Descubriendo patrones educativos en educación superior mediante Técnicas de Minería de Datos.

Resumen

La Minería de Datos Educativos (EDM) aplica métodos de ciencia de datos para analizar información académica y apoyar la toma de decisiones basada en evidencia. Este artículo de investigación, realizado en una Institución de Educación Superior en México, identifica patrones asociados con éxito o riesgo académico en estudiantes de licenciatura mediante cuatro fases: recopilación, depuración, modelado y análisis. Con técnicas no supervisadas como PCA y K-means se detectaron tres perfiles de estudiantes, uno de ellos con señales de desinterés emocional o académico. En la etapa predictiva, modelos supervisados como MLP, SVM y Regresión Logística alcanzaron precisiones del 95–96%. Los resultados muestran que el aprendizaje automático es clave para identificar estudiantes en riesgo y mejorar la intervención institucional.