Ing. Isabel Francisca Osúa Acosta
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Ing. Isabel Francisca Osúa Acosta has a total of 14 co-authors. Here are the top co-authors by number of shared publications:
- Alba Rocio Ochoa-Meza
Tecnológico Nacional de México, Sonora, México
1 shared publication - Elisa Magaña-Barajas
Department of Food Engineering Technology, State University of Sonora, Av. Ley Federal del Trabajo, Hermosillo 83100, Sonora, Mexico
1 shared publication - Fausto Alberto Ávila Santana
Tecnológico Nacional de México/ Instituto Tecnológico de Los Mochis
1 shared publication - Francisco Cadena-Cadena
Departamento de Ingenierías, Instituto Tecnológico del Valle del Yaqui, Tecnológico Nacional de México, Bácum 85276, Mexico
1 shared publication Gabriela Chavez-Villalva
1 shared publication- Joe Luis Arias-Moscoso
Departamento de Ingenierías, Instituto Tecnológico del Valle del Yaqui, Tecnológico Nacional de México, Bácum 85276, Mexico
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.