Learning Analytics Systems Basado en Inteligencia Artificial como Predictores de Deserción en Bachillerato Técnico en Informática

Read full text Summarise with VIRAT
Authors: Silvia Caiza-Criollo, Martha Aguirre-Revelo, Roxana Ronquillo-Murrieta, Jenniffer Sobeida Moreira-Chóez
Cited by: 0

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

La deserción escolar en la educación técnica constituye un desafío estructural que compromete la equidad, la eficiencia interna y la calidad de los sistemas educativos, especialmente en contextos donde convergen factores académicos, tecnológicos y motivacionales. En este marco, el presente estudio se orienta en predecir la deserción escolar mediante Learning Analytics Systems basados en inteligencia artificial en bachillerato técnico en informática en la Unidad Educativa Patrimonio de la Humanidad. Se adoptó un enfoque cuantitativo, con diseño no experimental y transversal, de nivel descriptivo–predictivo. La muestra estuvo conformada por 125 estudiantes. Se aplicó un cuestionario estructurado mediante Google Forms, con adecuados índices de confiabilidad, y los datos fueron procesados en IBM SPSS mediante análisis descriptivos, correlacionales y regresión lineal múltiple. Los resultados evidencian que el rendimiento académico, la participación y compromiso, el uso de tecnologías educativas, los factores personales y motivacionales y el apoyo institucional percibido predicen significativamente la deserción, con efectos negativos sobre el riesgo de abandono. Se concluye que los sistemas de analítica de aprendizaje constituyen herramientas válidas para la identificación temprana de estudiantes en riesgo y para la toma de decisiones educativas basadas en datos.

Fields of Study & Subjects

Online Learning and Analytics Evasion and Academic Success Factors Educational Outcomes and Influences

Publication details

Journal / source
593 Digital Publisher CEIT
Volume
11
Issue
2
Pages
562–577
Publication date
23 March 2026
Language
ES