Modelo Predictivo del Indicador de Reprobación de la Población Estudiantil de una Institución de Educación Superior (IES)

Autores/as

DOI:

https://doi.org/10.19136/hitos.a30n86.6316

Palabras clave:

Análisis estadístico, Indicador, Reprobación, Python, Jupyter notebook.

Resumen

OBJETIVO: Determinar el modelo de regresión lineal múltiple de la IES acorde a su retícula de los programas educativos (PE), así como analizar los factores que afectan al indicador de logro de las competencias de las asignaturas de los diferentes planes de estudio que oferta el TecNM Campus Tapachula.

MATERIAL Y MÉTODO: Es de carácter cualitativo y cuantitativo, que se basa en un modelo de regresión lineal múltiple en el cual se considera como variables el indicador de reprobación, programas educativos y categorías de conocimiento, acorde al Consejo de Acreditación de la Enseñanza de la Ingeniería (CACEI).

RESULTADOS: Las siete categorías de conocimiento del CACEI se consideran fundamentales para la formación de ingenieros competentes de acuerdo con los retos de los desafíos del siglo XXI. Cabe mencionar que, las categorías no son excluyentes entre sí, sino que se interrelacionan y se integran a lo largo del programa de estudios de ingeniería.

CONCLUSIONES: Se detectaron las acciones de vinculación que mayormente se implementan con el sector productivo y de servicios, que son: el Servicio Social y la Residencia Profesional o prácticas profesionales, seguido de la Promoción de Vacantes en las Bolsas de Trabajo de las IES. 

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • José Luis Méndez Lambarén, Tecnológico Nacional de México, Campus Tapachula

    Maestro en Ingeniería Industrial.

  • Ana María Salazar Ortíz, Tecnológico Nacional de México, Campus Tapachula

    Maestra en Educación Holista.

  • Oscar Ramón Fernández Martínez, Tecnológico Nacional de México, Campus Tapachula

    Maestro en Ingeniería Aplicada.

Referencias

Barajas, C. M. (2019). Gestión del cambio: el nuevo desafío para mejorar la calidad de la educación superior. Revista de investigación, 43(98). Universidad Pedagógica Experimental Libertador. https://www.redalyc.org/journal/3761/376168604012/html/

Callejo, J. (2001). Estudio de Cohorte de Estudiantes de la UNED: una aproximación al análisis de abandono. Revista Iberoamericana de Educación a Distancia, 33-70. https://dialnet.unirioja.es/servlet/articulo?codigo=1704699

Consejo de Acreditación de la Enseñanza de la Ingeniería A.C. [CACEI], (2018). Marco de Referencia 2018 en el Contexto Internacional. http://cacei.org.mx/nv/nvdocs/marco_ing_2018.pdf

Cámara de Diputados del H. Congreso de la Unión. (2024). Constitución Política de los Estados Unidos Mexicanos. https://www.diputados.gob.mx/LeyesBiblio/pdf/CPEUM.pdf

Escalante, R. D. (2012). Manual de aplicación del modelo de regresión lineal múltiple con correcciones de especificación, usos de STATA 9.0, STATA 10.0, EVIEWS 5.0, SSPS 11.0: (ed.). B - EUMED. https://www.eumed.net/libros-gratis/2010c/720/index.htm

Galea, A. (2018). Beginning Data Science with Python and Jupyter: Use Powerful Industry-standard Tools Within Jupyter and the Python Ecosystem to Unlock New, Actionable Insights from Your Data. Reino Unido: Packt Publishing. https://www.google.com.mx/books/edition/Beginning_Data_Science_with_Python_and_J/L4lfDwAAQBAJ?hl=es-419&gbpv=1&dq=.+Beginning+Data+Science+with+Python+and+Jupyter:+Use+Powerful+Industry-standard+Tools+Within&printsec=frontcover

Hinojosa, Á. P. (2016). Python Paso a paso. España: RA-MA Editorial.

Instituto Nacional de Estadística y Geografía (2023). Eficiencia Terminal por Entidad Federativa según nivel educativo, ciclos escolares seleccionados 2020-2023. https://www.inegi.org.mx/app/tabulados/interactivos/?pxq=Educacion_Educacion_12_987437b7-5398-4067-8b19-a1cd2ec36b7b

Instituto Nacional de Estadística y Geografía (2016). Clasificación mexicana de planes de estudio por campos de formación académica 2016. Educación superior y media superior. https://www.inegi.org.mx/contenidos/productos/prod_serv/contenidos/espanol/bvinegi/productos/nueva_estruc/702825086664.pdf

Jaimes, R. N., Cardoso, J. D., y Bobadilla, B. S. (2015). La educación superior en México, una demanda con compromiso social. Iberoamericana para la Investigación y el Desarrollo Educativo, 5(10). https://www.redalyc.org/pdf/4981/498150318011.pdf

López, J. I. (2015). Análisis de regresión aplicado: teoría y práctica. Primera edición. Universidad Juárez Autónoma de Tabasco. https://pcientificas.ujat.mx/index.php/pcientificas/catalog/view/93/82/325

Lorenzo, O., y Zaragoza, J. E. (2014). Educación Media y Superior en México: análisis teórico de la realidad actual. Dedica. Revista de Educação e Humanidades. https://dialnet.unirioja.es/servlet/articulo?codigo=4733974

Martínez, F. (2010). Los indicadores como herramientas para la evaluación de la calidad de los sistemas educativos. Sinéctica, (35), 1-17. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1665-109X2010000200004&lng=es&tlng=es.

Tecnológico Nacional de México (2019). Programa de Desarrollo Institucional PDI 2019-2024. https://www.tecnm.mx/menu/conocenos/PDI-TecNM-2019-2024_2oct2020.pdf

Python Software Foundation. (2023). Download Python 3.12.2. The lastest version for window, Linux/ UNIX, macOS, other. https://www.python.org/downloads/

Rosario, V. M. (2013). La acreditación de la educación superior en Iberoamérica: La gestión de la calidad de los programas educativos. tensiones, desencuentros, conflictos y resultados. Red de Académicos de Iberoamérica A.C. https://www.researchgate.net/publication/308171592_La_gestion_de_la_calidad_de_los_programas_educativos_Tensiones_desencuentros_conflictos_y_resultados

Wintjen, M. (2020). Practical data analysis using jupyter notebook: learn how to speak the language of data by extracting useful and actionable insights using python. India: Packt Publishing. https://www.google.com.mx/books/edition/Practical_Data_Analysis_Using_ Jupyter_No/tqTsDwAAQBAJ?hl=es-419&gbpv=0

Descargas

Publicado

2024-05-14

Número

Sección

Artículo Original

Cómo citar

Méndez Lambarén, J. L., Salazar Ortíz, A. M., & Fernández Martínez, O. R. (2024). Modelo Predictivo del Indicador de Reprobación de la Población Estudiantil de una Institución de Educación Superior (IES). Hitos De Ciencias Económico Administrativas, 30(86), 47-62. https://doi.org/10.19136/hitos.a30n86.6316