Rediseño de la herramienta predictiva para la proyección de estudiantes universitarios por asignatura y periodo
Redesign of a predictive model that estimates university student enrollment amount based on course and time period
Autor
Escobar Barranco, Edgardo Mario
Rivero Guzmán, Anderson
Fonseca Aguinaga, Dubbys Esther
Fecha
2024-06-05Resumen
In the field of higher education, a growing challenge has been identified in the management of course offerings during the most recent semesters. Students and school administration face ongoing hardship with the availability and scheduling of courses, which in result affects the academic experience and generates additional costs to the institution. This project focuses on addressing the lack of accuracy for predicting the number of students who will enroll each semester in any given course offered. The main goal of this work is to improve academic planning by redesigning a more accurate predictive model. To achieve this, a methodology based on the analysis of historical enrollment data, the application of advanced predictive modeling techniques and the inclusion of a new variable based on the estimated number of failed students per course will be used. This approach will allow for a more accurate prediction of student demand on different courses, thus reducing the need for last-minute adjustments and optimizing resource allocation. En el ámbito de la educación universitaria, se ha identificado un desafío creciente en la gestión eficiente de la oferta de cursos durante los últimos semestres. Estudiantes y administradores enfrentan dificultades recurrentes con la disponibilidad y programación de cursos, lo que afecta la experiencia académica y genera costos adicionales. Este proyecto se enfoca en abordar la imprecisión en la predicción de la cantidad de estudiantes que se matricularán cada semestre en los distintos cursos ofrecidos por la universidad. El proyecto tiene como objetivo principal mejorar la planificación académica mediante el rediseño de un modelo predictivo más preciso. Para lograrlo, se utilizará una metodología basada en el análisis de datos históricos de matriculación, la aplicación de técnicas avanzadas de modelado predictivo y la inclusión de una variable basada en la estimación de los estudiantes reprobados por asignatura. Este enfoque permitirá estimar con mayor precisión la demanda de estudiantes para los distintos cursos, reduciendo así la necesidad de ajustes de último minuto y optimizando la asignación de recursos.