Universidad de Caldas · Planeación y Sistemas

Modelo de riesgo de deserción, informe de trabajo

Un modelo que le pone a cada estudiante matriculado un porcentaje de riesgo de no volver. Aquí está todo el trabajo, en orden: qué datos hay, cómo están, cómo se entrenó el modelo y qué tan bien predice. Todo son cifras agregadas; ningún informe contiene datos de un estudiante en particular.

Datos extraídos Tabla base y estadísticas Variables del modelo Modelo entrenado y validado Lista de riesgo 2025-2 y 2026-1 Presentación 10 de octubre

Los informes

1 · DatosEsquema de datos

Qué tablas hay en el DWH, cómo se unen, qué semestres cubre cada una, los huecos y el diccionario de columnas.

17 tablas2018-1 a 2026-2
 1 · DatosEstado de los datos

Tasa de deserción por semestre, quién deserta más, rendimiento académico y calidad de la data. Con pestañas, para presentar.

120 454 filas2021-1 a 2025-1
 2 · ModeloResultados del modelo

Cómo se probó, curvas, calibración, qué variables pesan, lista de riesgo por facultad y programa, y el método con sus referencias.

AUC 0,88814 semestres de entrenamiento

Cómo funciona, en cinco pasos

Cada paso es un script del repositorio; se corren en orden y cada uno deja su resultado para el siguiente.

1ExtraerLas 17 tablas del DWH a archivos locales, sin nombres ni contacto.
01_extract/extract_raw.py
2PrepararUna fila por estudiante, programa y semestre, con la etiqueta de deserción.
02_prepare/build_base.py
3VariablesNotas, materias, cancelaciones, pago, programa, edad, estrato: 42 variables.
03_features/build_features.py
4Entrenar y probarLightGBM, validado entrenando con el pasado y probando en el futuro.
04_train/train.py
5CalificarRiesgo y categoría para cada estudiante de 2025-2 y 2026-1.
05_score/score.py

La data en una mirada

43 906estudiantespregrado y tecnologías, 2018-1 a 2026-1
6,8 %tasa de deserción8 185 de 120 454 filas, 2021-1 a 2025-1
14semestres para entrenar2018-1 a 2025-1, sin 2020-2
2semestres calificados2025-2 y 2026-1, aún sin etiqueta