Diseño de un sistema de clasificación del riesgo latente de abandono estudiantil en programas STEM basado en constructos psicoeducativos

Abstract

En la base analizada, uno de cada cinco estudiantes fue clasificado en alto riesgo latente de abandono, lo que evidencia la necesidad de herramientas para priorizar perfiles de vulnerabilidad en programas STEM. Este fenómeno representa un problema de ingeniería por su impacto en la permanencia, la eficiencia académica y la asignación de recursos. Los enfoques tradicionales suelen apoyarse en indicadores académicos o administrativos visibles cuando las dificultades ya se han manifestado, y no siempre incorporan dimensiones psicoeducativas. Como solución, se diseñó un sistema de clasificación del riesgo latente basado en tres constructos del modelo SEM: autoeficacia, motivación y autorregulación del aprendizaje. La alternativa seleccionada representa el riesgo mediante un score continuo de 0 a 100 puntos, clasificado en niveles bajo, medio y alto. La salida se consolida en una base visualizada en un dashboard de Power BI, orientado al análisis institucional. El diseño se desarrolló mediante revisión documental y análisis de datos. Con ello se definieron requerimientos, restricciones y criterios de evaluación; luego se compararon alternativas de representación del riesgo y se evaluaron tres modelos supervisados: Regresión Logística, Random Forest y XGBoost. El alcance corresponde a una herramienta analítica de apoyo institucional, no a una predicción determinística del abandono real. Sus limitaciones son el uso de datos transversales, anonimizados y basados en intención de abandono. Como resultado, XGBoost fue seleccionado como modelo operativo por ofrecer el mejor equilibrio entre clasificación de perfiles vulnerables, control de falsas clasificaciones positivas y utilidad institucional. El sistema clasificó 861 estudiantes en riesgo bajo, 1.056 en riesgo medio y 491 en riesgo alto, equivalentes al 35,76 %, 43,85 % y 20,39 % de la muestra. Estos resultados orientan acciones preventivas, análisis de patrones grupales y decisiones de acompañamiento académico.

In the analyzed dataset, one in five students was classified as having high latent dropout risk, highlighting the need for tools to prioritize vulnerability profiles in STEM programs. This phenomenon represents an engineering problem due to its impact on student retention, academic efficiency, and the allocation of support resources. Traditional approaches often rely on academic or administrative indicators that become visible only after difficulties have already emerged, and they do not always incorporate psychoeducational dimensions. As a solution, a latent risk classification system was designed based on three SEM model constructs: self-efficacy, motivation, and self-regulated learning. The selected alternative represents risk through a continuous score from 0 to 100 points, classified into low, medium, and high levels. The system output is consolidated into a results database visualized in a Power BI dashboard, aimed at supporting institutional analysis. The design was developed through a documentary review and data analysis. Based on this process, requirements, constraints, and evaluation criteria were defined; risk representation alternatives were then compared, and three supervised models were evaluated: Logistic Regression, Random Forest, and XGBoost. The scope corresponds to an analytical tool for institutional support, not to a deterministic prediction of actual dropout. Its limitations include the use of cross-sectional, anonymized data based on dropout intention. As a result, XGBoost was selected as the operational model because it offered the best balance between classification of vulnerable profiles, control of false positive classifications, and institutional usefulness. The system classified 861 students as low risk, 1,056 as medium risk, and 491 as high risk, equivalent to 35.76%, 43.85%, and 20.39% of the sample. These results support preventive actions, group pattern analysis, and academic support decisions.