DSpace logo

Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.uide.edu.ec/handle/37000/8907
Título : Construcción de un modelo predictivo mediante técnicas de machine learning para la proyección de las tasas de deserción escolar de Ecuador en el Periodo (2009–2025)
Autor : Manangon Perugachi, Pedro Daniel
Martínez Llivicura, Luis Felipe
Navarrete López, Oscar Fabricio
Salaar Franco, Marco Andrés
Villavicencio Proaño, María José
Cortés, Alejandro (tutor)
Mora, Karla Estefanía (tutor)
Palabras clave : DIRECCIÓN ESCOLAR;APRENDIZAJE AUTOMÁTICO;PROYECCIONES;VARIABLES EDUCATIVAS
Fecha de publicación : 2026
Editorial : QUITO/UIDE/2026
Citación : Manangon Perugachi, Pedro Daniel; Martínez Llivicura, Luis Felipe; Navarrete López, Oscar Fabricio; Salaar Franco, Marco Andrés; Villavicencio Proaño, María José. (2026). Construcción de un modelo predictivo mediante técnicas de machine learning para la proyección de las tasas de deserción escolar de Ecuador en el Periodo (2009–2025). Maestría en ciencia de datos. UIDE. Quito. 94 p.
Resumen : El Abandono Escolar se considera como uno de los factores con mayor desafío a ser superados por su persistencia debido a varios factores en el sistema educativo del Ecuador, siendo un determinante en el desarrollo socioeconómico del país. Esta investigación se centra en la evolución del abandono escolar ecuatoriano en el periodo 2009-2025 y proyecciones hasta el año 2030. El estudio emplea técnicas de Machine Learning para identificar patrones críticos y determinantes tales como variables geográficas y poblacionales...School dropout is considered one of the most challenging factors to overcome due to its persistence within the Ecuadorian educational system, acting as a key determinant in the country's socioeconomic development. This research focuses on the evolution of school dropout in Ecuador during the 2009–2025 period, including projections up to the year 2030. The study employs Machine Learning techniques to identify critical patterns and determinants, such as geographical and population variables...
URI : https://repositorio.uide.edu.ec/handle/37000/8907
Aparece en las colecciones: Tesis - Maestría - en Ciencia de Datos y Máquinas de Aprendizaje

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
UIDE-Q-TCDM-2026-36.pdfTESIS A TEXTO COMPLETO1.71 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.