Tema: Predicción de suspensión de Beca de estudiantes de PRONABEC a partir de un modelo de clasificación usando la encuesta de seguimiento a becarios

Integrantes:
Guillermo Cajo
Andre Carasas
Daniel Franco
Ivonne Lazo
David Grabiel

Resumen:
Este trabajo desarrolla un modelo de clasificación basado en técnicas de Machine Learning para predecir el riesgo de suspensión de beca en estudiantes del Programa Nacional de Becas y Crédito Educativo (PRONABEC). Para ello se utiliza la Encuesta de Becarios Continuadores (EBEC), que recoge información sobre características sociodemográficas, condiciones de estudio, salud, bienestar emocional, hábitos, carga laboral y otros factores asociados al desempeño académico. La metodología incluye el análisis exploratorio de datos, el preprocesamiento de variables, la selección de atributos relevantes y la comparación de varios algoritmos de clasificación: Árbol de Decisión, Random Forest, XGBoost, Regresión Logística y Redes Neuronales. Los resultados buscan identificar el modelo con mayor capacidad predictiva para apoyar la implementación de un sistema de alerta temprana que permita a PRONABEC orientar acciones preventivas y reducir el riesgo de suspensión de la beca, en beneficio de la permanencia de los estudiantes becarios

Keywords:
Machine Learning; Machine Learning, Aprendizaje supervisado, clasificación, predicción, sistema de alerta temprana, PRONABEC, permanencia estudiantil , Xgboost,Classification, Machine Learning, Neural Network.

Paper: