Mapeo Sistemático del Uso de Aprendizaje Automático para Predecir el Rendimiento Académico y la Deserción Estudiantil en Universidades

Ponente(s): Carlos Enrique Greene Mex, Francisco Moo Mena, José Luis López Martínez

En los últimos años, ha crecido el interés por predecir el rendimiento académico y la deserción estudiantil en las universidades. Este aumento ha sido impulsado por la disponibilidad de datos educativos y los avances en el aprendizaje automático. Este trabajo presenta un mapeo sistemático de la literatura reciente con el fin de ofrecer una visión general de las investigaciones actuales en este campo. Se analizaron estudios publicados entre 2020 y 2024, seleccionados mediante criterios metodológicos rigurosos en bases de datos como IEEEXplore, Springer y ScienceDirect. Los resultados revelan una clara predominancia de técnicas de clasificación supervisada y un enfoque común en variables académicas, demográficas y socioeconómicas. También se han identificado tendencias emergentes, como el uso de redes neuronales, así como vacíos persistentes en torno al tratamiento de factores contextuales y la limitación de datos accesibles. Este estudio tiene como objetivo servir de referencia para futuras investigaciones y para el diseño de estrategias institucionales que promuevan la permanencia de los estudiantes.