Sistema Informático de apoyo a la orientación de estudiantes basado en test psicotécnicos e indicadores de educación

Abstract

El abandono universitario es un fenómeno negativo con gran impacto dentro de la sociedad española. Tratar de solventar esta problemática se ha convertido en una prioridad para el conjunto de las universidades del país. En este trabajo se describe la implementación y el modo de uso de una herramienta software para mostrar información estadística de los datos de los alumnos de nuevo ingreso en la universidad. En la aplicación se emplean modelos predictivos que permiten determinar la relación existente entre que un alumno se encuentre en riesgo de abandonar la titulación y una serie de variables, como pueden ser la nota de acceso a la universidad o la nota media del primer curso. En este documento se indican los procedimientos, herramientas y configuraciones empleados en la construcción de la aplicación haciendo uso de Django y Python, así como la forma en la que se ha validado y probado el código fuente desarrollado. También se muestra la forma de uso de la aplicación de manera que se permita a los usuarios cargar los datos y realizar tanto una regresión lineal como una regresión logística que permitan comprender qué factores repercuten en el abandono. A modo de ejemplo de uso de la herramienta se muestran los resultados obtenidos para la cohorte del curso 2017/2018 del Grado en Ingeniería Informática de la Universidad de La Laguna. Para ellos se cuenta tanto con los datos de educación como con los del test psicotécnico de Resolución de Problemas (RP30).

College dropout is a major issue for Spanish society. Trying to solve this problem has become a priority to universities all over the country. This paper describes the implementation and how to use a software tool to show statistical information about incoming college students. In this application, predictive models are used to determine the relationship between a student at risk of dropping out, and several variables such as their admission grades or their average grades during the first year. This paper shows the procedures, tools, and settings used on the building of the application using Django and Python, as well as the way in which the developed source code has been validated and tested. It is also shown how to use the application so it allows the user to load data and make a linear regression as well as a logistic regression that allows understanding which factors are related to dropping out. As an example of how to use the tool, the results obtained for the cohort of the academic year 2017/2018 of Grado en Ingeniería Informática de la Universidad de La Laguna are shown. Relying on education data as well as data from the aptitude test on problem solving: Resolución de Problemas (RP30).