Failure Indicator’s Predictive Model of the Student Population of a Higher Education Institution (HEI)

Authors

DOI:

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

Keywords:

Statistical analysis, Indicator, Failure, Python, Jupyter notebook.

Abstract

OBJECTIVE: To determine the multiple linear regression model of the HEI according to its grid of educational programs (EP), as well as analyzing the factors that affect the indicator of the subjects’ competencies achievement of the different study plans offered by TecNM in Tapachula Campus.

MATERIAL AND METHOD: It is qualitative and quantitative in nature, based on a multiple linear regression model in which the failure indicator, educational programs and categories of knowledge are considered as variables, according to the Education Accreditation Council of Engineering (CACEI, by its acronym in Spanish).

RESULTS: The seven categories of knowledge of the CACEI are considered fundamental for the training of competent engineers in accordance with the challenges of the 21st century. It is worth mentioning that the categories are not mutually exclusive but are interrelated and integrated throughout the engineering study program.

CONCLUSIONS: The linking actions that are mostly implemented with the productive and service sector were detected, they are: Social Service and Professional Residency or professional internships, followed by the Promotion of Vacancies in the Job Boards of the HEI.

Downloads

Download data is not yet available.

Author Biographies

  • 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.

References

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

Downloads

Published

2024-05-14

Issue

Section

Artículo Original

How to Cite

Méndez Lambarén, J. L., Salazar Ortíz, A. M., & Fernández Martínez, O. R. (2024). Failure Indicator’s Predictive Model of the Student Population of a Higher Education Institution (HEI). HITOS DE CIENCIAS ECONÓMICO ADMINISTRATIVAS, 30(86), 47-62. https://doi.org/10.19136/hitos.a30n86.6316