Factores Asociados al Bienestar Estudiantil y al Riesgo de Interrupción Académica Mediante Analítica de Datos en Institutos de Educación Superior de la Provincia de El Oro

Palabras clave: bienestar estudiantil, permanencia académica, interrupción académica, analítica de datos, educación superior

Resumen

El objetivo del estudio fue analizar factores académicos, socioeconómicos, laborales, tecnológicos y de bienestar asociados con un indicador preventivo de riesgo de interrupción académica en estudiantes de dos institutos de educación superior de la provincia de El Oro. Se desarrolló un estudio cuantitativo, no experimental y transversal con 270 registros. La variable de resultado agrupó como señal preventiva las respuestas “Sí” y “No está seguro/a” ante la intención de interrumpir los estudios. Se aplicaron estadística descriptiva, pruebas χ², V de Cramér, ajuste de Benjamini-Hochberg, regresión logística y validación cruzada estratificada. El 34,1 % presentó intención o incertidumbre respecto de la continuidad. Las asociaciones bivariadas de mayor magnitud correspondieron a carga laboral igual o superior a 31 horas semanales, motivación moderada/baja y presencia de personas dependientes. En el modelo ajustado, estos tres factores conservaron asociaciones significativas. El modelo alcanzó un AUC de 0,794, con sensibilidad de 54,3 % y especificidad de 89,9 %. Los resultados respaldan un enfoque multidimensional de acompañamiento estudiantil y no justifican una clasificación automática o causal del abandono

Descargas

La descarga de datos todavía no está disponible.

Citas

Aina, C., Baici, E., Casalone, G., & Pastore, F. (2022). The determinants of university dropout: A review of the socio-economic literature. Socio-Economic Planning Sciences, 79, Article 101102.

https://doi.org/10.1016/j.seps.2021.101102

Alfredo, R., Echeverria, V., Jin, Y., Yan, L., Swiecki, Z., Gašević, D., & Martinez-Maldonado, R. (2024). Human-centred learning analytics and AI in education: A systematic literature review. Computers and Education: Artificial Intelligence, 6, Article 100215.

https://doi.org/10.1016/j.caeai.2024.100215

Barragán Moreno, S. P., & González Támara, L. (2024). Complexities of student dropout in higher education: A multidimensional analysis. Frontiers in Education, 9, 1461650.

https://doi.org/10.3389/feduc.2024.1461650

Bergdahl, N., Bond, M., Sjöberg, J., Dougherty, M., & Oxley, E. (2024). Unpacking student engagement in higher education learning analytics: A systematic review. International Journal of Educational Technology in Higher Education, 21, Article 63. https://doi.org/10.1186/s41239-024-00493-y

Ecton, W. G., Heinrich, C. J., & Carruthers, C. K. (2023). Earning to learn: Working while enrolled in Tennessee colleges and universities. AERA Open, 9(1), 1-16.

https://doi.org/10.1177/23328584221140410

Gutierrez-Pachas, D. A., Garcia-Zanabria, G., Cuadros-Vargas, E., Camara-Chavez, G., & Gomez-Nieto, E. (2023). Supporting decision-making process on higher education dropout by analyzing academic, socioeconomic, and equity factors through machine learning and survival analysis methods in the Latin American context. Education Sciences, 13(2), Article 154.

https://doi.org/10.3390/educsci13020154

Guzmán, A., Barragán, S., & Cala Vitery, F. (2021). Dropout in rural higher education: A systematic review. Frontiers in Education, 6, 727833. https://doi.org/10.3389/feduc.2021.727833

Holmes, S. E., & Nikiforidou, Z. (2023). “They don’t realise how hard it is”: Investigating the lived experiences of higher education students with parental responsibilities during the COVID-19 pandemic. Higher Education Quarterly, 77, 638-654. https://doi.org/10.1111/hequ.12423

Lessky, F., & Unger, M. (2023). Working long hours while studying: A higher risk for First-in-Family students and students of particular fields of study? European Journal of Higher Education, 13(3), 347-366. https://doi.org/10.1080/21568235.2022.2047084

Núñez-Naranjo, A. F. (2024). Analysis of the determinant factors in university dropout: A case study of Ecuador. Frontiers in Education, 9, 1444534. https://doi.org/10.3389/feduc.2024.1444534

Passeggia, R., Testa, I., Esposito, G., De Luca Picione, R., Ragozini, G., & Freda, M. F. (2023). Examining the relation between first-year university students’ intention to drop-out and academic engagement: The role of motivation, subjective well-being and retrospective judgements of school experience. Innovative Higher Education, 48, 837-859.

https://doi.org/10.1007/s10755-023-09674-5

Paulsen, L., & Lindsay, E. (2024). Learning analytics dashboards are increasingly becoming about learning and not just analytics: A systematic review. Education and Information Technologies, 29, 14279-14308. https://doi.org/10.1007/s10639-023-12401-4

Stojanov, A., & Daniel, B. K. (2024). A decade of research into the application of big data and analytics in higher education: A systematic review of the literature. Education and Information Technologies, 29, 5807-5831. https://doi.org/10.1007/s10639-023-12033-8

Vaarma, M., & Li, H. (2024). Predicting student dropouts with machine learning: An empirical study in Finnish higher education. Technology in Society, 76, Article 102474.

https://doi.org/10.1016/j.techsoc.2024.102474

Publicado
2026-11-05
Cómo citar
Sancho López , C. S., Sanmartin Pangay, J. E., Chila Klinger, D. X., & Cabrera Fajardo, W. G. (2026). Factores Asociados al Bienestar Estudiantil y al Riesgo de Interrupción Académica Mediante Analítica de Datos en Institutos de Educación Superior de la Provincia de El Oro. Ciencia Latina Revista Científica Multidisciplinar, 10(5), 6385-6400. https://doi.org/10.37811/cl_rcm.v10i5.26488
Sección
Ciencias Sociales y Humanas

Artículos más leídos del mismo autor/a