Predicción del resultado de las competencias genéricas en las pruebas saber pro para ingeniería industrial y civil a través del perfil socioeconómico y sociodemográfico de los estudiantes

Abstract

El siguiente proyecto es de tipo transversal y correlacional ya que permite conocer relación entre las variables en los periodos 2016 a 2018 y tiene como propósito predecir los resultados de los exámenes de la educación superior Saber Pro 2019 de las competencias genéricas, tomando como variables de entrada las preguntas de tipo personal, sociodemográficas y socioeconómicas de los estudiantes de Ingeniería industrial y civil de la Universidad Pontificia Bolivariana de Bucaramanga en los periodos 2016 a 2018, se utilizó técnicas de estadística multivariada de Análisis de Correspondencias Múltiple y Árboles de decisión CHAID con el programa estadístico SPSS STATISTICS. Inicialmente se obtuvo las bases de datos y luego la eliminación de aquellos que no fueron óptimos para el análisis de datos, luego se realizó el Análisis de Correspondencias Múltiples que permitió generar el perfil de los estudiantes de ingeniería civil e industrial, con variables que generaron impacto en su rendimiento. Seguido de ello se realizó arboles de decisión para cada una de las cinco competencias genéricas y también por facultad, esto permitió identificar que el género, edad y tipo de colegio Privado o Público en los estudiantes de ingeniería industrial y civil afecten su desempeño en las competencias, paralelo a esto se hizo validación del modelo donde se tomó los periodos 2016 y 2017 para predecir el año 2018 y luego comparar con los resultados obtenidos por los estudiantes en el 2018. Finalmente se plantea conclusiones y recomendaciones, para que se presenten resultados con mayor asertividad en futuros estudios.

The purpose of this project is to predict the results of the Saber Pro 2019 higher education examinations of generic competences, taking personal questions as input variables, In the period 2016 to 2018, multivariate statistical techniques of Multiple Correspondence Analysis and CHAID Decision Trees were used with the statistical program SPSS STATISTICS. Initially the databases were obtained and then the elimination of those that were not optimal for the data analysis, then the Multiple Correspondence Analysis was carried out that allowed generating the profile of the students of civil and industrial engineering, with variables that generated impact in their performance. This was followed by decision trees for each one of the five generic competencies and also by faculty, this allowed to identify that the gender, age and type of Private or Public school in the students of industrial and civil engineering affect their performance in the competencies, parallel to this was validated the model where the periods 2016 and 2017 were taken to predict the year 2018 and then compare with the results obtained by the students in 2018. Finally, conclusions and recommendations are proposed so that results can be presented with greater assertiveness in future studies.