones, baja asistencia, situación
económica y antecedentes familiares.
(Mduma, 2023)
Fuente de ingresos del hogar y el tamaño del hogar, relación de alumnos
con maestro, falta de instalaciones adecuadas.
pág. 11013
(Tito et al., 2023)
Dificultades emocionales, baja autoestima, problemas de salud,
dificultades financieras, estado civil, expectativas no cumplidas, falta de
orientación profesional y el impacto de la COVID-19.
(Fauszt et al., 2023)
Antecedentes familiares, conexiones sociales, empleo, motivación,
habilidades académicas, estrés, y dificultades financieras.
(Villarreal-Torres et al., 2023)
Rendimiento académico, materias reprobadas, repetición de año,
desempeño docente, estrés de la persona, rendimiento en pregrado, el
número de hijos, la motivación, la situación económica, el trabajo
relacionado con su carrera, financiamiento de sus estudios.
(Segura et al., 2022)
Menor tiempo dedicado al estudio por semana, rendimiento académico
del primer semestre, la preferencia por el curso, nivel educativo de los
padres, la edad y el tipo de beca.
(Mnyawami et al., 2022)
Calificaciones, edad, distancia a la escuela, número de hijos, educación
de los padres, género del estudiante, y medios para ir a la escuela.
(Niyogisubizo et al., 2022)
El bienestar social, el rendimiento del estudiante, las condiciones de
aprendizaje, la edad, el género, el estado familiar, el patrocinio del
estudiante, etc.
(Opazo et al., 2021)
Factores económicos individuales y familiares, factores institucionales
(gestión, intervención institucional y seguimiento del estudiante),
factores psicológicos (apoyo psicosocial y familiar), factores personales
(motivación y relaciones sociales), así como factores académicos y
demográficos.
(Kabathova & Drlik, 2021)
Número insuficiente de puntos obtenidos, tareas no entregadas o
retrasadas, y baja actividad en el curso.
(Freitas et al., 2020)
Ingresos familiares bajos y dificultades financieras, edad, género, raza
y procedencia del bachillerato, tamaño de la universidad y
características socioeconómicas.
(Palacios et al., 2021)
Puntaje educativo secundario, índice de pobreza en la comunidad.
pág. 11014
(Kuz & Morales, 2023)
Promedio del estudiante en el primer período y el porcentaje de la beca.
La Tabla 8, presenta una visión general de diversos estudios sobre el uso de técnicas de Machine Learning
para predecir la deserción escolar y mejorar la retención estudiantil. En general, se observa que estos
modelos son efectivos para identificar a los estudiantes en riesgo de abandonar sus estudios, lo que permite
a las instituciones educativas implementar intervenciones oportunas y personalizadas, como tutorías y
apoyo financiero, aumentando así las posibilidades de permanencia. Los estudios destacan la importancia
de utilizar conjuntos de datos amplios y longitudinales, así como la adaptabilidad de los modelos, ya sean
individuales o centralizados, para abordar las necesidades específicas de los estudiantes. Asimismo, se
enfatiza que la detección temprana del riesgo de abandono no solo ayuda a mejorar las tasas de retención,
sino que también permite a las autoridades educativas tomar decisiones informadas, promoviendo un
enfoque proactivo ante el problema de la deserción escolar.
Tabla 8 Impacto del machine learning en la reducción del abandono escolar
Estudio
Impacto
(Jiménez-Gutiérrez et al., 2024)
Cada una de las técnicas de Machine Learning implementadas, permite
identificar la probabilidad de que un joven esté en riesgo de desertar,
por causas ajenas a su voluntad, que se encuentre en situación de
vulnerabilidad para continuar sus estudios en nivel medio superior o
superior, y qué instituciones federales y educativas pueden brindar
apoyo para su mejora.
(Okoye et al., 2024)
El modelo Bagging, con validación cruzada de 10 veces, es eficaz para
predecir la retención (90.9%) y graduación (82.2%) de estudiantes. Su
alto rendimiento permite identificar a quienes están en riesgo de
abandono escolar de manera oportuna.
(Delen et al., 2023)
El modelo mejora el rendimiento predictivo al utilizar un conjunto de
datos longitudinales más amplio y técnicas avanzadas de aprendizaje
automático. Para luego ofrecer a responsables de políticas y
administradores escolares un modelo de "caja negra" que permite tomar
pág. 11015
decisiones informadas tanto a nivel colectivo como individual,
facilitando así la retención de estudiantes.
(Vaarma & Li, 2024)
Ayuda a predecir el abandono escolar y por ello las universidades
pueden intervenir antes de que los estudiantes abandonen, aumentando
las posibilidades de retención. Finalmente proporcionan ideas prácticas
sobre cuándo y cómo intervenir para evitar que los estudiantes
abandonen, mejorando así las tasas de retención.
(Krüger et al., 2023)
El modelo permite detectar posibles abandonos escolares en diferentes
momentos del año, lo que facilita la intervención temprana. Con la
información obtenida, las instituciones pueden ofrecer apoyo
personalizado, como tutorías o descuentos, para mantener a los
estudiantes en la escuela.
(Porras et al., 2023)
Este estudio muestra que, para optimizar la predicción del abandono
escolar, las instituciones educativas pueden elegir entre modelos
individuales o centralizados según el tamaño y la naturaleza de sus
datos. Los modelos individuales ofrecen un ajuste preciso para entidades
pequeñas, aunque requieren más esfuerzo de mantenimiento, mientras
que los modelos centralizados, al combinar datos de múltiples
instituciones, permiten crear modelos robustos y generalizables, aunque
presentan desafíos en privacidad y sesgos.
(Matz et al., 2023)
Permite la identificación temprana de estudiantes en riesgo y eso genera
que haya intervenciones oportunas basadas en evidencia.
(Villegas-Ch et al., 2023)
Permite la identificación temprana, de esa manera las instituciones
pueden diseñar estrategias de apoyo específicas para cada estudiante,
aumentando la efectividad de las intervenciones.
(Mduma, 2023)
Los resultados permiten a las instituciones educativas anticipar y
prevenir el abandono escolar mediante intervenciones tempranas y
específicas.
pág. 11016
(Tito et al., 2023)
Ayuda a predecir qué estudiantes tienen mayor riesgo de abandonar, las
universidades pueden intervenir a tiempo con apoyo académico y
personal. Permite a las instituciones enfocar sus recursos en los
estudiantes que más lo necesitan, mejorando la eficiencia de los
programas de retención.
(Fauszt et al., 2023)
Ayuda a identificar a los estudiantes en riesgo lo antes posible para
implementar intervenciones efectivas y reducir las tasas de abandono.
(Villarreal-Torres et al., 2023)
El modelo es adecuado para la predicción de deserción estudiantil,
proporcionando alta precisión, sensibilidad y especificidad, además de
ofrecer ventajas como la capacidad de manejar datos desbalanceados y
mejorar los resultados mediante la generación automática de modelos
de aprendizaje
(Segura et al., 2022)
El modelo identifica a los estudiantes en riesgo de abandono desde el
primer semestre permitiendo a las instituciones intervenir de manera
oportuna con estrategias de apoyo personalizadas, como tutorías y
asesorías académicas.
(Mnyawami et al., 2022)
El modelo permite identificar con precisión a los estudiantes en riesgo
de abandonar la escuela y de esa manera las instituciones pueden
implementar estrategias proactivas y personalizadas para apoyar a estos
estudiantes antes de que abandonen la escuela.
(Niyogisubizo et al., 2022)
La predicción del riesgo de abandono escolar motiva a los estudiantes a
enfocarse en sus estudios y permite a las autoridades escolares tomar
decisiones informadas, como promociones o exámenes adicionales,
mientras que los maestros pueden intervenir tempranamente ante
conductas de riesgo
(Opazo et al., 2021)
El modelo es muy útil para predecir la deserción estudiantil y pueden
ayudar a las instituciones a identificar estudiantes en riesgo y mejorar
las tasas de retención, beneficiando su viabilidad económica.
pág. 11017
(Kabathova & Drlik, 2021)
El modelo permite predecir el abandono temprano del curso, facilitando
intervenciones oportunas para mejorar la participación estudiantil y
reducir la deserción mediante soluciones adaptadas a las necesidades de
los estudiantes.
(Freitas et al., 2020)
El modelo permite identificar y clasificar a estudiantes en riesgo de
abandono escolar según sus datos socioeconómicos del formulario de
preinscripción, facilitando una evaluación preliminar antes de iniciar el
curso. Estas características son importantes porque permiten una
evaluación preliminar antes de que el estudiante comience el curso.
(Palacios et al., 2021)
El modelo facilita la predicción del nivel de deserción, lo que permite a
las instituciones implementar medidas preventivas y mejorar la
retención de estudiantes.
(Kuz & Morales, 2023)
La Ciencia de Datos Educativos y la aplicación de técnicas de
aprendizaje automático permiten investigar las posibilidades de
permanencia de los alumnos, lo que a su vez facilita la implementación
de estrategias oportunas.
DISCUSIÓN DE RESULTADOS
El análisis del papel del machine learning como herramienta innovadora en la identificación, predicción y
abordaje del abandono escolar resalta la convergencia entre la inteligencia artificial (IA) y la educación. La
IA, como un campo amplio dentro de la ciencia de la computación, se dedica a crear máquinas capaces de
realizar tareas que normalmente requieren inteligencia humana. Los sistemas de IA procesan grandes
volúmenes de datos de entrenamiento etiquetados, buscando patrones que les permitan hacer pronósticos
sobre estados futuros (Nimbalkar & Berad, 2021). Esta capacidad de análisis de datos es fundamental en la
educación, donde el machine learning (ML) ha emergido como una herramienta relevante para mejorar
diversos aspectos del aprendizaje y la retención estudiantil.
La inclusión del machine learning en el ámbito educativo ofrece un potencial significativo para abordar la
deserción escolar, un fenómeno que representa un desafío global crítico. Según diversos estudios, las tasas
pág. 11018
de abandono escolar son alarmantemente altas, afectando no solo a los individuos, sino también al
desarrollo socioeconómico de las comunidades (Hassan et al., 2024; Selim & Rezk, 2023; Vaarma & Li,
2024). En este contexto, el machine learning permite modelar sistemas que no solo identifican a los
estudiantes en riesgo de abandono, sino que también analizan factores que contribuyen a este
comportamiento, lo que facilita la creación de intervenciones personalizadas.
La identificación de los modelos de machine learning más efectivos en la predicción del abandono escolar
es un paso crucial para desarrollar intervenciones adecuadas y efectivas en el ámbito educativo. Según los
estudios revisados, se ha evidenciado que varios modelos destacan en su capacidad para predecir la
deserción escolar, cada uno con sus propias características y ventajas.
En primer lugar, las Redes Neuronales Artificiales (ANN) emergen como uno de los modelos más eficaces
(Jiménez-Gutiérrez et al., 2024; Delen et al., 2023; Vaarma & Li, 2024, entre otros). Este modelo es
conocido por su capacidad para manejar grandes volúmenes de datos y por su eficacia en la identificación
de patrones complejos. Su versatilidad y capacidad de aprendizaje a partir de datos no lineales la convierten
en una opción preferida en muchos estudios sobre abandono escolar.
Los Árboles de Decisión (DT) también se destacan, siendo mencionados en diversos estudios y reconocidos
por su facilidad de interpretación y su capacidad para modelar relaciones no lineales entre variables
(Vaarma & Li, 2024; Matz et al., 2023; Fauszt et al., 2023, entre otros). Este enfoque es especialmente útil
en entornos educativos donde las decisiones deben ser claras y comprensibles para los educadores y
administradores.
Por otro lado, la Máquina de Soporte de Vectores (SVM) y los Vecinos Más Cercanos (KNN) también
aparecen con frecuencia. SVM es especialmente útil en la clasificación de datos en entornos de alta
dimensionalidad, lo que lo hace ideal para abordar el abandono escolar al considerar múltiples factores que
pueden influir en la deserción. KNN, por su parte, es conocido por su simplicidad y efectividad en la
identificación de similitudes entre estudiantes, lo que puede ser crucial para detectar patrones de abandono.
Adicionalmente, la Regresión Logística (LR) y Random Forest (RF) son otros algoritmos prominentes. La
regresión logística es ampliamente utilizada en la predicción de eventos binarios, como la deserción escolar,
gracias a su interpretación directa de probabilidades. Random Forest, por su parte, ofrece robustez y
resistencia al sobreajuste, siendo eficaz en la clasificación y regresión.
pág. 11019
Los resultados obtenidos analizadas también reflejan la diversidad de algoritmos utilizados en la predicción
del abandono escolar. La Red Neuronal Artificial (ANN) y los Árboles de Decisión (DT) se encuentran
entre los algoritmos más populares, mientras que la Máquina de Soporte de Vectores (SVM) y la Regresión
Logística (LR) son igualmente comunes. Esta amplia variedad sugiere que no existe un enfoque único para
abordar el abandono escolar, sino que la combinación de múltiples métodos puede ofrecer la mejor
perspectiva y resultados.
Además, es relevante destacar que la utilización de modelos híbridos, como se menciona en los estudios de
Niyogisubizo et al. (2022), representa una tendencia creciente en la investigación. Estos modelos combinan
diferentes algoritmos para mejorar la precisión y efectividad de las predicciones, lo que puede ser un
enfoque prometedor para abordar la complejidad del abandono escolar.
Por consiguiente, la identificación de los modelos de machine learning más efectivos en la predicción del
abandono escolar es un área de investigación en constante evolución, con la capacidad de transformar la
forma en que las instituciones educativas abordan este fenómeno. La combinación de diferentes técnicas y
la implementación de modelos avanzados pueden facilitar la identificación de estudiantes en riesgo y la
creación de intervenciones personalizadas, contribuyendo a la retención estudiantil y al éxito académico.
Esta discusión subraya la importancia de seguir investigando y aplicando estos modelos en contextos
educativos para optimizar las estrategias de intervención y mejorar la calidad de la educación.
La investigación sobre el abandono escolar es un tema crítico que abarca múltiples dimensiones y factores
que influyen en la decisión de los estudiantes de continuar o no su educación. Al examinar los factores que
contribuyen al abandono escolar, se puede observar una interrelación compleja entre variables académicas,
económicas, sociales y emocionales, que, al integrarse en modelos de machine learning, pueden
proporcionar información valiosa para predecir y mitigar este fenómeno.
Los estudios revisados destacan que las dificultades académicas y financieras son recurrentemente citadas
como factores determinantes. Por ejemplo, Jiménez-Gutiérrez et al. (2024) identifican la vulnerabilidad de
los estudiantes y problemas económicos como contribuyentes significativos al abandono escolar. De
manera similar, Krüger et al. (2023) señalan que las calificaciones bajas, junto con dificultades en varias
asignaturas, afectan la motivación y el interés de los estudiantes en continuar sus estudios. Estos factores
pág. 11020
académicos son críticos, ya que los modelos de machine learning pueden ser entrenados para reconocer
patrones en el rendimiento académico que correlacionan con la deserción escolar.
Además, el promedio de calificaciones previas y las puntuaciones de ingreso son esenciales para la
predicción del abandono. Según Okoye et al. (2024), estos indicadores demuestran ser más eficaces para
predecir la retención que los datos de graduación. Esto sugiere que la inclusión de variables académicas
tempranas en los modelos puede mejorar significativamente su capacidad predictiva.
Otros factores como el bienestar social, las condiciones de aprendizaje, y la relación con los maestros
también se mencionan frecuentemente en la literatura. Mduma (2023) enfatiza la influencia del tamaño del
hogar y la fuente de ingresos del hogar, mientras que Mnyawami et al. (2022) destacan cómo la distancia a
la escuela y el nivel educativo de los padres impactan la decisión de un estudiante de permanecer en la
escuela. Estos factores sociales y demográficos, si se integran adecuadamente en los modelos de machine
learning, pueden ofrecer una visión más holística de los estudiantes en riesgo de abandono.
Los estudios también mencionan factores emocionales y psicológicos como la autoestima, la desmotivación
y las dificultades de salud, que afectan la permanencia de los estudiantes en el sistema educativo (Tito et
al., 2023). Estos factores pueden ser difíciles de cuantificar, pero los enfoques de machine learning,
particularmente aquellos que utilizan redes neuronales, pueden ser efectivos en la identificación de patrones
en datos cualitativos que podrían correlacionarse con la deserción escolar.
En cuanto a la integración de estos factores en modelos de machine learning, la diversidad de variables
sugiere que un enfoque de múltiples factores es esencial. Por ejemplo, los modelos híbridos que combinan
algoritmos como Random Forest y Redes Neuronales pueden permitir una mejor comprensión de las
interacciones entre los diferentes factores. Niyogisubizo et al. (2022) apuntan a la importancia de combinar
factores económicos, académicos, y psicológicos en los modelos predictivos, lo que puede facilitar el
desarrollo de intervenciones más efectivas y personalizadas para los estudiantes en riesgo.
Por lo tanto, la examinación de los factores que contribuyen al abandono escolar revela la complejidad del
fenómeno y la necesidad de un enfoque multidimensional en su estudio. Integrar estos factores en modelos
de machine learning no solo permite predecir el abandono escolar con mayor precisión, sino que también
proporciona a los educadores y administradores herramientas para identificar a los estudiantes en riesgo y
desarrollar estrategias de intervención más efectivas.
pág. 11021
La implementación de técnicas de machine learning (ML) en el ámbito educativo ofrece un enfoque
innovador para abordar el problema del abandono escolar, al permitir a las instituciones educativas
desarrollar estrategias de intervención más eficaces y específicas. Diversos estudios destacan cómo estas
técnicas no solo identifican a los estudiantes en riesgo, sino que también facilitan la formulación de
intervenciones adaptadas a sus necesidades.
Por ejemplo, Jiménez-Gutiérrez et al. (2024) enfatizan que las técnicas de ML pueden identificar con
precisión la probabilidad de que un estudiante se encuentre en situación de riesgo, lo que permite a las
instituciones no solo intervenir a tiempo, sino también conectar a los estudiantes con recursos de apoyo.
Asimismo, el modelo de Okoye et al. (2024), que emplea la técnica de Bagging, muestra una notable
eficacia en la predicción de la retención y graduación, lo que permite a las universidades intervenir antes
de que se produzca la deserción. Esto resalta la importancia de anticipar y actuar proactivamente, en lugar
de reaccionar ante situaciones ya críticas.
Además, Delen et al. (2023) aportan la idea de que el uso de un conjunto de datos longitudinales amplios y
técnicas avanzadas mejora el rendimiento predictivo, proporcionando a los administradores educativos un
modelo de "caja negra". Este modelo permite decisiones informadas tanto a nivel colectivo como
individual, lo que es esencial para abordar el abandono escolar de manera efectiva. La capacidad de los
modelos para ofrecer información detallada sobre el comportamiento de los estudiantes permite que las
instituciones puedan diseñar estrategias de apoyo personalizadas, como tutorías o asesorías académicas, tal
como se menciona en el estudio de Segura et al. (2022).
Por otro lado, estudios como el de Porras et al. (2023) sugieren que las instituciones deben considerar el
tamaño y la naturaleza de sus datos al elegir entre modelos individuales o centralizados, cada uno con sus
ventajas y desventajas en términos de precisión y mantenimiento. Esto es crucial, ya que las decisiones
sobre qué modelo implementar pueden influir en la efectividad de las intervenciones diseñadas para
prevenir el abandono.
La capacidad de ML para detectar abandonos en diferentes momentos del año, como se indica en Krüger
et al. (2023), permite intervenciones más oportunas. La identificación temprana no solo beneficia a los
estudiantes, sino que también optimiza el uso de recursos por parte de las instituciones, permitiendo que se
concentren en aquellos que más lo necesitan, como se describe en Tito et al. (2023).
pág. 11022
Finalmente, la investigación de Matz et al. (2023) concluye que la identificación anticipada de estudiantes
en riesgo fomenta intervenciones basadas en evidencia, lo que contribuye a aumentar la efectividad de las
estrategias implementadas. Este enfoque proactivo, basado en datos y análisis predictivo, transforma la
forma en que las instituciones educativas enfrentan el desafío del abandono escolar, haciéndolas más
resilientes y capaces de adaptarse a las necesidades cambiantes de sus estudiantes.
En definitiva, la implementación de machine learning en la educación no solo contribuye a la identificación
temprana de estudiantes en riesgo de abandono escolar, sino que también permite a las instituciones
educativas desarrollar estrategias de intervención más informadas y personalizadas, aumentando así las
posibilidades de retención y éxito académico de los estudiantes.
CONCLUSIONES
El análisis del machine learning (ML) como herramienta innovadora en la educación destaca su potencial
transformador en la identificación y prevención del abandono escolar. Los estudios revisados demuestran
que diversas técnicas de ML permiten a las instituciones educativas predecir con alta precisión los riesgos
de deserción e implementar intervenciones personalizadas que abordan las necesidades específicas de los
estudiantes en riesgo.
Entre los modelos más efectivos, las Redes Neuronales Artificiales (ANN) han mostrado un sólido respaldo
en la literatura reciente, lo que sugiere su capacidad para manejar la complejidad de los datos y realizar
predicciones precisas sobre la deserción estudiantil. Otros modelos, como los Vecinos Más Cercanos
(KNN), la Regresión Lineal (LR) y los Árboles de Decisión (DT), también han demostrado eficacia en la
identificación de estudiantes en riesgo, facilitando intervenciones oportunas.
Los estudios indican que el rendimiento académico previo, medido a través de calificaciones y créditos
acumulados, es un predictor clave del abandono escolar, lo que resalta la importancia de la preparación
educativa de los estudiantes. Además, factores como las dificultades financieras, la situación familiar y la
falta de apoyo social son determinantes, evidenciando cómo el contexto personal y socioeconómico influye
en su capacidad para permanecer en el sistema educativo.
La implementación de machine learning, a través de modelos predictivos como el Bagging, permite a las
instituciones identificar con precisión a los estudiantes en riesgo de deserción, propiciando intervenciones
tempranas y efectivas.
pág. 11023
Se recomienda que las instituciones no solo adopten estas tecnologías, sino que también inviertan en la
capacitación del personal en el uso y análisis de herramientas de ML. La colaboración entre educadores,
administradores y expertos en ciencia de datos será esencial para optimizar las estrategias de intervención
y reducir el abandono escolar. En última instancia, el machine learning se establece como una herramienta
clave para mejorar la calidad educativa y garantizar que todos los estudiantes tengan la oportunidad de
completar su formación académica.
REFERENCIAS BIBLIOGRÁFICAS
Alenezi, H. S., & Faisal, M. H. (2020). Utilizing crowdsourcing and machine learning in education:
Literature review. Education and Information Technologies, 25(4), 2971–2986.
https://doi.org/10.1007/s10639-020-10102-w
Alhabeeb, S., Alrusayni, N., Almutiri, R., Alhumud, S., & Al-Hagery, M. A. (2024). Blockchain and
machine learning in education: a literature review. IAES International Journal of Artificial
Intelligence, 13(1), 581–596. https://doi.org/10.11591/ijai.v13.i1.pp581-596
Bettany-Saltikov, J., & McSherry, R. (2024). How to do a Systematic Literature Review in Nursing: A Step-
by-Step Guide (3era. Ed. (ed.)). https://goo.su/wMxVzm
Delen, D., Davazdahemami, B., & Rasouli Dezfouli, E. (2023). Predicting and Mitigating Freshmen
Student Attrition: A Local-Explainable Machine Learning Framework. Information Systems
Frontiers, 26(2), 641–662. https://doi.org/10.1007/s10796-023-10397-3
European Commission. (2024). Reducir el abandono escolar prematuro: tratamiento y prevención del
abandono escolar. https://school-education.ec.europa.eu/mk/learn/courses/reducing-early-school-
leaving-treatment-and-prevention-dropouts
Fauszt, T., Erdélyi, K., Dobák, D., Bognár, L., & Kovács, E. (2023). Design of a Machine Learning Model
to Predict Student Attrition. International Journal of Emerging Technologies in Learning, 18(17),
184–195. https://doi.org/10.3991/ijet.v18i17.41449
Freitas, F. A. d. S., Vasconcelos, F. F. X., Peixoto, S. A., Hassan, M. M., Ali Akber Dewan, M., de
Albuquerque, V. H. C., & Rebouças Filho, P. P. (2020). IoT system for school dropout prediction
using machine learning techniques based on socioeconomic data. Electronics, 9, 1–14.
https://doi.org/10.3390/electronics9101613
pág. 11024
Gómez-Pulido, J. A., Park, Y., Soto, R., & Lanza-Gutiérrez, J. M. (2023). Data Analytics and Machine
Learning in Education. Applied Sciences (Switzerland), 13(3), 13–15.
https://doi.org/10.3390/app13031418
Hassan, M. A., Muse, A. H., & Nadarajah, S. (2024). applied sciences Learning : Insights from the 2022
National Education Accessibility Survey in Somaliland. Applied Sciences, 14.
https://doi.org/10.3390/app14177593
Jiménez-Gutiérrez, A. L., Mota-Hernández, C. I., Mezura-Montes, E., & Alvarado-Corona, R. (2024).
Application of the performance of machine learning techniques as support in the prediction of
school dropout. Scientific Reports, 14, 1–8. https://doi.org/10.1038/s41598-024-53576-1
Kabathova, J., & Drlik, M. (2021). Towards predicting student’s dropout in university courses using
different machine learning techniques. Applied Sciences, 11, 1–19.
https://doi.org/10.3390/app11073130
Krüger, J. G. C., Britto, A. de S., & Barddal, J. P. (2023). An explainable machine learning approach for
student dropout prediction. Expert Systems with Applications, 233, 1–9.
https://doi.org/10.1016/j.eswa.2023.120933
Kuz, A., & Morales, R. (2023). Ciencia de Datos Educativos y aprendizaje automático: un caso de estudio
sobre la deserción estudiantil universitaria en México. Education in the Knowledge Society, 24, 1–
14. https://doi.org/10.14201/eks.30080
Matz, S. C., Bukow, C. S., Peters, H., Deacons, C., Dinu, A., & Stachl, C. (2023). Using machine learning
to predict student retention from socio‑demographic characteristics and app‑based engagement
metrics. Scientific Reports, 13(1), 1–16. https://doi.org/10.1038/s41598-023-32484-w
Mduma, N. (2023a). Data Balancing Techniques for Predicting Student Dropout Using Machine Learning.
Data, 8(3). https://doi.org/10.3390/data8030049
Mduma, N. (2023b). Data Balancing Techniques for Predicting Student Dropout Using Machine Learning.
Data, 8(49), 1–14. https://doi.org/10.3390/data8030049
Mnyawami, Y. N., Maziku, H. H., & Mushi, J. C. (2022). Enhanced Model for Predicting Student Dropouts
in Developing Countries Using Automated Machine Learning Approach: A Case of Tanzanian’s
Secondary Schools. Applied Artificial Intelligence, 36(1).
pág. 11025
https://doi.org/10.1080/08839514.2022.2071406
Nimbalkar, A. A., & Berad, A. T. (2021). The increasing importance of AI applications in E-Commerce.
Vidyabharati International Interdisciplinary Research Journal, 13(1), 67–77.
https://www.viirj.org/vol13issue1/56.pdf
Niyogisubizo, J., Liao, L., Nziyumva, E., Murwanashyaka, E., & Nshimyumukiza, P. C. (2022). Predicting
student’s dropout in university classes using two-layer ensemble machine learning approach: A
novel stacked generalization. Computers and Education: Artificial Intelligence, 3, 1–12.
https://doi.org/10.1016/j.caeai.2022.100066
Okagbue, E. F., Ezeachikulo, U. P., Akintunde, T. Y., Tsakuwa, M. B., Ilokanulo, S. N., Obiasoanya, K.
M., Ilodibe, C. E., & Ouattara, C. A. T. (2023). A comprehensive overview of artificial intelligence
and machine learning in education pedagogy: 21 Years (2000–2021) of research indexed in the
scopus database. Social Sciences and Humanities Open, 8(1), 100655.
https://doi.org/10.1016/j.ssaho.2023.100655
Okoye, K., Nganji, J. T., Escamilla, J., & Hosseini, S. (2024a). Machine learning model (RG-DMML) and
ensemble algorithm for prediction of students’ retention and graduation in education. Computers
and Education: Artificial Intelligence, 6, 100205. https://doi.org/10.1016/j.caeai.2024.100205
Okoye, K., Nganji, J. T., Escamilla, J., & Hosseini, S. (2024b). Machine learning model (RG-DMML) and
ensemble algorithm for prediction of students’ retention and graduation in education. Computers
and Education: Artificial Intelligence, 6, 1–13. https://doi.org/10.1016/j.caeai.2024.100205
Opazo, D., Moreno, S., Álvarez-Miranda, E., & Pereira, J. (2021). Analysis of first-year university student
dropout through machine learning models: A comparison between universities. Mathematics, 9, 1–
27. https://doi.org/10.3390/math9202599
Palacios, C. A., Reyes-Suárez, J. A., Bearzotti, L. A., Leiva, V., & Marchant, C. (2021). Knowledge
discovery for higher education student retention based on data mining: Machine learning algorithms
and case study in chile. Entropy, 23, 1–23. https://doi.org/10.3390/e23040485
Porras, M., Lara, J. A., Romero, C., & Ventura, S. (2023). A Case-Study Comparison of Machine Learning
Approaches for Predicting Student ’ s Dropout from Multiple Online Educational Entities.
Algorithms, 16(554), 1–21. https://doi.org/10.3390/a16120554
pág. 11026
Razaulla, S. M., Pasha, M., & Farooq, M. U. (2022). Integration of Machine Learning in Education:
Challenges, Issues and Trends BT - Machine Learning and Internet of Things for Societal Issues
(C. Satyanarayana, X.-Z. Gao, C.-Y. Ting, & N. B. Muppalaneni (eds.); pp. 23–34). Springer
Nature Singapore. https://doi.org/10.1007/978-981-16-5090-1_2
Sahana, S., Singh, D., & Nath, I. (2023). Importance of AI and ML Towards Smart Sensor Network Utility
Enhancement. Encyclopedia of Data Science and Machine Learning, 240–262.
https://doi.org/10.4018/978-1-7998-9220-5.ch015
Segura, M., Mello, J., & Hernández, A. (2022). Machine Learning Prediction of University Student
Dropout: Does Preference Play a Key Role? Mathematics, 10(18), 1–20.
https://doi.org/10.3390/math10183359
Selim, K. S., & Rezk, S. S. (2023). On predicting school dropouts in Egypt: A machine learning approach.
Education and Information Technologies, 28(7), 9235–9266. https://doi.org/10.1007/s10639-022-
11571-x
Shah, D., Patel, D., Adesara, J., Hingu, P., & Shah, M. (2021). Exploiting the Capabilities of Blockchain
and Machine Learning in Education. Augmented Human Research, 6(1), 1.
https://doi.org/10.1007/s41133-020-00039-7
Sinha, A., Menon, G. R., & John, D. (2022). Beginer’s guide for systematic reviews.
https://main.icmr.nic.in/sites/default/files/upload_documents/BEGINNERS_GUIDE_FINAL_BO
OK.pdf
Tito, A. E. A., Condori, B. O. H., & Vera, Y. P. (2023). Comparative analysis of Machine Learning
Techniques for the prediction of cases of university dropout. RISTI - Revista Iberica de Sistemas e
Tecnologias de Informacao, 51(09), 84–98. https://doi.org/10.17013/risti.51.84-98
Tiwari, R. (2023). The integration of AI and machine learning in education and its potential to personalize
and improve student learning experiences. Interantional Journal of Scientific Research in
Engineering and Management, 7(2). https://doi.org/10.55041/ijsrem17645
Vaarma, M., & Li, H. (2024). Predicting student dropouts with machine learning: An empirical study in
Finnish higher education. Technology in Society, 76, 1–10.
https://doi.org/10.1016/j.techsoc.2024.102474
pág. 11027
Villar, A., & Velini, C. R. (2024). Supervised machine learning algorithms for predicting student dropout
and academic success: a comparative study. Discover Artificial Intelligence, 4(2).
https://doi.org/10.1007/s44163-023-00079-z
Villarreal-Torres, H., Ángeles-Morales, J., Cano-Mejía, J., Mejía-Murillo, C., Flores-Reyes, G., Palomino-
Márquez, M., Marín-Rodriguez, W., & Andrade-Girón, D. (2023). Classification model for student
dropouts using machine learning: A case study. EAI Endorsed Transactions on Scalable
Information Systems, 10(5), 1–12. https://doi.org/10.4108/eetsis.vi.3455
Villegas-Ch, W., Govea, J., & Revelo-Tapia, S. (2023). Improving Student Retention in Institutions of
Higher Education through Machine Learning: A Sustainable Approach. Sustainability
(Switzerland), 15(19), 1–20. https://doi.org/10.3390/su151914512
Wu, J. (2020). Machine Learning in Education. 2020 International Conference on Modern Education and
Information Management (ICMEIM), 56–63. https://doi.org/10.1109/ICMEIM51375.2020.00020
Zhou, Y., & Song, Z. (2020). Effectiveness analysis of machine learning in education big data. Journal of
Physics: Conference Series, 1651(1). https://doi.org/10.1088/1742-6596/1651/1/012105
