Modelo de Clasificación para la Empleabilidad al Primer Año de Egreso

Date

2022-07

Type:

Thesis

item.page.extent

61 p.

item.page.accessRights

item.contributor.advisor

ORCID:

Journal Title

Journal ISSN

Volume Title

Publisher

Universidad del Desarrollo. Facultad de Ingeniería

item.page.isbn

item.page.issn

item.page.issne

item.page.doiurl

item.page.other

item.page.references

Abstract

El presente trabajo tiene por objetivo identificar los factores que inciden en la empleabilidad al primer año de egreso de los estudiantes de educación superior. El trabajo se focalizó en los egresados de la carrera de Ingeniería Civil Industrial de la Universidad del Desarrollo. La hipótesis que sustenta el estudio es que variables sociodemográficas, de rendimiento académico y condiciones de ingreso a la universidad permiten predecir la situación laboral de un estudiante al primer año de egreso. Se compararon los resultados de cuatro algoritmos de aprendizaje automático utilizados para la clasificación de categorías binarias: Naive Bayes gaussiano, Regresión Logística, Random Forest y Gradient Boosting Trees, combinados con tres estrategias diferentes para manejar datos desbalanceados. Los resultados muestran que, con la información utilizada, las diferentes combinaciones entre los algoritmos de clasificación seleccionados con las técnicas de manejo de datos desbalanceados, no logran identificar patrones en los datos que alcancen niveles de precisión aceptables. Es decir, para lograr predecir la situación laboral al primer año de egreso, se requiere incorporar variables adicionales a las evaluadas en el plan curricular de la Carrera.

Description

Proyecto de grado presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data Science

item.page.coverage.spatial

item.page.sponsorship

Citation

Keywords

070037S, Estudiantes universitarios, Empleabilidad

item.page.dc.rights

item.page.dc.rights.url