Análisis de datos y aprendizaje automático del proceso de admisión de la Universidad Nacional Autónoma Honduras para la región sur del país del 2006 al 2019

Abstract

Toda universidad pública tiene responsabilidades con la sociedad, por lo que debe apuntar su labor a ofrecer el mejor servicio posible al ciudadano[1] proporcionando el recurso humano de más alto nivel académico[2]. Esto se asegura con un proceso de admisión transparente, eficiente, igualitario, de calidad y con equidad[3]. Por ello se analizan los datos recopilados en la etapa de inscripción y realización de la prueba de admisión de la Universidad Nacional Autónoma de Honduras (UNAH) en la región sur del país del año 2006 al 2019, utilizando las metodologías de minería de datos SEMMA y CRISP-DM para detectar con anticipación a realizar dicha prueba, los aspirantes vulnerables a no ser admitidos en la universidad. Se comienza por una adaptación de los datos, luego se separan los datos en una parte para la creación del modelo y otra para la validación, para así obtener resultados libres de sesgos siguiendo un esquema de validación cruzada. Se prueban varios algoritmos de clasificación del modelo pertenecientes a las librerías sklearn y xgboost. El mejor modelo obtiene una precisión del 66% con una especificidad del 61% para determinar los aspirantes que no serán admitidos a la UNAH. Además, se adiciona un cuadro de mando para dar seguimiento a los procesos de admisión.

Every public university has responsibilities to society, so it must aim its work to offer the best possible service to the citizen [1] by providing the highest academic level human resource [2]. This is ensured with a transparent, efficient, egalitarian, quality, and fair admission process [3]. For this reason, the data collected in the stage of enrollment and completion of the admission test of the National Autonomous University of Honduras (UNAH) in the southern region of the country from 2006 to 2019 is analyzed, using the data mining methodologies SEMMA and CRISP-DM to detect in advance to carry out said test, applicants vulnerable to not being admitted to the university. It begins with an adaptation of the data, then the data is separated into one part for the creation of the model and another for the validation, to obtain bias-free results following a cross-validation scheme. Various model classification algorithms belonging to the sklearn and xgboost libraries are tested. The best model obtains an accuracy of 66% with a specificity of 61% to determine applicants who will not be admitted to UNAH. In addition, a dashboard is added to monitor the admission processes.