Aplicación de cadenas de Markov para la predicción temprana del abandono escolar y el diseño de intervenciones personalizadas en entornos educativos basados en Big Data e Inteligencia Artificial

Darío Israel Ojeda Sánchez, Doris Maricela Carranza Ortiz, Edisson Roberto Carranza Ortiz, Lisseth Estefanía Sánchez Gavilanes, Emily Senail Solís Carrera

Resumen


El abandono escolar es un desafío crítico para los sistemas educativos, con impactos negativos en el desarrollo personal de los estudiantes y en el progreso social y económico. Este estudio propone un modelo innovador que combina cadenas de Markov absorbentes con técnicas de Big Data e Inteligencia Artificial para la predicción temprana del abandono escolar y el diseño de intervenciones personalizadas en entornos educativos.

Mediante el análisis de datos masivos provenientes de plataformas académicas y variables socioeconómicas, se construyó una matriz de transición que representa las probabilidades de cambio entre estados académicos, tales como continuidad, riesgo y abandono. La integración con algoritmos de aprendizaje supervisado, como Random Forest y XGBoost, permitió mejorar la precisión predictiva y clasificar a los estudiantes según su nivel de riesgo individual.

Los resultados evidencian que las cadenas de Markov son efectivas para identificar períodos críticos y asignaturas con alta incidencia en la deserción, mientras que el uso de Big Data e Inteligencia Artificial facilita la personalización de las estrategias de intervención. Se recomienda implementar sistemas de alerta temprana y programas de apoyo focalizados en asignaturas críticas para reducir la tasa de abandono.

Este enfoque multidimensional y basado en evidencia ofrece a las instituciones educativas una herramienta poderosa para anticipar el abandono escolar, optimizar recursos y mejorar la calidad educativa, contribuyendo así a la formación integral y al éxito académico de los estudiantes.


Palabras clave


Cadenas de Markov; Abandono escolar; Predicción temprana; Modelos estocásticos; Big Data.

Texto completo:

PDF HTML

Referencias


Arroba Salto, J., & Romero Valencia, S. (2019). “ANÁLISIS DE LAS CUENTAS POR COBRAR DE UN INSTITUTO DE BELLEZA. Observatorio de la Economía Latinoamericana.

González Campos, J., Cristian Manuel , C., & Aspeé Chacón, J. (2020). Modelación de la deserción universitaria mediante cadenas de Markov. doi: http://dx.doi.org/10.15359/ru.34-1.8

Guzmán Rincón, A., & Valencia Quecano, L. (2024). MODELO DE MONTE CARLO PARA LA PREDICCIÓN DE LA DESERCIÓN: HERRAMIENTA PARA LA RETROALIMENTACIÓN DE LAS POLÍTICAS PÚBLICAS EN LA EDUCACIÓN SUPERIOR. Razón Crítica.

Otero Caicedo, R., Bolívar Atuesta, S., & Palacios Caicedo, J. (2016). Análisis de la retención de estudiantes de ingeniería basado en la pérdida consecutiva de una misma asignatura. Un enfoque de Cadenas de Markov.

Castrillón Gómez, O., Sarache, W., & Ruiz Herrera, S. (2025). Predicción de las principales variables que conllevan al abandono estudiantil por medio de técnicas de minería de datos. Formación Universitaria. Obtenido de https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-50062020000600217

Castrillón Gómez, O., Sarache , W., & Ruiz Herrera , S. (2020). Predicción de las principales variables que conllevan al abandono estudiantil por medio de técnicas de minería de datos. Formación Universitaria. Obtenido de https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-50062020000600217

Hernández, R., Fernández, C., & Baptista, P. (2008). Metodología de la Investigación.

JIMENEZ, M. O. (2016). Análisis de los créditos y la recuperación de las cuentas por cobrar de la empresa Inmobiliaria Familia Flores S.A.C. del distrito de Villa María del Triunfo-2016. Obtenido de https://repositorio.autonoma.edu.pe/handle/20.500.13067/691

Olmedo Alonso, A., García Bernal , A., Reyes Rodríguez, A., & Tetlalmatzi Montiel, M. (2025). Cadenas de Markov absorbentes para analizar el abandono escolar de estudiantes universitarios de matemáticas. Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI. Obtenido de https://dialnet.unirioja.es/servlet/articulo?codigo=10143062




DOI: https://doi.org/10.23857/pc.v10i6.9854

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/