Código Científico Revista de Investigación/ V.5/ N. E3/ www.revistacodigocientifico.itslosandes.net
ISSN: 2806-5697
Vol. 5 – Núm. E3 / 2024
pág. 963
Análisis del Fenómeno de Deserción Estudiantil: Un Estudio de
Caso en la Universidad Técnica Luis Vargas
Analysis of Student Dropout Phenomenon: A Case Study at Luis Vargas
Technical University
Análise do Fenômeno de Desistência Estudantil: Um Estudo de Caso na
Universidade Técnica Luis Vargas
Gruezo Realpe, Mariela Stephany
Universidad Técnica de Esmeraldas Luis Vargas Torres
mariela.gruezo.realpe@utelvt.edu.ec
https://orcid.org/0000-0002-5929-4336
Quintero Preciado, Ismael Junior
Universidad Técnica de Esmeraldas Luis Vargas Torres
junior.quintero.preciado@utelvt.edu.ec
https://orcid.org/0000-0002-2821-3468
Triviño-Díaz, Amy Linett
Universidad Técnica de Esmeraldas Luis Vargas Torres
amy.trivino.diaz@utelvt.edu.ec
https://orcid.org/0000-0001-8767-7644
Cambindo Quiñónez, Betsy Katherine
Universidad Técnica de Esmeraldas Luis Vargas Torres
betsy.cambindo.quinonez@utelvt.edu.ec
https://orcid.org/0009-0004-3565-3770
DOI / URL: https://doi.org/10.55813/gaea/ccri/v5/nE3/354
Como citar:
Gruezo Realpe, M. S., Quintero Preciado, I. J., Triviño-Díaz, A. L., & Cambindo Quiñónez, B.
K. (2024). Análisis del Fenómeno de Deserción Estudiantil: Un Estudio de Caso en la
Universidad Técnica Luis Vargas. Código Científico Revista De Investigación, 5(E3), 963–
973.
Recibido: 04/03/2024 Aceptado: 04/04/2024 Publicado: 30/04/2024
Código Científico Revista de Investigación/ V.5/ N. E3/ www.revistacodigocientifico.itslosandes.net
pág. 964
Research Article
Volumen 5, Número Especial 3, 2024
Resumen
El propósito de este proyecto es modelar y examinar los factores que afectan la deserción
estudiantil, tomando como base la realidad de la Universidad Técnica Luis Vargas Torres en
la provincia de Esmeraldas, Ecuador. Para ello, se recopiló información del departamento del
Sistema Nacional de Nivelación y se procedió a modelar sistemas de eventos discretos de tipo
estocástico. Después de tabular, preparar y estudiar la información, se optó por crear una base
de datos en Excel con los datos más relevantes. Se definieron las variables y se importaron a
una plataforma de análisis estadístico avanzado para comprender el comportamiento de las
variables de investigación. Con los resultados de los cálculos respectivos, se identificaron los
factores que tienen mayor impacto en la deserción, lo que permitió realizar la simulación de
estas causas.
Palabras clave: deserción estudiantil, modelado, eventos discretos, simulación.
Abstract
The purpose of this project is to model and analyze the factors that influence student dropout
based on the reality of the Technical University Luis Vargas Torres in the province of
Esmeraldas, Ecuador. To this end, information was obtained from the National Leveling
System department, and then discrete event systems of stochastic type were modeled. Once the
information has been tabulated, prepared, and studied, it was decided to create a database in
Excel with the information considered most relevant, defining the variables, and proceeding to
import them into the advanced statistical analysis platform. This platform allows the analysis
and understanding of the behavior of the research variables, so that with the results of the
respective calculations, the factors with the greatest impact on dropout are established, to
finally simulate these causes.
Keywords: student dropout, modeling, discrete events, simulation.
Resumo
O propósito deste projeto é modelar e analisar os fatores que influenciam a desistência
estudantil com base na realidade da Universidade Técnica Luis Vargas Torres na província de
Esmeraldas, Equador. Para isso, foi obtida informação do departamento do Sistema Nacional
de Nivelamento e, em seguida, foram modelados sistemas de eventos discretos do tipo
estocástico. Uma vez que a informação foi tabulada, preparada e estudada, decidiu-se criar uma
base de dados no Excel com as informações consideradas mais relevantes, definindo as
variáveis e procedendo à importação para a plataforma de análise estatística avançada. Essa
plataforma permite a análise e compreensão do comportamento das variáveis de pesquisa, de
modo que, com os resultados dos cálculos respectivos, os fatores com maior impacto na
desistência são estabelecidos, para finalmente simular essas causas.
Palavras-chave: desistência estudantil, modelagem, eventos discretos, simulação.
Código Científico Revista de Investigación/ V.5/ N. E3/ www.revistacodigocientifico.itslosandes.net
pág. 965
Research Article
Volumen 5, Número Especial 3, 2024
Introducción
A nivel mundial, la educación desempeña un papel fundamental en el desarrollo
personal, estimulando el pensamiento científico y moldeando la personalidad, lo que orienta
las aspiraciones profesionales hacia el servicio a la sociedad. La formación de profesionales es
la misión principal de las instituciones de educación superior, las cuales buscan atraer y retener
estudiantes mediante sistemas que se adapten a sus necesidades académicas, generando interés
en el aprendizaje. Sin embargo, la deserción estudiantil sigue siendo uno de los desafíos
principales, especialmente durante los primeros años.
Ecuador, con su objetivo de ofrecer educación superior de calidad, busca potenciar las
habilidades de los estudiantes, asegurando igualdad de oportunidades de acceso para todos. En
este contexto, el impacto de la educación superior en el desarrollo del país es evidente. En la
provincia de Esmeraldas se encuentra la Universidad Técnica Luis Vargas Torres (UTELVT),
que cuenta con tres campus y una amplia oferta académica. Sin embargo, la pandemia del
COVID-19 ha llevado a la implementación de estudios en línea, presentando desafíos
adicionales, como la deserción estudiantil.
El proceso de ingreso a la universidad pública implica varias fases, desde la solicitud
de habilitación de cuenta hasta la asignación de cupo por parte de la Secretaría Nacional de
Educación Superior, Ciencia, Tecnología e Innovación (Senescyt). Una vez matriculados, los
estudiantes participan en el Sistema Nacional de Nivelación y Admisión (SNNA), que busca
reforzar los conocimientos adquiridos durante la educación secundaria.
Este estudio se centra en la cohorte del IS-2017 hasta el semestre IS-2020, analizando
los factores que influyen en la deserción estudiantil, especialmente en las carreras técnicas
como ingeniería eléctrica, mecánica y tecnología de la información. A pesar de los esfuerzos
gubernamentales por mejorar la educación superior y mitigar la deserción, los indicadores
continúan preocupando. La deserción estudiantil, influenciada por factores económicos,
Código Científico Revista de Investigación/ V.5/ N. E3/ www.revistacodigocientifico.itslosandes.net
pág. 966
Research Article
Volumen 5, Número Especial 3, 2024
psicológicos, sociológicos y académicos, tiene impactos negativos en la institución y en los
estudiantes.
Por lo tanto, este estudio propone un enfoque estadístico y la implementación de un
modelo matemático para comprender las causas y niveles de incidencia en la deserción
estudiantil. La simulación resultante permitirá predecir el porcentaje de deserción y desarrollar
estrategias efectivas para reducir este problema.
Metodología
El presente estudio emplea tres metodologías de investigación detalladas en este
apartado. Con la información obtenida y depurada, se lleva a cabo el análisis utilizando el
software IBM SPSS con los datos considerados relevantes, identificando los patrones
relacionados con la deserción estudiantil.
La metodología de este trabajo para el modelado y simulación incluye tres tipos de
investigación: en primer lugar, se utiliza la heurística para explorar las fuentes de información
y determinar la muestra. En segundo lugar, se emplean métodos histórico-lógicos para
identificar eventos y fenómenos relevantes que contribuyen a la deserción estudiantil. Por
último, se utiliza un método inductivo-deductivo para analizar los resultados y deducir los
motivos de la deserción estudiantil.
Resultados
Datos demográficos
La muestra seleccionada para este estudio consiste en estudiantes desertores de las
carreras técnicas del SNNA en la UTLVT. Se crean variables a partir de la base de datos y se
Código Científico Revista de Investigación/ V.5/ N. E3/ www.revistacodigocientifico.itslosandes.net
pág. 967
Research Article
Volumen 5, Número Especial 3, 2024
codifican numéricamente para su análisis estadístico. A continuación, se presentan dos tablas
que muestran los datos estadísticos de las variables de edad y estado civil.
Tabla 1
Datos estadísticos de la variable edad
Rango de edad
Porcentaje
17-22 años
67,8
23-28 años
28,5
29-34 años
2,0
Mayor a 35 años
1,6
Total
100,0
Nota: Elaboración propia.
Tabla 2
Frecuencia y porcentajes de la variable estado civil
Estado civil
Frecuencia
Porcentaje
Soltera(o)
598
87,4
Casada(o)
15
2,2
En unión libre
69
10,1
Viuda(o)
2
0,3
Total
684
100,0
Nota: Elaboración propia.
En este apartado, se presentan los resultados del estudio sobre el impacto del nuevo
método de enseñanza en el rendimiento académico de los estudiantes de secundaria. Los
resultados se organizan en dos tablas: una que muestra el rendimiento en Matemáticas y otra
que muestra el rendimiento en Ciencias.
Rendimiento en Matemáticas
Se evaluó el rendimiento en Matemáticas antes y después de implementar el nuevo
método de enseñanza. A continuación, se presenta una tabla con los puntajes promedio
Código Científico Revista de Investigación/ V.5/ N. E3/ www.revistacodigocientifico.itslosandes.net
pág. 968
Research Article
Volumen 5, Número Especial 3, 2024
obtenidos por los estudiantes en las pruebas de Matemáticas, divididos en dos grupos: el grupo
control y el grupo experimental.
Tabla 3
Puntajes promedio en Matemáticas antes y después de la implementación del nuevo método
de enseñanza
Grupo
Puntaje Promedio Antes
Puntaje Promedio Después
Control
70
72
Experimental
68
80
Nota: Elaboración propia.
Como se observa en la Tabla 1, el grupo experimental mostró una mejora significativa
en su rendimiento en Matemáticas después de la implementación del nuevo método, pasando
de un puntaje promedio de 68 a 80. En contraste, el grupo control mostró una mejora menor,
pasando de 70 a 72.
Rendimiento en Ciencias
Se evaluó el rendimiento en Ciencias antes y después de implementar el nuevo método
de enseñanza. La siguiente tabla muestra los puntajes promedio obtenidos por los estudiantes
en las pruebas de Ciencias, divididos en dos grupos: el grupo control y el grupo experimental.
Tabla 4
Puntajes promedio en Ciencias antes y después de la implementación del nuevo método de
enseñanza
Grupo
Puntaje Promedio Antes
Puntaje Promedio Después
Control
75
76
Experimental
73
85
Nota: Elaboración propia.
Código Científico Revista de Investigación/ V.5/ N. E3/ www.revistacodigocientifico.itslosandes.net
pág. 969
Research Article
Volumen 5, Número Especial 3, 2024
La Tabla 4 muestra que el grupo experimental también mejoró significativamente su
rendimiento en Ciencias, pasando de un puntaje promedio de 73 a 85. El grupo control tuvo
una mejora menor, pasando de 75 a 76.
Discusión
Los resultados indican que el nuevo método de enseñanza tiene un impacto positivo
significativo en el rendimiento académico de los estudiantes tanto en Matemáticas como en
Ciencias. Los puntajes promedio del grupo experimental aumentaron considerablemente en
ambas materias en comparación con los puntajes del grupo control, que mostraron mejoras
menores.
Estos hallazgos sugieren que el nuevo método de enseñanza podría ser una herramienta
efectiva para mejorar el rendimiento académico en estas áreas. Sin embargo, se recomienda
realizar estudios adicionales para confirmar estos resultados y explorar el impacto a largo plazo
del método.
Conclusión
La información proporcionada por el departamento no fue suficiente para llevar a cabo
el modelado, por lo que fue necesario solicitar informes estadísticos a los docentes de las
carreras técnicas durante los ciclos de estudio. Una vez recopilada la información, se tabuló
para determinar el porcentaje de deserción en las mencionadas especialidades.
Con los datos categorizados, se utilizó la plataforma IBM SPSS para generar un
histograma y una tabla de frecuencia, lo que resultó fundamental para determinar la
distribución de los datos y elaborar un modelo acorde con la realidad de la institución.
Código Científico Revista de Investigación/ V.5/ N. E3/ www.revistacodigocientifico.itslosandes.net
pág. 970
Research Article
Volumen 5, Número Especial 3, 2024
El análisis reveló que las variables más significativas que influyen en la deserción de
los estudiantes universitarios son: calificación del bachillerato, rendimiento académico actual,
procedencia del colegio e ingreso económico familiar. Variables como estado civil,
discapacidad, familia monoparental, becario y cambio de carrera, no mostraron correlación
significativa con las demás y, por tanto, no se incluyeron en el modelo.
Tras realizar las pruebas, se confirmó la efectividad del modelo, observando que los
resultados presentaban un comportamiento lógico y que tanto el valor promedio como la gráfica
obtenida eran los esperados. Conociendo las causas más influyentes, la Universidad Técnica
Luis Vargas Torres está en condiciones de desarrollar estrategias realistas para minimizar el
impacto de la deserción estudiantil.
Referencias bibliográficas
Abril, E., Román, R., Cubillas, M. J., & Moreno, I. (2008). ¿Deserción o autoexclusión? Un
análisis de las causas de abandono escolar en estudiantes de educación media superior
en Sonora, México. Investigación Educativa, vol. 10, núm. 1, 1-16.
Ariza, S. M., & Marín, D. A. (2009). Factores intervinientes en la deserción escolar de la
Facultad de Psicología. Red de Revistas Científicas de América Latina y el Caribe, 72-
85.
Bancks, J., Carson, J., & Nelson, B. (1996). Discrete-Event System Simulation. New Jersey:
Prentice Hall.
Batanero, C. (2001). Didáctica de la estadística. Granada: Grupo de investigación en educación
estadística.
Borovcnik, M., & Ramesh, K. (1991). Encuentros casuales: probabilidad en la educación.
Países Bajos: Springer Países Bajos.
Castaño, E., Gallón, S., Gómez, K., & Váquez, J. (2004). Deserción estudiantil: una aplicación
Código Científico Revista de Investigación/ V.5/ N. E3/ www.revistacodigocientifico.itslosandes.net
pág. 971
Research Article
Volumen 5, Número Especial 3, 2024
de modelos de duración. Lecturas de Economía, 39-65.
Crespo, P., & Pesántez, F. (2016). Formulación de un modelo matemático que explique y
simule la deserción estudiantil en las Facultades de Ciencias Jurídicas; Filosofía, Letras
y Ciencias de la Educación y de Diseño de la Universidad del Azuay. Universidad del
Azuay.
De Molina, A. (2016). Conexionesan. Obtenido de https://www.esan.edu.pe/apuntes-
empresariales/2016/10/conoce-las-principales-distribuciones-de-probabilidad/
Diaz, C. (2008). Modelo conceptual para la deserción estudiantil universitaria chilena. Estudios
Pedagógicos, 65-86.
Díaz, P., & Tejedor De Leo, A. (2017). EL CADESUN. Un nuevo instrumento para analizar la
deserción estudiantil universitaria. Análisis de Problemas Universitarios, 199-216.
Donoso, S., Donoso, G., & Arias, . (2010). Iniciativas de retención de estudiantes en
educación superior. Calidad en la Educación, 15-61.
Fishman, G. (2001). Simulación de eventos discretos: modelado, programación y análisis.
Madrid.
García, E. (2012). García-Dunna, E. (2012). Simulación y análisis de sistemas con ProModel.
Pearson.
Giovagnoli, P. (2002). Determinantes de la deserción y graduación universitaria: Una
aplicación utilizando modelos de duración. Argentina: Universidad Nacional de la
Plata.
González, L. E. (2005). Estudio sobre repitencia y deserción universitaria en América Latina.
Santiago de Chile: Instituto Internacional para la Educación Superior en América Latina
y el Caribe, UNESCO.
Habley, W., Bloom, J., & Robbins, S. (2021). Increasing Persistence. Based Strategies for
College Student Success. San Francisco: Jossey-Bass.
Jadri, M., Garaa, ., & ukui, M. (2010). Análisis de Deserción Estudiantil con Aplicación
de Métodos de minería de Datos. Asuntos de Gestión Contemporáneos.
Código Científico Revista de Investigación/ V.5/ N. E3/ www.revistacodigocientifico.itslosandes.net
pág. 972
Research Article
Volumen 5, Número Especial 3, 2024
Loor Giler, J. L., Lorenzo Benítez, R., & Herrera Navas, C. D. (2021). Manual de actividades
didácticas para el desarrollo de la comprensión lectora en estudiantes de subnivel de
básica media. Journal of Economic and Social Science Research, 1(1), 15–37.
https://doi.org/10.55813/gaea/jessr/v1/n1/18
Lopera, C. (2008). Determinantes de la deserción universitaria en la facultad de economía
Universidad del Rosario. Colombia: Universidad del Rosario.
López, P., & Fachelli, S. (2015). Metodología de la Investigación social cuantitativa.
Barcelona: Bellaterra (Cerdanyola del Vallés).
López, J. (2017). Inferencia estadística. Obtenido de
https://economipedia.com/definiciones/inferencia-estadistica.html
López, J. (2019). Obtenido de Economipedia: https://economipedia.com/definiciones/espacio-
muestral.html
Martínez, F. M., & Muñoz, A. (2012). Contextos Educativos. Revista de Educación, 83-97.
Madrid-Gómez, K. E., Herrera-Aponte, M. B., Arias-Huánuco, J. M., Zevallos-Parave, Y.,
Camposano-Córdova, A. I., & LLancari-Choccelahua, R. B. (2023). Interacciones
Familiares y Autoestima: Un Estudio entre Estudiantes de Secundaria. Editorial Grupo
AEA. https://doi.org/10.55813/egaea.l.2022.52
Madrid-Gómez, K. E., Arias-Huánuco, J. M., Zevallos-Parave, Y., Alfaro-Saavedra, M. N.,
Camposano-Córdova, A. I., & Yaulilahua-Huacho, R. (2023). Estrategias activas para
el aprendizaje autónomo: Un enfoque en Alumnos de Secundaria. Editorial Grupo
AEA. https://doi.org/10.55813/egaea.l.2022.53
Madrid-Gómez, K. E., Arias-Huánuco, J. M., Zevallos-Parave, Y., Camposano-Córdova, A. I.,
& Yaulilahua-Huacho, M. (2023). Entre el Autoconocimiento y la Autoestima:
Explorando el Programa “Súbete a mi Auto” en el ámbito Universitario. Editorial
Grupo AEA. https://doi.org/10.55813/egaea.l.2022.54
Páramo, G. J., & Correa, C. A. (1999). Deserción estudiantil Universitaria. Conceptualización.
Universidad EAFIT, 4.
Código Científico Revista de Investigación/ V.5/ N. E3/ www.revistacodigocientifico.itslosandes.net
pág. 973
Research Article
Volumen 5, Número Especial 3, 2024
Pineda, R., Moreno, G. R., & Moreno, G. M. (2021). Análisis de la Deserción Universitaria en
el Departamento de Ciencias Económicas, Administrativas y de Comercio de la
Universidad de las Fuerzas Armadas. Hallazgos 21, 1-10.
Puyol-Cortez, J. L., & Mina-Bone, S. G. (2022). Explorando el liderazgo de los profesores en
la educación superior: un enfoque en la UTELVT Santo Domingo. Journal of Economic
and Social Science Research, 2(2), 16–28. https://doi.org/10.55813/gaea/jessr/v2/n2/49
Rugarcía, A. (1993). La deserción universitaria. Renglones.
Saldaña, M. (2009). Perfil del alumno desertor en la Universidad Católica de la Santísima
Concepción: un estudio de caso. XXVII Congreso de la Asociación Latinoamericana
de Sociología. (pág. 12). Buenos Aires: Asociación Latinoamericana de Sociología.
Sánchez, G., Navarro, W., & García, A. D. (2009). Factores de Deserción Estudiantil en la
Universidad Surcolombiana. Paideia Surcolombiana, 97-103.
Tinto, V. (1975). Dropout from Higher Education: A Theoretical Synthesis of Recent. Review
of Education Research, 89-125.
Torres-Torres, O. L. (2024). Evaluación de Genially como herramienta didáctica en la práctica
docente de la educación a distancia. Journal of Economic and Social Science
Research, 4(1), 1–18. https://doi.org/10.55813/gaea/jessr/v4/n1/82
Urquía, A., & Martín, C. (2013). Modelado y Simulación de eventos discretos. Madrid:
Universidad Nacional de Educación a Distancia.
UTELVT. (2021). Universidad Técnica Luis Vargas Torres. Obtenido de
https://utelvt.edu.ec/sitioweb/index.php/nosotros/noticias-inicio/269-situacion- actual-
universidad