DOI: https://doi.org/10.37811/cl_rcm.v6i4.3017
El problema de la deserci�n en educaci�n superior y c�mo predecirla
Ma. Dolores Delgado Celis
https://orcid.org/0000-0003-0141-497X
Mar�a Eugenia Navarrete S�nchez
https://orcid.org/0000-0002-1971-6717
Mar�a Leonor Rosales Escobar
https://orcid.org/0000-0001-5173-2189
Rosa Hilda F�lix J�cquez
https://orcid.org/0000-0001-6961-341X
Mar�a Merced Cruz Renter�a
https://orcid.org/0000-0001-7498-0484
Tecnol�gico Nacional de M�xico/Instituto Tecnol�gico de San Luis Potos�
San Luis Potos� - M�xico
Palabras clave: an�lisis estad�stico; deserci�n universit�ria; educaci�n superior; retenci�n escolar.
Correspondencia: [email protected]
Art�culo recibido:� 15 julio 2022. Aceptado para publicaci�n: 20 agosto 2022.
Conflictos de Inter�s: Ninguna que declarar
Todo el contenido de Ciencia Latina Revista Cient�fica Multidisciplinar, publicados en este sitio est�n disponibles bajo Licencia Creative Commons.
Como citar Delgado Celis, M. D., Navarrete S�nchez , M. E., Rosales Escobar, M. L., F�lix J�cquez, R. H., & Cruz Renter�a, M. M. (2022). El problema de la deserci�n en educaci�n superior y c�mo predecirla. Ciencia Latina Revista Cient�fica Multidisciplinar, 6(4), 5303-5327. https://doi.org/10.37811/cl_rcm.v6i4.3017
The problem of desertion in high education and how to predict it
The objective of this research was to determine the variables that significantly explain the student dropout rate. And which of them turn out to be predictive when applying the logistic regression technique with the data of the students of the careers of Engineering in Business Management, Industrial Engineering, and Engineering in Computer Systems at the Tecnol�gico Nacional de M�xico/Instituto Tecnol�gico de San Luis Potos�.� It is mixed, descriptive, and cross-sectional research. The subjects of study are students from eight cohorts of the abovementioned careers. The study variable (dropout) was analyzed from the following dimensions: academic, socioeconomic, and demographic.� Using the Chi-square test, a significant relationship of each independent variable of the established dimensions was obtained, with the study dependent variable.� The results show that the prediction variables of the studied variable were different for each career.
Keywords: �statistical analysis; college dropouts; higher education; school holding power.
El Tecnol�gico Nacional de M�xico (TecNM) est� constituido por 254 instituciones, ofrece 43 planes de estudio a nivel Licenciatura; 110 a nivel Posgrado y atiende una matr�cula de 602,954 estudiantes en todo el pa�s. Los planes de estudio con mayor n�mero de estudiantes son: Ingenier�a Industrial (II) con 116,333; Ingenier�a en Gesti�n Empresarial (IGE) con 80,957; e Ingenier�a en Sistemas Computacionales (ISC) con 58,335 estudiantes, que representan el 42.40% de la poblaci�n total (TecNM, 2021).
El Instituto Tecnol�gico de San Luis Potos� (ITSLP), perteneciente al TecNM, cuenta con una poblaci�n estudiantil de 5,637, de los cuales 1,482 son de II; 847 de IGE y 431 de ISC; representando el 48.96% de la poblaci�n total (SII, 2021).
La deserci�n escolar representa uno de los retas m�s desafiantes que enfrenta el TecNM. Particularmente, en el TecNM/ITSLP, cuyo �ndice tiene un valor promedio de 47.7% en las carreras de II, IGE e ISC, referido a las cohortes de estudio.
Conocer las causas de la deserci�n en el TecNM, en particular en el campus San Luis Potos�, permitir� dise�ar acciones espec�ficas y oportunas, orientadas a que los estudiantes puedan continuar con sus estudios hasta su conclusi�n, lo que, en consecuencia, incrementar� el �ndice de eficiencia terminal, al mismo tiempo que tendr� un efecto social y econ�mico positivo, al poder integrar a un mayor n�mero de egresados al mercado laboral.
Disminuir el �ndice de deserci�n, en lo general, beneficia al Estado en el gasto de la educaci�n p�blica superior. Para determinar el �ndice de retorno, se mide la reciprocidad entre lo que le cuesta al Estado graduar a un estudiante y el porcentaje de graduados por cohorte generacional.� Como dato se tiene que en el ciclo escolar 2018-2019 el gasto por alumno matriculado en educaci�n superior p�blica fue de $ 82 700.00 (SEP, 2019).
Este estudio tiene como objetivo general determinar las variables que explican significativamente la deserci�n estudiantil y cu�les de ellas resultan ser variables predictivas al aplicar la t�cnica de regresi�n log�stica en tres carreras espec�ficas: II, IGE e ISC en el ITSLP, para dar sustento a la toma de decisiones y proponer acciones para abatir el �ndice de deserci�n. Los objetivos espec�ficos son los siguientes: 1) Conocer la situaci�n actual, respecto a la deserci�n de las carreras de Ingenier�a Industrial; Gesti�n Empresarial y Sistemas Computacionales. 2) Analizar la informaci�n que los departamentos de Desarrollo Acad�mico y de Servicios Escolares de la instituci�n obtienen sobre las causas de deserci�n de los estudiantes. 3) Verificar estad�sticamente cu�les de ellas son significativas para la deserci�n.� 4) Aplicar la t�cnica de regresi�n log�stica con las variables de estudio.
La pregunta de investigaci�n que guio est� investigaci�n fue: �Cu�les son las variables explicativas que inciden en el modelo de deserci�n de los estudiantes de las carreras de II, IGE e ISC en el ITSLP?
Situaci�n actual de la educaci�n superior
La educaci�n superior representa una fuente de movilidad social con ventajas personales que son atractivas, principalmente en pa�ses emergentes, adem�s que la formaci�n de capital humano de alto nivel permite el crecimiento de las distintas regiones de un pa�s (Rodr�guez, 2012).
En las �ltimas d�cadas, ha habido un gran crecimiento en la educaci�n superior en la mayor parte de los pa�ses pertenecientes a la Organizaci�n para la Cooperaci�n y el Desarrollo Econ�mico (OCDE), tanto en la oferta educativa como en la variedad de programas (OECD, 2019). En el caso de M�xico, se ha incrementado el ingreso a la educaci�n superior, de un 16% en 2008 al 23% en 2018, sin embargo, est� lejos del promedio de la OCDE (44%).� La tasa de acceso a la educaci�n terciaria en M�xico es del 51% mientras que la media internacional de la OCDE es del 65% (OECD, 2019).
La tasa de egreso puede ser un indicador de la eficiencia de los sistemas de educaci�n superior; sin embargo, una baja tasa no necesariamente indica que el sistema sea inadecuado, pues tambi�n inciden los motivos de los estudiantes para no graduarse, como sus condiciones social y econ�mica, as� como sus antecedentes educativos (OECD, 2019).
La tasa de egreso disminuye por el abandono escolar, afectando tanto a pa�ses desarrollados como a los que est�n en v�as de desarrollo y ocurre en carreras de todos los campos del conocimiento. Los estudiantes del primer a�o son los que tienen la tasa mayor de deserci�n (L�zaro, Callejas, Griol y Dur�n, 2017).� Por lo anterior, la deserci�n universitaria es de gran inter�s, al considerarse como factor de ineficiencia, que se traduce en costos considerables para pa�ses, instituciones, estudiantes y sus familias (Chalela, Valencia, Ruiz y Cadavid, 2020).
Con respecto a lo anterior, algunos estudios muestran que son diferentes los factores que inciden en la deserci�n de la educaci�n superior, desde el punto de vista de los estudiantes se menciona el horario y factores vocacionales (Mauricio, Gonz�lez y Becerra, 2016), altos �ndices de reprobaci�n en asignaturas de ciencias b�sicas, sea por falta de ganas de estudiar o factores personales, econ�micos y familiares (Aguilar, de las Fuentes, Rivera y I�iguez, 2018), h�bitos de estudio, los conocimientos previos y el bajo rendimiento acad�mico (Hidalgo, 2019). Desde otras perspectivas, Castillo, Gamboa y Hidalgo (2020) concluyen que los factores causantes de la deserci�n son el bajo rendimiento acad�mico en el primer examen parcial, conocimientos previos deficientes, poco inter�s y dedicaci�n al estudio, y Rosales, Navarrete y C�rdova (2018) mencionan como principales causas: la reprobaci�n del primer semestre; la reprobaci�n de examen especial (�ltima oportunidad para acreditar un curso) y no concluir la carrera en el tiempo reglamentario de 12 semestres. Murillo y Jurado (2020), por su parte, determinan que los factores que inciden en la persistencia del estudiante son los motivacionales, as� como la satisfacci�n personal.
Una revisi�n de la literatura llevada a cabo por Cort�s, �lvarez, Llanos y Castillo (2019) en relaci�n a las causas y factores que inciden en los altos �ndices de deserci�n recientes en Chile, muestra que cada vez hay m�s investigadores e instituciones que se interesan por el tema, debido a que existe un mayor acceso a datos para poder desarrollar modelos.� Encontraron tambi�n que autores como Tinto (1993), y Roland, Frenay y Boudrenghien (2018) concluyen �que la deserci�n se puede explicar a trav�s de cinco dimensiones: la psicol�gica, sociol�gica, econ�mica, institucional y de interacci�n�.
Por su parte, Terraza-Bele�o (2019) evalu� el programa de retenci�n estudiantil implementado en la Facultad de Ciencias de la Educaci�n, de la Universidad La Gran Colombia, utilizando los modelos de evaluaci�n de Edward A. Suchman, Carol Weiss y Michael Patton. Los resultados revelaron que el programa implementado logr� mejorar el rendimiento acad�mico de los estudiantes.
En la educaci�n t�cnico profesional, Gonz�lez y Arismendi (2018) generaron un modelo predictivo, mediante la regresi�n logar�tmica, para determinar las variables que explican significativamente este fen�meno. Los resultados estad�sticos arrojaron que las variables m�s significativas fueron el g�nero, el a�o de egreso de educaci�n media y el horario escolar. Es necesario aclarar que el modelo var�a en funci�n de las propias caracter�sticas de cada �rea de estudio.
Constate, Florenciano, Navarro y Fern�ndez (2020), aplicaron t�cnicas de regresi�n log�stica multinivel y �rboles de decisi�n para analizar los factores asociados al abandono, encontrando que las caracter�sticas de los estudiantes que desertan son: ser estudiante a tiempo parcial, de edad avanzada, con baja puntuaci�n en el examen de ingreso a la universidad en �reas de conocimiento como ciencias, artes, ingenier�a y ciencias sociales.
Disminuir la tasa de deserci�n universitaria no solo depende de las instituciones, sino tambi�n de la vinculaci�n de �stas con el rol del grupo familiar para brindar al estudiante apoyo econ�mico, social y psicol�gico. Es importante identificar las variables externas que intervienen, pero tambi�n otras internas, como las actividades extracurriculares que afectan positivamente al estudiante en su estado de salud desde una perspectiva integral, afianzando la dimensi�n biopsicosocial (Chalela, Valencia, Ruiz y Cadavid, 2020).
Deserci�n/retenci�n escolar
La permanencia o retenci�n en la educaci�n universitaria tiene un significado compartido por la literatura, asoci�ndolo a la acci�n de finalizar un programa formativo (Proyecto ALFA GU�A, 2013). La perspectiva de �xito que tienen los estudiantes se relaciona fuertemente con la permanencia en la universidad, as� como de las experiencias positivas que viven dentro de la instituci�n (Sen, 2000); en esto tienen un rol primordial, el contexto familiar, el apoyo de docentes y compa�eros, la perseverancia y las experiencias educativas y sociales significativas que lo vinculan con su proyecto acad�mico (Pineda, Pedraza y Moreno, 2011).
Donoso y Schiefelbein (2007) definen la relaci�n retenci�n/persistencia �como un fen�meno social complejo relacionado con la capacidad de la instituci�n educativa para agregar ventajas al trayecto hist�rico del estudiante�; para asegurar la elecci�n y culminaci�n de su carrera universitaria con �xito. En este sentido, la acci�n institucional retiene al estudiante y logra que �ste persista hasta terminar sus estudios.�
Hay dos dimensiones relevantes al estudiar la permanencia, como la integraci�n acad�mica y la integraci�n social; ambas son predictores de la persistencia o la deserci�n (D�az, 2008), sin embargo, para los estudiantes y las carreras o las instituciones no tienen el mismo nivel de importancia (Apaza y Huam�n, 2012).
El concepto de abandono o deserci�n, tiene una connotaci�n negativa, que se manifiesta cuando el estudiante se da de baja de una instituci�n educativa y probablemente no continua con su preparaci�n acad�mica. Para Tinto (1982) la deserci�n es el abandono de la educaci�n.� De forma m�s amplia, la deserci�n estudiantil se refiere al abandono definitivo de la formaci�n acad�mica por diferentes razones (Paramo y Correa, 2012).� Z��iga (2006) define a la deserci�n como un desequilibrio en los diferentes planos que integran la vida de un estudiante: personal, familiar, institucional y el medio. Lyche (2010) describe la deserci�n como aquella situaci�n donde un estudiante se retira del sistema educativo sin obtener un certificado acad�mico.� En M�xico, la SEP (2012) considera la deserci�n escolar �como el abandono de las actividades escolares antes de terminar alg�n grado o nivel educativo�.
Por otro lado, Cabrera, Bethencourt, �lvarez y Gonz�lez, (2006) consideran que la deserci�n es un fen�meno individual, debido a que, como fen�meno colectivo, se asocia a la eficiencia docente.� En este sentido, la definen como la alteraci�n de la trayectoria educativa debido a la reprobaci�n. Casi siempre estos fen�menos est�n relacionados, pues repetir reiteradamente cursos o grados, generalmente, deriva en la deserci�n escolar (Gonz�lez, 2006).
Modelos relacionados con la deserci�n
Existen modelos y teor�as que proporcionan variables predictivas asociadas a factores diversos, como las circunstancias del estudiante: educaci�n media, nivel socioecon�mico, aspecto psicol�gico y familiar. Las circunstancias de la instituci�n son otro grupo de factores, espec�ficamente las asociadas con las caracter�sticas de los programas, como recursos, planta docente, estrategias pedag�gicas, incluyendo apoyos que se ofrecen a los estudiantes. (Pineda, Pedraza y Moreno, 2011).
Por otro lado, Barrios (2011) establece cinco categor�as en las que se pueden clasificar los enfoques para analizar la deserci�n, de manera que se definen modelos de corte psicol�gico, econ�mico, sociol�gico, organizacional y de interacciones, adem�s de un enfoque que se integra con los elementos distintivos de los otros (St. John, Cabrera, Nora y Asker, 2000).
En el aspecto psicol�gico, a partir de la valoraci�n que el estudiante hace sobre su experiencia en el contexto de la educaci�n superior, la decisi�n de abandonar es consecuencia del debilitamiento de sus expectativas iniciales (D�az, 2008).
En el �mbito econ�mico, el sujeto realiza un proceso permanente de an�lisis y evaluaci�n, con relaci�n a los beneficios sociales y econ�micos, que lo lleva a decidirse por lo que le representa una mayor cantidad de beneficios (Apaza y Huam�n, 2012).
En el aspecto sociol�gico se considera que la formaci�n acad�mica es altamente afectada por factores externos: si el estudiante recibe influencias negativas, esto afectar� la integraci�n social, su desempe�o acad�mico, satisfacci�n y compromiso con la instituci�n y formaci�n, provocando que termine abandonando su proyecto formativo (D�az, 2008).
En el plano organizacional, la deserci�n se relaciona directamente con las circunstancias de la instituci�n educativa en el proceso de integraci�n social (Berger y Milem, 2000); por lo que, la actuaci�n del docente y la participaci�n de los estudiantes dentro del aula es muy relevante (Braxton, Shaw-Sullivan y Johnson, 1997). Aspectos como cultura, deportes, salud, apoyo docente y acad�mico son otras variables que se relacionan con los beneficios que brinda la organizaci�n a los estudiantes (Donoso y Schiefelbein, 2007).
Finalmente, la permanencia de un estudiante en la universidad depende del proceso de interacci�n con la instituci�n; la relaci�n estrecha entre el estudiante y la instituci�n acad�mica, da como resultado la integraci�n de experiencias sociales y acad�micas. El estudiante permanecer� motivado en la universidad, solo si el beneficio de esta interacci�n es mayor que el costo personal (D�az, 2008; Larroucau, 2013).
En esta investigaci�n se analiz� la deserci�n acumulada, tomada de los registros que el departamento de servicios escolares de la instituci�n, hace de cada estudiante en el Sistema de Informaci�n Integral (SII).
Para este estudio, se tom� como referencia el Modelo de Tinto (1993), para el an�lisis de la variable dependiente retenci�n con tres dimensiones: Demogr�fica, Socioecon�mica y Acad�mica, como se explica adelante.
Poblaci�n
Los sujetos de estudio son 1,770 estudiantes de las cohortes enero a junio 2012 a agosto diciembre 2015 de las carreras de IGE (482), II (875) e ISC (413) del TecNM/ITSLP respectivamente. A continuaci�n, se muestra el resumen de la distribuci�n de frecuencias por g�nero (ver Tabla 1) y la distribuci�n de frecuencias por periodo escolar de ingreso (ver Tabla 2) de la muestra utilizada.
Tabla 1. Distribuci�n de frecuencias por g�nero de los estudiantes
G�nero |
Frecuencia IGE |
Porcentaje IGE |
Frecuencia II |
Porcentaje II |
Frecuencia ISC |
Porcentaje ISC |
Femenino |
331 |
68.7 |
270 |
30.9 |
125 |
30.3 |
Masculino |
151 |
31.3 |
605 |
69.1 |
288 |
69.7 |
TOTAL |
482 |
100.0 |
875 |
100.0 |
413 |
100.0 |
Fuente: Elaboraci�n propia
Tabla 2. Distribuci�n de frecuencias por periodo escolar de ingreso
Periodo escolar |
IGE |
II |
ISC |
|||
Frecuencia |
Porcentaje |
Frecuencia |
Porcentaje |
Frecuencia |
Porcentaje |
|
Enero-junio 2012 |
29 |
6.0 |
83 |
9.5 |
14 |
3.4 |
Agosto-diciembre 2012 |
57 |
11.8 |
116 |
13.3 |
83 |
20.1 |
Enero-junio 2013 |
31 |
6.5 |
116 |
13.3 |
7 |
1.7 |
Agosto-diciembre 2013 |
84 |
17.4 |
119 |
13.6 |
89 |
21.5 |
Enero-junio 2014 |
72 |
14.9 |
101 |
11.5 |
29 |
7.0 |
Agosto-diciembre 2014 |
93 |
19.3 |
117 |
13.4 |
89 |
21.5 |
Enero-junio 2015 |
69 |
14.3 |
119 |
13.6 |
30 |
7.3 |
Agosto-diciembre 2015 |
47 |
9.8 |
104 |
11.9 |
72 |
17.4 |
TOTAL |
482 |
100.0 |
875 |
100.0 |
413 |
100.0 |
Fuente: Elaboraci�n propia
T�cnica de recolecci�n de datos
Para este prop�sito, se emplearon los datos de los departamentos de Servicios Escolares y de Desarrollo Acad�mico y del Sistema de Informaci�n Integral (SII) de la instituci�n.
Para superar el diagn�stico negativo de los �ndices de deserci�n, se analizaron adem�s de las cifras, las caracter�sticas: sociales, econ�micas y acad�micas de los estudiantes. Considerando estas variables, se logra una perspectiva m�s amplia y significativa, facilitando la toma de decisiones al estructurar el modelo de deserci�n.
En primer t�rmino, se revisaron y analizaron las variables relacionadas con la preparaci�n acad�mica previa, situaci�n socioecon�mica y antecedentes familiares que describen a los estudiantes. Posteriormente se examin� la posible relaci�n de cada una de �stas con su avance acad�mico para estructurar un modelo predictivo de la retenci�n o permanencia de los estudiantes hasta concluir su plan de estudios.
Procedimientos y m�todos
El an�lisis de la relaci�n de cada una de las variables independientes con la variable dependiente (retenci�n/deserci�n) de los estudiantes de las carreras de IGE, II e ISC del TECNM/ITSLP, se realiz� mediante la aplicaci�n del Test Chi cuadrado con los valores de frecuencia de las tablas de contingencia.
Se aplic� la t�cnica de regresi�n log�stica, como an�lisis de estad�stica multivariada, para medir explicar y predecir la relaci�n que existe entre las variables, es decir una combinaci�n lineal ponderada de �stas, con el objetivo de proponer un modelo predictivo para determinar las variables significativas que inciden en la retenci�n o deserci�n de los estudiantes de las carreras antes mencionadas.
La regresi�n log�stica consiste en obtener una funci�n lineal que, dado los valores de las variables independientes (Xi) estime la probabilidad de que se presente el evento de inter�s, es decir la variable dependiente (1: Retenci�n; 0: Deserci�n). Un modelo de regresi�n log�stica permite estudiar si la variable binaria depende de otras variables (P�rez L�pez, 2004). Por lo tanto, el modelo se plantea de la siguiente forma:
Y = β0 + β1X1 + β2X2 + ���. +βIXI
Con este modelo se puede conocer la probabilidad de que, �Y� tome el valor de 1, dadas las variables Xi, es decir:
Prob (Y| X1, X2, ��, Xi), que se determina con la siguiente ecuaci�n:
Prob (Y| X1, X2, ��, Xi) = g(X1, X2, ��, Xi; β)
P (Y=Retenci�n =1|Xi) =
Identificaci�n de variables
Los valores de las variables explicativas (independientes) fueron recogidos en el proceso de admisi�n de la matr�cula de las cohortes mencionadas, por los departamentos de servicios escolares y desarrollo acad�mico.
Tomando como base el modelo de deserci�n de Tinto (1982) y la informaci�n de la que se dispone en la base de datos del SII, en la Tabla 3 se muestran: la variable dependiente binaria, como retenci�n, por su valor 1, las dimensiones y los indicadores estudiados como variables explicativas para determinar su incidencia en la retenci�n para los estudiantes de la carrera citada.
Tabla 3. Dimensiones y variables asociadas a la deserci�n escolar
Variable dependiente |
Variables independientes |
|
Dimensi�n������������ |
Variable������������������������ explicativa |
|
Retenci�n |
Demogr�fica |
Sexo Edad Estado civil Lugar de residencia |
Socioecon�mica |
Ingreso familiar Nivel educativo del padre Nivel educativo de la madre Ocupaci�n del padre |
|
Acad�mica |
Promedio de la educaci�n media Tipo de instituci�n de la educaci�n media Calificaci�n promedio del primer a�o en educaci�n superior Asignatura reprobada en especial |
Fuente: Elaboraci�n propia
Cabe se�alar que, para este estudio, la variable binaria toma el valor de 1 para la retenci�n y de 0, para el abandono o deserci�n de los estudios universitarios, excluyendo a aquellos estudiantes que suspendieron temporalmente sus estudios o solicitaron cambio de carrera. En la Tabla 4 se visualizan las frecuencias en relaci�n al estatus que guardan.
Tabla 4. N�mero de estudiantes que desertan y concluyen sus estudios de educaci�n superior
Variables |
IGE |
II |
ISC |
|||
No. |
% |
No. |
% |
No. |
% |
|
Retenci�n |
315 |
65.4 |
605 |
69.1 |
198 |
47.9 |
Deserci�n |
167 |
34.6 |
270 |
30.9 |
215 |
52.1 |
TOTAL |
482 |
100 |
875 |
100 |
413 |
100 |
Fuente: Elaboraci�n propia
En relaci�n con las variables independientes o explicativas, se presentan aquellas que son de car�cter cuantitativo (variables de intervalo) como: la edad, el ingreso familiar (entendido como el importe del sustento del hogar reportado por el estudiante al momento de matricularse); el promedio de la educaci�n media superior (la calificaci�n promedio del certificado de bachillerato) y la calificaci�n del primer a�o de educaci�n superior (el promedio de sus notas durante el primer a�o de su carrera). El resto de las variables independientes son de car�cter nominal y en las Tablas 5, 6 y 7 se muestra la codificaci�n operada en este estudio.
Tabla 5. Variables independientes nominales asociadas a la dimensi�n demogr�fica
C�digo |
Sexo |
Estado civil |
Lugar de residencia |
0 |
Masculino |
Soltero |
|
1 |
Femenino |
No soltero |
San Luis Potos� |
2 |
|
|
Soledad de Graciano S�nchez |
3 |
|
|
Otro |
Fuente: Elaboraci�n propia
Tabla 6. Variables independientes nominales asociadas a la dimensi�n socioecon�mica
C�digo |
Nivel educativo del padre |
Nivel educativo de la madre |
Ocupaci�n del padre |
1 |
No termin� la primaria |
No termin� la primaria |
Campesino, pe�n, obrero |
2 |
Termin� primaria y secundaria |
Termin� primaria y secundaria |
Bur�crata, empleado, oficinista, vendedor |
3 |
Termin� preparatoria o capacitaci�n |
Termin� preparatoria o capacitaci�n |
Funcionario p�blico o privado |
4 |
Termin� licenciatura |
Termin� licenciatura |
Ganadero, due�o, profesionista por su cuenta, Desempe�a oficio con personal a cargo |
5 |
Termin� posgrado |
Termin� posgrado |
Profesor-investigador |
6 |
Otro |
Otro |
Jubilado |
7 |
|
|
Otro |
Fuente: Elaboraci�n propia
Tabla 7. Variables independientes nominales asociadas a la dimensi�n acad�mica
C�digo |
Tipo de instituci�n de educaci�n media |
Asignatura reprobada en especial |
0 |
|
Ninguna |
1 |
P�blica |
Ciencias b�sicas |
2 |
Privada |
Ciencias sociales |
3 |
Otra |
Propias de la carrera |
4 |
No disponible |
|
Fuente: Elaboraci�n propia
Las variables estudiadas son congruentes con lo mencionado en el marco conceptual en lo que se refiere a la deserci�n estudiantil en la educaci�n superior, as� como lo se�alado en los modelos revisados respecto al an�lisis de este fen�meno.
A partir del an�lisis realizado en funci�n de la relaci�n de cada una de las variables independientes (explicativas) con la variable dependiente (retenci�n escolar) y la implementaci�n del Test Chi cuadrado con los valores de frecuencia de las tablas de contingencia y α = 0.05, se logr� identificar el nivel de significancia (p-value) de cada una de ellas, con la variable dependiente estudiada, como se muestra en la Tabla 8.
Tabla 8. Resultados del Test Chi cuadrado de las variables independientes
Variable explicativa |
IGE |
II |
ISC |
|||
Chi cuadrada calculada |
p-value |
Chi cuadrada calculada |
p-value |
Chi cuadrada calculada |
p-value |
|
Sexo |
263.72 |
2.6526E-59 |
501.63 |
4.2037E-111 |
206.85 |
1.39628E-44 |
Edad |
263.72 |
7.0412E-57 |
501.63 |
2.1171E-108 |
206.85 |
6.68586E-47 |
Estado civil |
263.72 |
2.6499E-59 |
501.63 |
4.204E-111 |
206.85 |
1.21093E-45 |
Lugar de residencia |
263.72 |
5.4137E-58 |
501.63 |
1.1823E-109 |
206.85 |
6.6859E-47 |
Ingreso familiar |
263.72 |
7.1927E-56 |
501.63 |
2.9773E-107 |
206.85 |
6.6859E-47 |
Nivel educativo del padre |
263.72 |
6.2369E-55 |
501.63 |
3.5541E-106 |
206.85 |
9.72086E-43 |
Nivel educativo de la madre |
263.72 |
6.2369E-55 |
501.63 |
7.6762E-106 |
206.85 |
6.6859E-47 |
Ocupaci�n del padre |
249.37 |
5.5915E-51 |
477.22 |
6.7800E-100 |
206.85 |
6.6859E-47 |
Promedio de la educaci�n media |
263.72 |
7.0412E-57 |
501.63 |
2.1171E-108 |
207.22 |
5.5541E-47 |
Tipo de instituci�n de la educaci�n media |
263.72 |
7.0412E-57 |
462.90 |
5.24E-100 |
206.85 |
6.6859E-47 |
Calificaci�n promedio del primer a�o de la educaci�n superior |
263.72 |
7.0412E-57 |
498.53 |
9.9369E-108 |
207.22 |
5.5541E-47 |
Asignaturas reprobadas en especial |
263.72 |
7.0412E-57 |
501.08 |
2.79E-108 |
206.85 |
6.68586E-47 |
Fuente: Elaboraci�n propia
De acuerdo al Test de Chi cuadrado, las doce variables explicativas estudiadas tienen un p-value < 0.05, por lo que, resultan significativas en el estudio de la retenci�n.
Una vez que se analizaron cada una de las doce variables independientes con la variable dependiente, se aplic� la t�cnica de regresi�n log�stica, como m�todo inferencial multivariado para efecto de obtener un modelo predictivo relacionado con la deserci�n estudiantil en las carreras de Ingenier�a en Gesti�n Empresarial, Industrial y Sistemas Computacionales.
El resultado demuestra que, para las tres carreras, el Modelo es significativo al obtener un p-value de 1.74E-63 menor que .05, con una precisi�n del 88% para IGE; un p-value de 2.64E-126 menor que .05 para Ingenier�a Industrial, con una precisi�n del 91 %; un p-value de 2.3389E-50 menor que .05 para ISC, con una precisi�n del 85 % es decir, el 88%, 91% y el 85% de los datos se ajustan al modelo propuesto. En la Figura 1 se puede observar la curva de la caracter�stica operativa del receptor (ROC) de IGE.
Figura 1. �Curva ROC IGE. Fuente: Elaboraci�n propia
En la Figura 2 se muestra la curva de la caracter�stica operativa del receptor (ROC) de Industrial.
Figura 2. Curva ROC Industrial. Fuente: Elaboraci�n propia
En la Figura 3 se muestra la curva de la caracter�stica operativa del receptor (ROC) de Sistemas Computacionales.
Figura 3. Curva ROC Sistemas Computacionales. Fuente: Elaboraci�n propia
En la Tabla 9 se muestran los valores de los coeficientes bi (βi) (segunda columna de izquierda a derecha) obtenidos de la aplicaci�n de la t�cnica de Regresi�n Log�stica con las doce variables independientes mostradas en la primera columna de la izquierda. Las variables predictivas de mayor significancia para el an�lisis de la retenci�n estudiantil de la carrera de IGE resultaron ser, la edad y el promedio del primer a�o de la carrera, con un nivel de significaci�n p-value de 0.01058357 y 3.3167E-13, respectivamente. En la �ltima columna se tienen los valores de los exponenciales de cada coeficiente bi.
Tabla 9. Funci�n predictiva de la deserci�n estudiantil para la carrera de IGE
|
coeff b |
s.e. |
Wald |
p-value |
exp(b) |
Intercept |
-0.3546519 |
2.76189112 |
0.01648889 |
0.89782525 |
0.70141757 |
Sexo |
0.35655307 |
0.32848292 |
1.17821023 |
0.27772066 |
1.42839734 |
Edad |
-0.183134 |
0.07164432 |
6.53393289 |
0.01058357 |
0.83265654 |
Lugar de residencia |
0.27325285 |
0.23894275 |
1.307801 |
0.25279318 |
1.3142325 |
Estado civil |
0.81725686 |
0.69654994 |
1.37661541 |
0.24067851 |
2.26428008 |
Ingreso del hogar |
2.98E-05 |
2.282E-05 |
1.7053344 |
0.19159183 |
1.0000298 |
Nivel educativo padre |
-0.1106615 |
0.14801068 |
0.55899394 |
0.45466588 |
0.89524172 |
Nivel educativo madre |
-0.2165179 |
0.15412024 |
1.9736419 |
0.16006182 |
0.8053181 |
Ocupaci�n padre |
0.00323125 |
0.06552669 |
0.00243167 |
0.9606707 |
1.00323647 |
Calificaci�n promedio bachillerato |
-0.0016697 |
0.23786585 |
4.9271E-05 |
0.99439944 |
0.99833174 |
Escuela de procedencia |
0.27636266 |
0.216649 |
1.62721652 |
0.20208848 |
1.31832588 |
Promedio del 1er a�o carrera |
0.08947871 |
0.01228956 |
53.011114 |
3.3167E-13 |
1.09360405 |
Asignatura reprobada en especial |
-21.145237 |
3557.91268 |
3.5321E-05 |
0.99525807 |
6.5575E-10 |
Fuente: Elaboraci�n propia
En la Tabla 10 se muestran los valores de los coeficientes bi (βi) (segunda columna de izquierda a derecha) obtenidos de la aplicaci�n de la t�cnica de Regresi�n Log�stica con las doce variables independientes mostradas en la primera columna de la izquierda. Las variables predictivas de mayor significancia para el an�lisis de la retenci�n estudiantil de la carrera de Ingenier�a Industrial resultaron ser: la edad, el nivel educativo de la madre, el promedio del primer a�o de carrera y la asignatura reprobada en especial, con un nivel de significaci�n p-value: de 1.93023E-06, 0.03535907, 3.12473E-21 y 1.48823E-18, respectivamente. En la �ltima columna se tienen los valores de los exponenciales de cada coeficiente bi.
Tabla 10. Funci�n predictiva de la deserci�n estudiantil para la carrera de Industrial
|
coeff b |
s.e. |
Wald |
p-value |
exp(b) |
Intercept |
4.35311542 |
2.25260823 |
3.73447048 |
0.053300558 |
77.7202176 |
Sexo |
-0.29716444 |
0.28602866 |
1.07938054 |
0.298836175 |
0.74292184 |
Edad |
-0.26756755 |
0.05620464 |
22.6632649 |
1.93023E-06 |
0.76523864 |
Lugar de residencia |
-0.20582537 |
0.17740938 |
1.34599869 |
0.24597885 |
0.81397521 |
Estado civil |
-0.92225332 |
0.53268319 |
2.99752267 |
0.08339194 |
0.39762206 |
Ingreso del hogar |
4.5155E-06 |
1.4762E-05 |
0.09357061 |
0.759686014 |
1.00000452 |
Nivel educativo padre |
0.10886053 |
0.13428611 |
0.65717143 |
0.417560314 |
1.11500683 |
Nivel educativo madre |
0.28584954 |
0.1358687 |
4.42625218 |
0.035390137 |
0.75137566 |
Ocupaci�n padre |
0.03391898 |
0.0519722 |
0.42593502 |
0.513990344 |
1.03450078 |
Calificaci�n promedio bachillerato |
0.03014316 |
0.18681593 |
0.02603452 |
0.871816035 |
1.03060206 |
Escuela de procedencia |
-0.1768195 |
0.19339787 |
0.83590497 |
0.360570585 |
0.83793102 |
Promedio del 1er a�o carrera |
0.07572921 |
0.00800649 |
89.462713 |
3.12473E-21 |
1.07867045 |
Asignatura reprobada en especial |
-4.74480572 |
0.53976179 |
77.2738586 |
1.48823E-18 |
0.00869675 |
Fuente: Elaboraci�n propia
En la Tabla 11 se muestran los valores de los coeficientes bi (βi) (segunda columna de izquierda a derecha) obtenidos de la aplicaci�n de la t�cnica de Regresi�n Log�stica con las doce variables independientes mostradas en la primera columna de la izquierda. Las variables predictivas de mayor significancia para el an�lisis de la retenci�n estudiantil de la carrera de Ingenier�a en Sistemas Computacionales resultaron ser: el nivel educativo de la madre, el promedio del primer a�o de carrera y la asignatura reprobada en especial, con un nivel de significaci�n p-value: de 0.00013588, 1.41017E-11 y 6.60381E-06 respectivamente. En la �ltima columna se tienen los valores de los exponenciales de cada coeficiente bi.
Tabla 11. Funci�n predictiva de la deserci�n estudiantil para la Carrera de Sistemas Computacionales
|
coeff b |
s.e. |
Wald |
p-value |
exp(b) |
Intercept |
-0.457533 |
2.265000 |
0.040805 |
0.83991569 |
0.632843 |
Sexo |
0.450860 |
0.322499 |
1.954464 |
0.16210658 |
1.569661 |
Edad |
-0.067018 |
0.070345 |
0.907658 |
0.34073648 |
0.935178 |
Lugar de residencia |
-0.101487 |
0.146158 |
0.482146 |
0.48745177 |
0.903493 |
Estado civil |
-0.448278 |
1.092997 |
0.168212 |
0.68170568 |
0.638727 |
Ingreso del hogar |
0.000024 |
0.000024 |
0.965056 |
0.32591633 |
1.000024 |
Nivel educativo padre |
0.083250 |
0.143225 |
0.337858 |
0.56106806 |
1.086814 |
Nivel educativo madre |
-0.576972 |
0.151216 |
14.558370 |
0.00013588 |
0.561596 |
Ocupaci�n padre |
-0.058064 |
0.065532 |
0.785072 |
0.37559449 |
0.943590 |
Calificaci�n promedio bachillerato |
0.008912 |
0.095054 |
0.008791 |
0.92530130 |
1.008952 |
Escuela de procedencia |
-0.086370 |
0.154817 |
0.311232 |
0.57692509 |
0.917255 |
Promedio del 1er a�o carrera |
0.075006 |
0.011101 |
45.655117 |
1.41017E-11 |
1.077891 |
Asignatura reprobada en especial |
-1.545107 |
0.342894 |
20.304701 |
6.60381E-06 |
0.213289 |
Fuente: Elaboraci�n propia
De acuerdo con los resultados de la Tabla 9, el valor negativo del coeficiente edad, representa que, al incrementar un a�o de edad, se tiene un decremento de 0.183134 en la ecuaci�n de predicci�n, es decir a mayor edad es menos probable la permanencia del estudiante en la instituci�n; en cambio, al incrementar el valor de la calificaci�n promedio del 1er a�o de carrera, se incrementa 0.08947871 el valor de la probabilidad de que el estudiante termine su carrera.
Obtenidos los coeficientes bi (βi) y las variables predictivas Xi (edad y promedio aritm�tico del 1er a�o carrera), con la ecuaci�n:�
P (Y=Retenci�n =1|Xi) = �; tenemos los siguientes resultados con una combinaci�n de las variables explicativas:
Para X1 (edad) = 21 a�os y X2 (promedio aritm�tico del 1er a�o carrera) = 80:
P (Y=1| 21 a�os y 80 de calificaci�n) = 0.95, lo cual representa una probabilidad alta de que este estudiante termine la carrera. La probabilidad complemento ser�a un 5% de que deserte.
En cambio, para X1 (edad) = 31 a�os y el mismo valor de X2 (promedio aritm�tico del 1er a�o carrera) = 80:
P (Y=1| 31 a�os y 80 de calificaci�n) = 0.7552, la probabilidad de retenci�n disminuye y aumenta la probabilidad de deserci�n.
Con base en el an�lisis realizado se desprende que los factores identificados que inciden en el fen�meno de la deserci�n concuerdan con otros estudios similares, como factores personales, econ�micos y familiares (Aguilar, de las Fuentes, Rivera y I�iguez, 2018); bajo rendimiento acad�mico y conocimientos previos deficientes (Hidalgo, 2019; Castillo, Gamboa y Hidalgo, 2020); reprobaci�n de examen especial (Rosales, Navarrete y C�rdova, 2018), corroborando que la deserci�n es multifactorial.
Por otro lado, el contar con los datos de los estudiantes asociados a estos factores fue posible desarrollar un modelo de predicci�n, mediante la regresi�n log�stica, para cada una de las carreras estudiadas, definiendo las variables en las que se debe trabajar para cada carrera, acorde a las propias caracter�sticas y contexto de cada �rea de formaci�n.
Lo importante resulta que, al disponer de un modelo predictivo por carrera, es posible tomar acciones preventivas mediante el an�lisis e implementaci�n de programas de apoyo a los estudiantes que lo requieran para disminuir la deserci�n.
Al realizar el test Chi cuadrado se encontr� que las doce variables estudiadas, las cuales se muestran en la Tabla 8, se asocian significativamente con la retenci�n universitaria. Mientras que el modelo de regresi�n log�stica permite afirmar que para la carrera de IGE, la Edad y el Promedio del 1er a�o de la carrera son las variables predictivas de mayor significancia, con p-value de 0.01058357 y 3.3167E-13 respectivamente para el an�lisis de la retenci�n estudiantil y que con un 88% de probabilidad, pueden predecir el futuro de los estudiantes. Para la carrera de II, las variables predictivas de mayor significancia son la edad, el nivel educativo de la madre, el promedio del primer a�o de carrera y la asignatura reprobada en especial, con un nivel de significaci�n p-value: de 1.93023E-06, 0.035390137, 3.12473E-21 y 1.48823E-18, respectivamente, con un 91.1% de probabilidad, pueden predecir el futuro de los estudiantes.� y finalmente, para la carrera de ISC, el nivel educativo de la madre, el promedio del primer a�o de carrera y la asignatura reprobada en especial, son las variables predictivas de mayor significancia con un p-value: de 0.00013588, 1.41017E-11 y 6.60381E-06 respectivamente y con 84.8% de probabilidad, pueden predecir el futuro de los estudiantes.
Con base en los resultados para las carreras de IGE, II e ISC del ITSLP se recomienda:
1. Utilizar las variables significativas analizadas en el test Chi cuadrado para realizar un diagn�stico y considerar acciones preventivas para apoyar a los estudiantes que se encuentran dentro de los factores de riesgo.
2. Emplear el modelo de regresi�n log�stica propuesto ya que permite estimar, en un 88 %, 91% y 85% para IGE, II y ISC respectivamente, la posibilidad de que un estudiante que ingrese a la instituci�n no abandone sus estudios, por lo que es un apoyo para fortalecer la retenci�n estudiantil.
3. Valorar si las actividades extracurriculares asignadas a los estudiantes en el primer a�o de estudios, pudieran aplazarse para permitirles enfocarse en las asignaturas e incrementar la calificaci�n promedio, para incrementar el valor de la probabilidad de que el estudiante termine su carrera.
4. Establecer planes de reforzamiento en el �rea acad�mica, durante el primer a�o de la carrera.
5. Definir planes de apoyo econ�mico a aquellos estudiantes que lo requieran.
6. Contar con estrategias de apoyo socioemocional para aquellos estudiantes identificados con este tipo de afectaci�n.
A partir de este estudio se continuar� trabajando en otras carreras de la instituci�n para analizar el comportamiento del modelo aplicado para la predicci�n de la deserci�n.
Aguilar, WE, De las Fuentes, M., Castell�n, RE y I�iguez, CG (2018). Perfiles de estudiantes asociados a las caracter�sticas de reprobaci�n de las asignaturas de ciencias b�sicas en ingenier�a. Bolet�n Redipe, Universidad Aut�noma de California, 7(8), 129-145.
Apaza, E. y Huam�n, F. (2012). Factores determinantes que inciden en la deserci�n de los estudiantes universitarios. Determinants that affect the defection of college students. Apuntes Universitarios, (1).
Barrios, MA (2011). Deserci�n y financiamiento en las universidades chilenas. (Tesis de maestr�a no publicada. Santiago, Pontificia Universidad Cat�lica de Chile, Chile.
Berger, JB y Milem, JF (2000). Exploring the impact of historically Black colleges in promoting the development of undergraduates' self-concept. Journal of College Student Development, 41 (4).
Braxton, JM, Shaw Sullivan, AV y Johnson, RM (1997). Appraising Tinto's theory of college student departure. Higher education-new york-agathon press incorporated, 12, 107-164.
Cabrera, L., Bethencourt, J.T., �lvarez, P.� y Gonz�lez, M. (2006) �El problema del abandono de los estudios universitarios,� RELIEVE, vol. 12, no. 2, pp. 171-203. [Online]. Available: https://doi.org/10.7203/relieve.12.2.4226
Castillo, M., Gamboa, R. y Hidalgo, R. (2020). Factores que influyen en la deserci�n y reprobaci�n de estudiantes de un curso universitario de matem�ticas. Uniciencia, 34(1), 219-245. https://dx.doi.org/10.15359/ru.34-1.13
Chalela, S., Valencia, A., Ruiz, A. y Cadavid, M. (2020). Factores psicosociales y familiares que influyen en la deserci�n en estudiantes universitarios en el contexto de los pa�ses en desarrollo. Revista Lasallista de Investigaci�n, 17(1).
Constate, A., Florenciano, E., Navarro, E., y Fern�ndez, M. (2020). Factores asociados al abandono universitario. Educaci�n XX1, 24(1). https://doi.org/10.5944/educxx1.26889
Cort�s, S., �lvarez, P., Llanos, M. y Castillo, L. (2019). Deserci�n universitaria: La epidemia que aqueja a los sistemas de educaci�n superior. Revista Perspectiva, 20 (1), 13-25. https://doi.org/10.33198/rp.v20i1.00017
D�az, C. (2008). Modelo conceptual para la deserci�n estudiantil universitaria chilena. Estudios pedag�gicos (Valdivia), 34 (2), 65-86.
Donoso, S. y Schiefelbein, E. (2007). An�lisis de los modelos explicativos de retenci�n de estudiantes en la universidad: una visi�n desde la desigualdad social. Estudios Pedag�gicos, XXXIII (1), 7-27. (Consultado: 09/09/20). Disponible en http://www.scielo.cl/scielo.php?script=sci_arttext& pid=S0718-07052007000100001 & lng=es & nrm=iso>. ISSN 0718-0705
Gonz�lez, F. and Arismendi, K. (2018). �Deserci�n Estudiantil en la Educaci�n Superior T�cnico-Profesional: Explorando los factores que inciden en alumnos de primer a�o,� Revista de la Educaci�n Superior, vol. 47, no. 188, pp. 109-137, 2018 [Online]. Available: https://doi.org/10.36857/resu.2018.188.510
Gonz�lez, L.E. (2006). Repitencia y deserci�n en Am�rica Latina. Disponible en: http://www.intercontacto.com/gente.
Hidalgo, R. (2019). Deserci�n y reprobaci�n, desde el enfoque del estudiantado en la educaci�n superior, en el curso de Matem�tica General1. Comunicaci�n, 28(2), 17-27. https://dx.doi.org/10.18845/rc.v28i2-2019.4926
Larroucau, T. (2013). Estudio de los factores determinantes de la deserci�n, en el sistema universitario chileno.
L�zaro, N., Callejas, Z., Griol, D. y Dur�n, M. (2017). La deserci�n estudiantil en educaci�n superior: S.O.S. en carreras de ingenier�a inform�tica. Congresos CLABES. Disponible en: https://revistas.utp.ac.pa/index.php/clabes/article/view/1674
Lyche, C. (2010). Taking on the Completion Challenge: A LiReview on Policies to Prevent Dropout and Early School Leaving. OECD Education Working Papers, 53, OECD Publishing.
Mauricio, J., Gonz�lez, Y. y Becerra, MM (2016). Factores que Inciden en la Deserci�n Escolar durante el Primer a�o de Carrera en Ingenier�a en Electr�nica en una Instituci�n de Educaci�n Superior. Conciencia Tecnol�gica, (52),6-11. [fecha de Consulta 13 de septiembre de 2020]. ISSN: 1405-5597. Disponible en: https://www.redalyc.org/articulo.oa?id=944/94451204002
Murillo, AM, y Jurado, P. (2020). Permanencia estudiantil en educaci�n superior: la visi�n del docente: permanencia estudiantil en educaci�n superior. UNESUM-Ciencias. Revista Cient�fica Multidisciplinaria. 3(1), 01-14. Disponible en: https://doi.org/10.47230/unesum-ciencias.v3.n1.2019.122
OECD (2019), Education at a Glance 2019: OECD indicators, OECD Publishing, Paris, https://doi.org/10.1787/f8d7880d-en
P�ramo, G.� y Correa, C. (2012). �Deserci�n estudiantil universitaria. Conceptualizaci�n,� Revista Universidad EAFIT, vol. 35, no. 114, pp. 65-78, [Online]. Available: https://cutt.ly/Actw7OL
P�rez L�pez, C. (2004). T�cnicas de an�lisis multivariante de datos. Aplicaciones con SPSS. Madrid: Pearson Education.
Pineda, C., Pedraza, A. y Moreno, I. (2011). Efectividad de las estrategias de retenci�n universitaria: la funci�n del docente. Educaci�n y Educadores, v. 14, n. 1, p. 119-135, ene.-abr. 2011. Universidad de la Sabana. Cundinamarca, Colombia.
Proyecto Alfa Gu�a (2013). DCI-ALA/2010/94 Marco conceptual sobre el abandono.
Rodr�guez, E. (2012). La educaci�n superior en Chile y el rol del mercado: �culpable o inocente? Ingeniare, Arica, v. 20, n. 1, p. 126-135, abr. 2012.
Roland, N., Frenay, M., y Boudrenghien, G. (2018). Understanding academic persistence through the theory of planned behavior: Normative factors under investigation. Journal of College Student Retention: Research, Theory and Practice, 20(2), 215�235. https://doi.org/10.1177/1521025116656632
Rosales, ML, Navarrete, ME y C�rdova, B. (2018). Factores de deserci�n en educaci�n superior. Revista Conexxi�n, A�o 7, N�mero 20, (mayo-agosto 2018), pp. 9-17, ISSN: 2007-4301
Sen, A. (2000). Social exclusion: Concept, application, and scrutiny. Social Development Papers. Asian Development Bank.
Secretar�a de Educaci�n P�blica (2012). Reporte de la Encuesta Nacional de Deserci�n en la Educaci�n Media Superior.
SEP (2019). Principales Cifras del Sistema Educativo Nacional 2018-2019. Direcci�n General de Planeaci�n, Programaci�n y Estad�stica, SEP, M�xico.
SII (2021). Sistema Integral de Informaci�n. Disponible en http://sii.itslp.edu.mx/modulos/dda/
St. John, EP, Cabrera, AF, Nora, A., y Asker, EH (2000). Economic influences on persistence reconsidered: How can finance research inform the reconceptualization of persistence models. Reworking the student departure puzzle, 1, 29-47.
TecNM (2021). Portal del TecNM. Vista Hist�rica. Disponible en: https://www.tecnm.mxx/?vista=Historia
Terraza-Bele�o, W. (2019). Estrategias de retenci�n estudiantil en educaci�n superior y su relaci�n con la deserci�n. Revista Electr�nica en Educaci�n y Pedagog�a, 3(4),39-56. [fecha de Consulta 18 de septiembre de 2020]. Disponible en: https://www.redalyc.org/articulo.oa?id=5739/573960911005
Tinto, V. (1982). Definir la Deserci�n: Una Cuesti�n de Perspectiva. Revista de Educaci�n Superior, 71, 33-51.
Tinto, V. (1993). �Reflexiones sobre el Abandono de los Estudios Superiores,� Perfiles Educativos, vol. 62, pp. 56-63. [Online] Available: https://cutt.ly/Lctr03s
Z��iga, M.G. (2006). �La Deserci�n Estudiantil en el nivel superior, causas y soluci�n,� M�xico: Trillas.