María Guadalupe Naranjo Cantabrana
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
María Guadalupe Naranjo Cantabrana has a total of 5 co-authors. Here are the top co-authors by number of shared publications:
- Fausto Alberto Ávila Santana
Tecnológico Nacional de México/ Instituto Tecnológico de Los Mochis
1 shared publication - Ing. Isabel Francisca Osúa Acosta
Tecnológico Nacional de México/ Instituto Tecnológico del Valle del Yaqui
1 shared publication - Ligia Gabriela Vega Pérez
Tecnológico Nacional de México/ Instituto Tecnológico de Los Mochis
1 shared publication - M.C. Simón Guadalupe Cornejo Sifuentes
Tecnológico Nacional de México/ Instituto Tecnológico de Los Mochis
1 shared publication - María de Los Ángeles Sotomayor Fierro
Tecnológico Nacional de México/ Instituto Tecnológico de Los Mochis
1 shared publication
Latest Publications
- Open Access
- 18 September 2023
- Published by Asociacion Latinoamericana para el Avance de la Ciencia in Ciencia Latina Revista Científica Multidisciplinar
- Vol. 7 (5) , 7797-7812
Modelo Predictivo de la Deserción Escolar en Educación Superior: una Aproximación desde la Minería de Datos Utilizando la Metodología CRISP-DM
Este artículo presenta el desarrollo de un modelo para predecir, de manera temprana y oportuna, casos de estudiantes que muestren un potencial riesgo de deserción escolar, mediante el uso de técnicas de minería de datos. La deserción escolar a nivel superior es un problema multifactorial y complejo de analizar por la intervención de elementos de diversa índole, como factores familiares, académicos, educacionales, la situación económica familiar, las habilidades intelectuales de los estudiantes o la didáctica de los profesores. Este gran volumen de información a analizar no es fácilmente manejable con técnicas estadísticas tradicionales, sino que se precisa buscar estrategias que permitan operar con los bancos de datos de modo más eficiente y rápido. En el desarrollo de la propuesta se aplicó de una manera novedosa la minería de datos, para explorar los cambios en los comportamientos de los estudiantes, vinculados a diferentes causas de abandono escolar, utilizando la metodología CRISP-DM, con datos de 1,374 estudiantes de una institución de educación superior. Los resultados muestran las técnicas utilizadas para identificar y seleccionar factores asociados a la deserción estudiantil y los algoritmos para generar los modelos predictivos, de los cuáles pudo seleccionarse el más preciso, con mayor puntuación y facilidad de interpretación.
- 18 September 2023
- Published by Asociacion Latinoamericana para el Avance de la Ciencia in Ciencia Latina Revista Científica Multidisciplinar
- Vol. 7 (5) , 7797-7812
Open AccessModelo Predictivo de la Deserción Escolar en Educación Superior: una Aproximación desde la Minería de Datos Utilizando la Metodología CRISP-DM
Este artículo presenta el desarrollo de un modelo para predecir, de manera temprana y oportuna, casos de estudiantes que muestren un potencial riesgo de deserción escolar, mediante el uso de técnicas de minería de datos. La deserción escolar a nivel superior es un problema multifactorial y complejo de analizar por la intervención de elementos de diversa índole, como factores familiares, académicos, educacionales, la situación económica familiar, las habilidades intelectuales de los estudiantes o la didáctica de los profesores. Este gran volumen de información a analizar no es fácilmente manejable con técnicas estadísticas tradicionales, sino que se precisa buscar estrategias que permitan operar con los bancos de datos de modo más eficiente y rápido. En el desarrollo de la propuesta se aplicó de una manera novedosa la minería de datos, para explorar los cambios en los comportamientos de los estudiantes, vinculados a diferentes causas de abandono escolar, utilizando la metodología CRISP-DM, con datos de 1,374 estudiantes de una institución de educación superior. Los resultados muestran las técnicas utilizadas para identificar y seleccionar factores asociados a la deserción estudiantil y los algoritmos para generar los modelos predictivos, de los cuáles pudo seleccionarse el más preciso, con mayor puntuación y facilidad de interpretación.