Resumen:
Investigaciones previas en abandono escolar han presentado la problemática en los últimos años de la Educación Superior encontrando a los modelos tradicionales predictivos como herramientas limitadas al omitir variables críticas de importancia ante el fenómeno El objetivo de este estudio se enfocó en el desarrollo de un modelo predictivo que detecta de manera temprana posibles riesgos de abandono a través de las funciones que contiene la Inteligencia Artificial para identificar por primera vez dimensiones socio emocionales
económicas y académicas que afectan la continuidad académica Desde un análisis numérico y una profundidad descriptiva – asociativa se compilaron datos de 102 estudiantes mediante instrumentos diseñados para calcular los factores de riesgo en el entorno escolar como la motivación y la autogestión Por otro lado en el procesamiento y análisis de datos se aplicó la herramienta Orange Data Mining que integra el algoritmo XGBoost de aprendizaje supervisado En los resultados obtenidos se evidencia la capacidad predictiva que tiene el
sistema para identificar las principales dimensiones de abandono en donde se destaca la dimensión académica con un 17,91% y la situación laboral con la salud en un 62,32% Se establece por consiguiente que al incluir variables socioemocionales en herramientas de IA su valor incrementa debido a la precisión de detectar posibles riesgos de abandono Este factor permite una intervención orientada al sentido de permanencia y bienestar estudiantil lo
que transforma una gestión en déficit en una atención preventiva Por ende el modelo proporciona tableros estratégicos de control que facilitan la elaboración de estrategias pedagógicas dirigidas a estudiantes con niveles críticos de abandono con el objetivo de mitigar la exclusión educativa
