Modelo de Clasificación para la Empleabilidad al Primer Año de Egreso
Date
2022-07
Type:
Thesis
item.page.extent
61 p.
item.page.accessRights
Authors
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