MODELAMIENTO Y SIMULACIÓN DEL FENÓMENO DE LA …repository.udistrital.edu.co/bitstream/11349/14491/...modelos más comunes se centran en lo temporal y lo espacial y de allí deriva

MODELAMIENTO Y SIMULACIÓN DEL FENÓMENO DE

LA DESERCIÓN Y RETENCIÓN ESTUDIANTIL

UNIVERSITARIA TRATADO COMO UN SISTEMA

COMPLEJO

Martha Carmenza Castellanos Rojas

Universidad Distrital Francisco José de Caldas

Maestría en Ciencias de la Información y las Comunicaciones

Énfasis en Sistemas de Información

Bogotá, Colombia

2018

MODELAMIENTO Y SIMULACIÓN DEL FENÓMENO DE

LA DESERCIÓN Y RETENCIÓN ESTUDIANTIL

UNIVERSITARIA TRATADO COMO UN SISTEMA

COMPLEJO

Martha Carmenza Castellanos Rojas

Trabajo de investigación presentado como requisito parcial para optar al título de:

Magister en Ciencias de la Información y las Comunicaciones

Director: PhD Luz Deicy Alvarado Nieto

Codirector: MSc. Jorge Eliécer Villamil Puentes

Línea de Investigación:

Ingeniería de Sistemas Complejos

Grupo de Investigación:

Complejidad UD

Universidad Distrital Francisco José de Caldas

Maestría en Ciencias de la Información y las Comunicaciones

Énfasis en Sistemas de Información

Bogotá, Colombia

2018

Contenido V

Agradecimientos

En primer lugar, quiero agradecer a mi familia. A mi esposo Jorge, a mis hijas Paula

Alejandra y Laura Juanita, por todo su amor, apoyo, comprensión y el tiempo que me

regalaron para concluir este trabajo y a Susy por su compañía permanente. También a mi

madre Aurora, por ser ese ejemplo de lucha, fortaleza y dedicación.

A Deicy Alvarado, mi directora, por confiar en mi trabajo, sus valiosos aportes, sus críticas

constructivas y acompañamiento en este proceso, también por ser una mujer luchadora, con

un personalidad fraterna, humana y solidaria.

Al Grupo de Complejidad, porque me permitió estar ahí en ese espacio tan enriquecedor y

rodeado de personas muy cálidas y comprometidas, que permiten sacar adelante, todas las

actividades e iniciativas que se realizan.

Agradezco también a mis compañeros, por sus aportes y comentarios, que me permitieron

fortalecer mis conocimientos, así como a Nelson Gómez, Angye Malagón y a Fabricio

Rodríguez, por los aportes que me proporcionaron para culminar el trabajo.

A Rafael Garzón por sus aportes y a los revisores Lindsay Álvarez y Sandro Bolaños,

quienes, con sus observaciones y recomendaciones enriquecieron este trabajo.

Finalmente, pero no menos importante, a Riguito (Q.E.P.D) por escuchar mis inquietudes

y por brindarme las sugerencias y comentarios, con tanta paciencia y entrega a pesar de su

enfermedad.

VI Modelamiento y Simulación del Fenómeno de la Deserción y Retención Estudiantil Universitaria

Tratado como un Sistema Complejo

Título de la tesis o trabajo de investigación

Resumen

La deserción universitaria (pública y privada) en Colombia está sobre el 46% MEN

(2016), es decir, de cada cien estudiantes que inician una carrera, 46 no terminan, con un

impacto social, económico y personal muy importante que preocupa a toda la sociedad,

desde el gobierno, autoridades universitarias y población en general. Si se considera un

proyecto o una empresa con 46% de pérdida, resultaría insostenible. Es un fenómeno que en

los últimos 30 años viene siendo estudiado cada vez con mayor rigor; sin embargo, los

modelos más comunes se centran en lo temporal y lo espacial y de allí deriva vertientes de

estudio muy interesantes: teóricos como: Spady (1970), quien define un enfoque psicológico

y plantea que la falta de integración social, así como la satisfacción del estudiante con la

experiencia universitaria, son determinantes en la decisión de desertar; Tinto por su parte

plantea que la dificultad del estudio nace de su propia conceptualización y de los tipos de

deserción y los factores o causantes de la misma (Tinto, 1989), de igual manera lo hacen

trabajos de equipo de investigadores como la Universidad Nacional, la Universidad de

Antioquia, la universidad EAFIT. Las tipos causas comúnmente aceptadas son: individuales,

socioeconómicas, académicas e institucionales (Castaño, Gallón, Gómez, & Vásquez,

2004). Esta investigación reconoce que la deserción es un fenómeno complejo por lo que se

atreve a proponer el desarrollo de un esquema y metodología que difiere en parte de los

modelos conocidos hasta ahora, es decir, se trata precisamente de un problema no sólo

Contenido VII

complejo sino de complejidad creciente, que manifiesta emergencias en su comportamiento

y que requiere el uso de elementos teóricos, conceptuales, así como herramientas

instrumentales de sistemas complejos. Se propone mostrar que el modelado y la simulación

con herramientas de sistemas complejos, permitirán revelar comportamientos emergentes.

Palabras clave Deserción Universitaria, Sistemas complejos, Emergencia, Modelado y Simulación de Sistemas Complejos.

Abstract

The college dropout (public and private) in Colombia is about 45%, i.e., of every

100 students who start a career, 45 do not end, with a very important social, economic and

personal impact that concerns society as a whole, from the Government, University

authorities and population in general. If we consider it a project or a company with 45% of

loss, it would be untenable. It is a phenomenon that in the past 30 years is being studied

more and with greater rigor; However, the most common models focus on the temporal and

spatial and from there derived very interesting study sheds: theoreticians like:(Spady, 1970),

who defines a psychological approach and proposes that the lack of social integration, as

well as the satisfaction of the student with the University experience, are determinants in the

decision of dropping out, red on the other hand the difficulty of study was born of their own

conceptualization and drop-out rates and factors or cause the same (Tinto, 1987), similarly

work of team of researchers as the National University, the University of Antioquia, EAFIT

University. The most commonly accepted causes are: individual, socio-economic, academic

and institutional (Brown, 2004). This research acknowledges that it is a complex problem

and dares to propose and develop scheme and methodology that differs in part from models

known so far, i.e. precisely is a problem not only complex but increasing complexity,

VIII Modelamiento y Simulación del Fenómeno de la Deserción y Retención Estudiantil Universitaria



manifesting emergencies in their behavior and requires the use of elements of theoretical,

conceptual and instrumental tools of complex systems. Intends to show that modeling and

simulation tools of complex systems, will allow to reveal unknown behavior of desertion

and display behaviors emerging.

Keywords

University dropout, complex systems, Emergency, Modeling and Simulation of Complex

Systems.

Contenido IX

Contenido

CAPÍTULO 1 ................................................................................................................................................. 15

INTRODUCCIÓN ......................................................................................................................................... 15 1.1 Motivación ..................................................................................................................................... 16 1.2 Aporte ............................................................................................................................................. 17 1.3 Definición del Problema de Investigación ..................................................................................... 18 1.4 Pregunta de investigación ............................................................................................................... 20 1.5 Alcance ........................................................................................................................................... 21 1.6 Objetivos ........................................................................................................................................ 21

1.6.1 Objetivo General ........................................................................................................................ 21 1.6.2 Objetivos Específicos................................................................................................................. 21

1.7 Metodología de trabajo ................................................................................................................... 22 1.8 Organización del documento .......................................................................................................... 23 1.9 Difusión de resultados .................................................................................................................... 23

CAPÍTULO 2 ................................................................................................................................................. 25

2. APROXIMACIONES A MODELOS DE DESERCIÓN ................................................................... 25 2.1 Marco Teórico ................................................................................................................................ 25 2.2 Principales estudios a nivel mundial .............................................................................................. 25

2.2.1 El enfoque psicológico ............................................................................................................... 26 2.2.2 El enfoque sociológico ............................................................................................................... 27 2.2.3 El enfoque económico................................................................................................................ 27 2.2.4 El enfoque organizacional .......................................................................................................... 28 2.2.5 El enfoque interaccionista .......................................................................................................... 29

2.3 Principales estudios para Colombia................................................................................................ 31 2.4 Definiciones ................................................................................................................................... 36

2.4.1 Tipos de Variables ..................................................................................................................... 39 2.5 Comentarios a los modelos............................................................................................................. 41

CAPÍTULO 3 ................................................................................................................................................. 43

3. CIENCIAS DE LA COMPLEJIDAD ................................................................................................. 43 3.1. Sistemas Complejos ....................................................................................................................... 44 3.2. Complejidad en las ciencias sociales .............................................................................................. 46

CAPÍTULO 4 ................................................................................................................................................. 51

4. SIMULACIÓN ...................................................................................................................................... 51 4.1. Simulación Basada en Agentes (SBA) ........................................................................................... 54

4.1.1 Agentes .......................................................................................................................................... 56 4.1.2 Características de los agentes ......................................................................................................... 58 4.1.3. Tipología de los Agentes ............................................................................................................... 59

4.2. Estrategia Metodológica ................................................................................................................. 60

CAPÍTULO 5 ................................................................................................................................................. 63

5. MODELO BASE SISTEMA REFERENTE ....................................................................................... 63 5.1 Diseño del Modelo ......................................................................................................................... 64

5.1.1 Estudiante .................................................................................................................................. 67 5.1.2 Materia ....................................................................................................................................... 69

5.2 Construcción del modelo ................................................................................................................ 70 5.3 Análisis del modelo ........................................................................................................................ 78

X Modelamiento y Simulación del Fenómeno de la Deserción y Retención Estudiantil Universitaria



CAPÍTULO 6 ................................................................................................................................................. 83

6. MODELADO Y SIMULACIÓN DEL FENÓMENO COMPLEJO DE LA DESERCIÓN

BASADO EN AGENTES .............................................................................................................................. 83 6.1 Sistema Referente ........................................................................................................................... 84 6.2 Análisis ........................................................................................................................................... 86

6.2.1 Análisis Descriptivo y Exploratorio ........................................................................................... 86 6.2.2 Estadística Inferencial: Modelo de Sobrevivencia ..................................................................... 89

6.3 Diseño ............................................................................................................................................ 92 6.3.1 Caracterización de los Datos Históricos Cohortes 2000-1 a 2016-3 .......................................... 93 6.3.2 Caracterización de los Datos Cohorte 2010-3 ............................................................................ 95 6.3.3 Agente estudiante ....................................................................................................................... 97 6.3.4 Agente materia ........................................................................................................................... 99 6.3.5 Agente profesor ........................................................................................................................ 100

6.4 Construcción del modelo .............................................................................................................. 100 6.4.1 Consideraciones iniciales para el desarrollo del modelo de simulación .................................. 101

6.5 Análisis del Modelo ..................................................................................................................... 113

CAPÍTULO 7 ............................................................................................................................................... 124

7. Conclusiones y Trabajos futuros ....................................................................................................... 124 7.1 Conclusiones ................................................................................................................................ 124 7.2 Trabajos Futuros ........................................................................................................................... 127

Contenido XI

Lista de figuras

Pág.

Figura 2-1 Clasificación de la deserción de acuerdo con el tiempo ................................................................ 38 Figura 2-2 Clasificación de la deserción de acuerdo con el espacio ................................................................ 39 Figura 3-1 Mapa visual y organizacional de ciencia de sistemas complejos. ................................................. 46 Figura 4-1 La lógica de la Simulación como un método ................................................................................. 52 Figura 4-2 Ciclo de la Simulación Basada en Agentes ................................................................................... 55 Figura 4-3 Elementos del Modelo Basado en Agentes. Elaboración propia .................................................. 56 Figura 5-1 Esquema modelo base .................................................................................................................... 64 Figura 5-2 Variables seleccionadas ................................................................................................................. 65 Figura 5-3 Funcionalidad modelo base ............................................................................................................ 73 Figura 5-4 Porcentaje de Deserción Vs. Graduación ....................................................................................... 74 Figura 5-5 Análisis T del modelo base ............................................................................................................ 80 Figura 6-1 Variabilidad: Egresados, Transitorio (Censurado) Desertor y Pierde ............................................ 87 Figura 6-2 Análisis de los promedios por proyecto ......................................................................................... 88 Figura 6-3 Esquema general de proceso de Simulación Basada en Agentes ................................................... 97 Figura 6-4 Representación gráfica de Teorema de Bayes ............................................................................. 104 Figura 6-5 Funcionalidad Modelo SBA ......................................................................................................... 107 Figura 6-6 Control de apoyo alimentario ....................................................................................................... 107 Figura 6-7 Control de matrículas .................................................................................................................. 108 Figura 6-8 Control de factor del profesor ...................................................................................................... 108 Figura 6-9 Estado de los estudiantes .............................................................................................................. 112 Figura 6-10 Causales de bajo rendimiento .................................................................................................... 112 Figura 6-11 Porcentaje Egresados por número de matrículas ........................................................................ 120 Figura 6-12 Porcentaje Deserción por número de matrículas ........................................................................ 121 Figura 6-13 Porcentaje de Estudiantes por Estado ......................................................................................... 122 Figura 6-14 Estado Académico por Género .................................................................................................. 123

Contenido XII

Lista de tablas

Tabla 2-1 Factores determinantes para la deserción ........................................................................................ 41 Tabla 5-1 Proyectos curriculares por número de estudiantes ........................................................................... 65 Tabla 5-2 Género de los estudiantes en el conjunto de los cinco proyectos .................................................... 66 Tabla 5-3 Tipo Inscripción en el conjunto de los cinco proyectos (Ver anexo A) ........................................... 66 Tabla 5-4 Edad de ingreso de los estudiantes en el conjunto de los cinco proyectos ...................................... 66 Tabla 5-5 Estrato socioeconómico de los estudiantes en el conjunto de los cinco proyectos .......................... 66 Tabla 5-6 : Tipo de inscripción de los estudiantes en el conjunto de los cinco proyectos ............................... 67 Tabla 5-7 Lugar de procedencia de los estudiantes en el conjunto de los cinco proyectos............................. 67 Tabla 5-8 Resultados de la Simulación Desertores Vs. Egresados .................................................................. 74 Tabla 5-9 Archivo de salida ............................................................................................................................. 77 Tabla 5-10 Análisis T de del modelo base ....................................................................................................... 79 Tabla 6-1 Variables Significativas Final ......................................................................................................... 90 Tabla 6-2 Proyectos curriculares ..................................................................................................................... 94 Tabla 6-3 Género de los estudiantes ................................................................................................................ 94 Tabla 6-4 Tipo Inscripción (Ver anexo A)....................................................................................................... 94 Tabla 6-5 Estados Académicos (Anexo A) ...................................................................................................... 95 Tabla 6-6 Estrato socioeconómico ................................................................................................................... 95 Tabla 6-7 Porcentaje de notas por género y estrato ......................................................................................... 95 Tabla 6-8 Porcentaje de notas por lugar de procedencia .................................................................................. 96 Tabla 6-9 Porcentaje de notas por Apoyo alimentario ..................................................................................... 96 Tabla 6-10 Archivo de Salida Simulación con registro por estudiante .......................................................... 109 Tabla 6-11 Archivo de salida por materias vistas .......................................................................................... 110 Tabla 6-12 Archivo salida con cantidad de estudiantes que ven la materia y su estado ................................ 111 Tabla 6-13 Resultados de la Simulación Desertores Vs. Egresados de Sistemas .......................................... 113 Tabla 6-14 Porcentaje estudiantes pos proyecto ............................................................................................ 114 Tabla 6-15 Porcentaje estudiantes por Género .............................................................................................. 114 Tabla 6-16 Porcentaje estudiantes Tipo de inscripción.................................................................................. 115 Tabla 6-17 Porcentaje estudiantes por estrato................................................................................................ 115 Tabla 6-18 Porcentaje estudiantes por Lugar de Procedencia ....................................................................... 116 Tabla 6-19 Porcentaje de deserción por carrera en la facultad de Ingeniería datos reales ............................. 116 Tabla 6-20 Porcentaje de Deserción por carrera Facultad de Ingeniería ....................................................... 117 Tabla 6-21 Porcentaje Deserción Vs. Graduación por proyecto .................................................................... 117 Tabla 6-22 Porcentaje estudiantes por Lugar de Procedencia ....................................................................... 118 Tabla 6-23 Porcentaje de Graduación ............................................................................................................ 119

Contenido XIII

Lista de Símbolos y abreviaturas

Abreviatura Definición

ANUIES Asociación Nacional de Universidades e Instituciones de Educación Superior

ASAB Academia Superior de Artes de Bogotá

CSU Consejo Superior Universitario

FCE Facultad de Ciencias Económicas

IES Institución de Educación Superior

IESALC Instituto Internacional para la Educación Superior en América Latina y el Caribe

Ing. Ingeniería

D Diurno

N Nocturno

ICFES Instituto Colombiano para el Fomento de la Educación Superior

OAS Oficina Asesora de Sistemas de la Universidad Distrital

OCDE Organización para la Cooperación y el Desarrollo Económico

Tec. Tecnología

UDFJC Universidad Distrital Francisco José de Caldas

UNESCO Organización de las Naciones Unidas para la educación, la ciencia y la cultura

EDO Ecuaciones diferenciales ordinarias

EDP Ecuaciones diferenciales parciales

ABM Modelamiento Basado en Agentes por sus siglas en inglés

MBA Modelo Basado en Agentes

MCA Análisis de Correspondencia Múltiple por sus siglas en inglés

Símbolos con letras latinas

Símbolo Término Ecuación

Ip Índice de permanencia 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑎𝑡𝑟𝑖𝑐𝑢𝑙𝑎𝑠

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑠𝑒𝑚𝑒𝑠𝑡𝑟𝑒𝑠 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑖𝑛𝑔𝑟𝑒𝑠𝑜

Ir Índice de repitencia 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑠𝑖𝑔𝑛𝑎𝑡𝑢𝑟𝑎𝑠 𝑟𝑒𝑝𝑟𝑜𝑏𝑎𝑑𝑎𝑠

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑠𝑖𝑔𝑛𝑎𝑡𝑢𝑟𝑎𝑠 𝑣𝑖𝑠𝑡𝑎𝑠

Ia Índice de atraso 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑠𝑖𝑔𝑛𝑎𝑡𝑢𝑟𝑎𝑠 𝑟𝑒𝑝𝑟𝑜𝑏𝑎𝑑𝑎𝑠

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑠𝑖𝑔𝑛𝑎𝑡𝑢𝑟𝑎𝑠 𝑣𝑖𝑠𝑡𝑎𝑠

Ra Rendimiento Académico 10𝑥 + 25 (1 − 𝐼𝑟) + 5𝐼𝑝 + 10𝐼𝑁

CAPÍTULO 1

INTRODUCCIÓN

La universidad tiene una función especial en la sociedad y es trabajar conocimiento

conocido y la búsqueda de nuevo conocimiento y en lo posible su aplicación. Así que es

muy importante que su cobertura sea grande y la efectividad de su trabajo sea satisfactoria.

Sin embargo, los guarismos de ingreso, retención y deserción son importantes en términos

de cifras. Estudiar la retención y deserción, capta el interés de muchas instituciones, pero la

efectividad de los estudios al respecto, quizá por tratarse de un sistema complejo, no logran

progresos importantes en la mejora de la retención y disminución significativa de la

deserción.

El uso de la simulación basada en agentes, es una técnica más o menos reciente para

el tratamiento de sistemas complejos y para abordar problemas sociales, como es el caso de

la deserción estudiantil, se puede modelar teniendo en cuenta las interacciones que resultan

entre los diferentes “agentes”, generalmente tienen comportamientos descritos por reglas

simples, y que al interactuar con otros agentes, dan lugar a comportamientos dinámicos del

sistema como un todo (C Macal & North, 2010). El uso de la simulación ha resultado ser

una herramienta poderosa, pues permite reflejar los comportamientos desconocidos de los

fenómenos sociales y que por su naturaleza son complejos; en ciencias sociales, el objetivo

es siempre una entidad dinámica, cambiante a través del tiempo y con reacción a su entorno,

16 Modelamiento y Simulación del Fenómeno de la Deserción y Retención Estudiantil

Universitaria Tratado como un Sistema Complejo

por consiguiente, el modelo también debe ser dinámico. (Nigel Gilbert & Klaus G Troitzsch,

2005)

Para el desarrollo de ésta tesis se hace uso de éste enfoque con el fin de obtener

comportamientos que ayuden a las personas o instituciones involucradas en estas decisiones

a definir y desarrollar políticas, sobre la deserción y retención de estudiantes universitarios

en el transcurso de su carrera, desde la perspectiva de sistemas complejos presentando la

motivación, los aportes que se pueden dar en torno a esta problemática, detallando el

problema, la pregunta de investigación, las hipótesis, los objetivos y la metodología

empleada. Finalmente se presenta la estructura del documento.

1.1 Motivación

La deserción estudiantil es un problema social que afecta la población universitaria;

a nivel mundial es cercana al 40%, para Colombia al cierre de 2014, quedó en 45.8%%

(MEN & Sectorial, 2013-2014) y en la Universidad Distrital se encontró alrededor del 40%.

Desde la perspectiva social, son muchos los jóvenes que se frustran al no obtener el título

profesional; a nivel económico esos porcentajes aplicados a los recursos presupuestales de

la educación superior, se están perdiendo; desde la política educativa de un país, significa

que existe un nivel de inefectividad mayor al 40% y el panorama personal y familiar es de

desesperanza debido a la imposibilidad de tener una mejor condición de vida. De manera

pues que, es un fenómeno trascendente en todos los sentidos. El estudio desde su estructura

y comportamiento preocupan a la sociedad, a los gobiernos y a las propias universidades,

Capítulo 1 17

son muchas las investigaciones que se han realizado en ese campo, pero el mismo MEN

considera que los análisis son insuficientes.

¿Qué motiva ésta investigación? En primer lugar, los estudios sobre el tema se han

limitado a métodos tradicionales que aunque son muy significativos, no logran explicar

todos los comportamientos del mismo; en segundo lugar, es un fenómeno social, complejo

y de complejidad creciente por las dinámicas propias y la baja homogeneidad de sus

variables, en tercer lugar, el desarrollo de estrategias bio-inspiradas, evolutivas, si bien es

cierto, no siempre dan respuestas exactas, sí aproximan los comportamientos de estos

fenómenos; y en cuarto lugar, la presente investigación se orienta a aplicar este tipo de

estrategias en el fenómeno de la deserción para descubrir nuevas características y

comportamientos de los factores que afectan dicha problemática.

1.2 Aporte

Los principales aportes que se aspira obtener con esta investigación son: de tipo

conceptual, en tanto que se define un marco conceptual y de ahí se construyen modelos y

algoritmos para resolver un problema trabajado bajo las perspectivas teóricas de la ciencias

de la complejidad; de tipo metodológico, dado que se conjugan varias estrategias para

estudiar, modelar y simular el fenómeno; y de aplicación por cuanto implica, no sólo

construir algoritmos que mapean el comportamiento del fenómeno, sino que se deben hacer

desarrollos de software, ineludibles cuando se trabaja con sistemas complejos. De igual

manera un aporte social que evidencia prácticas por parte de los diferentes actores

(estudiantes, políticas universitarias, profesores) que inciden en la deserción de los



estudiantes También se puede afirmar que una herramienta como esta puede contribuir a

definir políticas al interior de la universidad que propendan por la prevención de la deserción

estudiantil.

1.3 Definición del Problema de Investigación

Como se dijo en la motivación, la deserción es un problema universitario de alto

impacto, en Colombia y en el mundo, pues influye en la economía, en las políticas de

desarrollo universitario, en la inversión en educación superior, en la institución, en la

familia, en la persona y en muchos otros aspectos. A pesar de los esfuerzos por reducir los

guarismos mencionados (mejorando la retención de estudiantes), se mantienen

persistentemente en altos porcentajes como si fueran una constante de la educación superior

universitaria

La importancia de los estudios sobre este problema, los sintetiza el MEN:

1º. No tendría ningún sentido aumentar los niveles de matrícula sin controlar los de

deserción.

2º. las pérdidas financieras y sociales que representan los estudiantes desertores son altas

para la sociedad, las instituciones de educación superior, las familias y el individuo; y

3º. tercero, por el escaso conocimiento que se tiene en el país sobre los ciclos de la

deserción, su adecuada forma de estudio y las políticas más efectivas para

disminuirla”.(MEN;Guzmán, 2009), Pag 14.

Capítulo 1 19

Aquí el MEN reconoce importantes deficiencias en el conocimiento de esta

problemática, a pesar de los innumerables estudios sobre el tema y, por tanto, como

consecuencia, la ineficacia de las políticas para su disminución. Así las cosas, este es un

tema decididamente importante para el país.

Los estudios realizados buscan explicar el fenómeno y su comportamiento desde sus

causas, hasta sus consecuencias; sin embargo, se encuentran diferentes posturas desde la

definición de deserción hasta la definición de las variables que deben incluirse en el estudio,

la forma de relacionarlas y los modelos para describir su comportamiento. En lo corrido de

este siglo, son prolíferos los estudios sobre el tema: Universidad Nacional (2002 y 2006),

Universidad de Antioquia (2003 y 2005), Universidad de los Andes (2005), Universidad de

los Llanos (2006), Universidad del Atlántico (2006), Universidad Pedagógica Nacional

(2004), Pontificia Universidad Javeriana de Cali (2005) y Universidad del Tolima (2004).

Universidad EFIT, es un problema que escala desde el individuo (el estudiante) a la materia,

el curso, la carrera, la institución, la región y el país.

Los estudios se centran en el individuo como actor principal, aun así, se incluyen

otros factores como: los institucionales, socioeconómicos, hábitos de estudio, etc.

Observaciones realizadas en esta investigación, indican que realmente lo que saca

académicamente al estudiante del sistema es una materia, ya sea matemática, física, química,

sociología, o cualquiera que fuere. Por eso llama la atención observar al estudiante desde la

malla de materias que cursa en los aspectos académicos, influenciados por los demás.



Los modelos numéricos hacen descripciones muy importantes, pero desdeñan

información por la variabilidad de las mismas y las características complejas del fenómeno.

Por eso, han tomado importancia otras estrategias de estudio de fenómenos sociales, como

las heurísticas y meta-heurísticas, que se han aplicado a sistemas sociales. ¿Los modelos

bio-inspirados, evolutivos, adaptativos y de inteligencia colectiva, podrían ser más efectivos

para comprender y explicar el fenómeno y, por tanto, facilitar nuevos referentes teóricos,

nuevos modelos y el trazado de políticas de retención más eficientes?

Se sabe que hay problemas de sistemas dinámicos que, cuando se conoce su

comportamiento se pueden resolver con ecuaciones diferenciales ordinarias (EDO), otros

casos pueden ser tratados con ecuaciones diferenciales parciales (EDP), pero casos de

sistemas complejos como es la deserción, requieren de instrumentos adicionales,

principalmente porque no se conoce, como es el caso de estudio, comportamientos del

fenómeno en cuestión.

En esta investigación se busca descubrir comportamientos emergentes del fenómeno

de deserción, desconocidos hasta ahora ya que los métodos utilizados en las investigaciones

descritas en el estado del arte, no permiten que estos se manifiesten.

1.4 Pregunta de investigación

¿En qué aspectos teóricos e instrumentales el modelado y la simulación

computacional con estrategias de sistemas complejos, pueden mostrar nuevas características

Capítulo 1 21

(emergentes) del fenómeno de la deserción universitaria en Colombia, para estudiar y

mejorar ulteriormente el diagnóstico y el trazado de políticas correctivas?

1.5 Alcance

Debido a la magnitud del proyecto, sólo se consideran las variables académicas y

personales; de estas, las relevantes al comportamiento del sistema complejo, con

fundamento en los datos de proyectos curriculares de la Universidad Distrital.

1.6 Objetivos

1.6.1 Objetivo General

Modelar y simular el fenómeno de la deserción y retención estudiantil universitaria

en Colombia tratado como sistema complejo.

1.6.2 Objetivos Específicos

Identificar los aspectos relacionados con ciencia clásica, utilizados en los trabajos de

investigación sobre deserción y contrastarlos con el modelado y simulación con

sistemas complejos.

Construir el modelo base con fundamento en las investigaciones actuales.

Construir el modelo complejo, simular su comportamiento con casos reales y realizar

los ajustes necesarios al mismo.

Construir y liberar la metodología para que lo usen las universidades en estudios de

este fenómeno.



1.7 Metodología de trabajo

Los pasos de la metodología propuesta para abordar este trabajo de investigación,

corresponden al cumplimiento de los objetivos específicos previamente planteados de la

siguiente manera:

Para dar cumplimiento al objetivo primero se realizó un levantamiento de

información referente al tema de deserción, a nivel nacional e internacional. De igual manera

se adelantaron los ejes para manejo de modelamiento y simulación basado en agentes.

Para dar cumplimiento al objetivo segundo se consideran varios aspectos de la

estrategia metodológica, por una parte, se construye el modelo con fundamento en ciencia

clásica y luego se emula el sistema, este modelo es ajustado y evaluado.

Para cumplir con el objetivo tercero se procede a construir el modelo con las

características de sistema complejo y se simula para permitir, como ya se dijo, manifestarse

explícitamente los comportamientos emergentes y/o auto-organizados. Los productos de las

simulaciones (resultados) son mapeados en un “espacio de resultados”. Este se convierte en

el objeto de estudio de la presente investigación.

El objetivo cuatro, se desarrolla paralelamente con los objetivos anteriores y al final

del proyecto, la metodología usada será liberada.

Capítulo 1 23

1.8 Organización del documento

Este documento se encuentra organizado en capítulos que buscan abordar las

diferentes etapas del desarrollo del trabajo, tal como se describe a continuación: capítulo

uno, en el cual se hace una introducción abarcando aspectos relacionados con la definición

y la cobertura, así como los objetivos, metodología de trabajo y la difusión de resultados.

El capítulo dos establece una descripción general de lo que es la deserción estudiantil

universitaria, los principales estudios que se han realizado a nivel mundial, teniendo en

cuenta los diferentes enfoques propuestos para abordar el tema, así como los diferentes

estudios realizados para Colombia, especificando algunas definiciones necesarias y los

diferentes tipos de variables que se han analizado. En el capítulo tres, se realizan precisiones

en lo que tiene que ver con la simulación, simulación basada en agentes, el paradigma de

agente, así como las características y el uso de la simulación para tratar temas sociales. En

el capítulo cuatro, se desarrolla el caso de estudio y la propuesta de deserción como Sistemas

complejo.

Y por último en el capítulo quinto, conclusiones y trabajos futuros.

1.9 Difusión de resultados

Como parte de la exposición de resultados de esta tesis, se publicó un artículo y se

realizaron las siguientes presentaciones:



Artículo:

University Student Dropout, Through Simulation Based On Agents – 2018. Proceedings.

En el marco de la 3rd International Conference on Complexity, Future Information Systems

and Risk. Funchal, Madeira, Portugal.

Ponencias:

Modelado y Simulación del Fenómeno de la Deserción y Retención Estudiantil

Universitaria Tratado Como un Sistema Complejo. En la sección de presentación

de trabajos, en el marco del VIII encuentro sobre Complejidad, realizado en la

Universidad Distrital, 2016.

Póster:

University Student Dropout, Through Simulation Based On Agents – 2018

En el marco de la 3rd International Conference on Complexity, Future Information

Systems and Risk. Funchal, Madeira, Portugal. 20 – 21 March, 2018.

Premio:

Best Poster Award. For the paper entitled University Student Dropout, Through

Simulation Based On Agents.

CAPÍTULO 2

2. APROXIMACIONES A MODELOS DE DESERCIÓN

2.1 Marco Teórico

Hablar de deserción estudiantil en educación superior universitaria, es un tema que

ha venido siendo importante no sólo a nivel mundial, sino también nacional. Países como

México y Argentina presentan una deserción por cohorte del 42% y 43% respectivamente,

mientras que Venezuela y Chile presentan una deserción del 52% y 54% y Costa Rica un

62%, por su parte, en Colombia, esta cifra al 2014, se ubicaba en el 45.3 (MEN & Sectorial,

2013-2014) y para el 2015 Colombia alcanza el 45,8%, situándola en una posición

intermedia entre México, Argentina, Venezuela y Chile (MEN & Permanencia, 2015), lo

que implica un costo importante del presupuesto oficial y privado, convirtiéndose en una

pérdida no sólo económica, sino humana e intelectual. Si se mapea la deserción respecto a

la totalidad de la población estudiantil como una ciudad, esta se vería cercana al cincuenta

por ciento de las construcciones destruidas, como recién bombardeada.

2.2 Principales estudios a nivel mundial

Estudios realizados sobre el tema de deserción estudiantil, por enfoques planteados

se pueden clasificar en 5 grandes categorías, como lo expresan (Braxton, Sullivan, &

Johnson Jr, 1997 ) y (Cabrera, Castañeda, Nora, & Hengstler, 1992), éstos son: 1. Enfoque

psicológico. 2. Enfoque sociológico, 3. Enfoque económico, 4. Enfoque organizacional, 5.

26 Modelamiento y Simulación del Fenómeno de la Deserción y Retención Estudiantil Universitaria


Enfoque interaccionista y a su vez, estos estudios tienen en cuenta las variables explicativas,

que se agrupan en personales, familiares o institucionales.

2.2.1 El enfoque psicológico

Hace referencia a los rasgos de personalidad de los individuos, por lo que se establece

una diferenciación entre los estudiantes que terminan sus estudios y los que no lo hacen, de

los primeros modelos planteados bajo este enfoque se encuentra el de (Fishbein & Ajzen,

1975), quienes postulan la “Teoría de la Acción Razonada”. Los autores muestran cómo el

comportamiento está influenciado por las creencias y actitudes. De esta forma, la decisión

de desertar o continuar en un programa académico está influida (i) por las conductas previas,

(ii) las actitudes sobre la deserción y (o) persistencia y, (iii) por normas subjetivas acerca de

estas acciones, las que generan “una intención conductual”, o comportamiento definido

(Donoso & Schiefelbein, 2007), (Himmel K., 2002), por lo que la deserción se muestra como

el debilitamiento de sus intenciones iniciales, mientras que (Attinasi, 1989) amplía este

modelo incorporando que la persistencia o la deserción se ven influenciadas por las

apreciaciones y el análisis que hacen los estudiantes de su vida universitaria después de su

ingreso y de esta manera, toman la decisión de permanencia o abandono.

Otro modelo más reciente, es el propuesto por (Bean & Eaton, 2001) plantea que la

integración académica y social puede ser el resultado de procesos psicológicos que le ayudan

a los estudiantes a generar habilidades como: desarrollo de pensamiento, resolución de

problemas que hacen posible que gane confianza en sí mismos, avance en la autoeficacia

Capítulo 2 27

académica y autoeficacia social, así como autoimagen positiva, que le ayudan al estudiante

a afrontar con éxito sus retos académicos y sociales en la universidad.

2.2.2 El enfoque sociológico

Se basa en la influencia de factores externos al individuo, adicionales a los

psicológicos. Autores como Spady, toma como referente la teoría del suicidio de Durkheim,

desde el punto de vista que la universidad es una sociedad y el estudiante al matricularse en

algún programa, automáticamente hace parte de ésta, interactuando con los demás, la

disposición, los intereses, las actitudes, habilidades y expectativas; por consiguiente, cuando

no se logran concretar se parecen al suicidio. Plantea además que la falta de integración

social del estudiante es determinante al momento de desertar, de igual manera, se debe

tener en cuenta la satisfacción del estudiante en la experiencia universitaria, por tanto, los

estímulos recibidos tanto social como académicamente, influencian al estudiante, tanto

positiva como negativamente, (Spady, 1970) además sostiene que las variables

socioeconómicas son importantes, del mismo modo, las del ambiente institucional.

Igualmente el medio familiar influye sobre el estudiante, según las expectativas y

demandas, las que a su vez afectan su potencial académico y el nivel de integración en la

universidad (Himmel K., 2002).

2.2.3 El enfoque económico



Dentro de éste Enfoque económico, se pueden establecer dos modelos como lo

exponen (Bernal, Cabrera, & Terenzini, 2000), (Cabrera et al., 1992), (Cabrera, Nora, &

Castañeda, 1993), uno el de costo/beneficio, en el que el estudiante evalúa, si los beneficios,

ya sean académicos o sociales son mayores frente a una remuneración salarial. En el caso

de un empleo, este no abandona los estudios, pero presenta adicionalmente una deficiencia

debido a la preocupación del estudiante por sostener los costos relacionados con sus estudios

universitarios. El otro modelo es el de subsidios, es decir, un apoyo económico a para los

estudiantes con dificultades para costear sus estudios, permitiendo de esta manera disminuir

el impacto de la deserción, por medio de programas de reducción en el valor de la matrícula,

ofrecer becas o créditos con intereses bajos, mostrando a los estudiantes una visión diferente

y dejando de lado la preocupación de asumir el costo de la matrícula, por lo que es

importante tener en cuenta las becas asignadas a los estudiantes como ayudas económicas,

que constituyen un factor importante para la permanencia, observando la variación de las

tasas de deserción dependiendo de la cantidad y duración de la ayuda financiera, de igual

manera, como los problemas económicos impactan en el momento de abandono (Ishitani &

DesJardins, 2002 ).

2.2.4 El enfoque organizacional

Este enfoque hace referencia a la estructura de la institución universitaria, teniendo

en cuenta los servicios que ofrece a los estudiantes, como bienestar universitario, en lo

referente a salud, actividades extra curriculares como deporte y cultura, así como a los

apoyos académicos, espacios adecuados de laboratorios, recursos bibliográficos, así como

el número de alumnos por docente y la calidad de la docencia, como lo plantea (Braxton et

Capítulo 2 29

al., 1997 ). Según éste enfoque el modelo de (Tinto, 1975) (Tinto, 1989), reconoce el rol de

las instituciones en la generación de resultados, para explicar las decisiones de los

estudiantes para permanecer o cambiarse de las instituciones de educación superior en los

Estados Unidos.(Donoso & Schiefelbein, 2007)

2.2.5 El enfoque interaccionista

Tinto es uno de los autores más importantes e influyentes en los estudios sobre

retención y deserción estudiantil, en su modelo explica la permanencia como la integración

que tiene el estudiante con la institución de educación superior, a partir de las experiencias

académicas y sociales (Tinto, 1975 ), el autor hace una ampliación del modelo de Spady e

incorpora la teoría del intercambio de Nye (1979) citado en Tinto, en la que los estudiantes

construyen su integración social y académica evitando las conductas generadoras de costos

de algún tipo, ya sean estatus, relación, interacción, experiencia o sentimientos

desagradables, según el autor establece los costos como la experiencia de castigo o la

desaparición de recompensas (Olivares, 2001 ), así el estudiante percibe que es más

beneficioso en costos, seguir estudiando que abandonar los estudios. Según Tinto, variables

como el nivel socioeconómico y cultural de la familia, sus valores, ciertos atributos

personales y la experiencia académica previa a la educación superior influyen sobre las

probabilidades de deserción.

En estudios posteriores (Tinto, 1993), sostiene que el abandono estudiantil es el

resultado de acciones tanto institucionales como del individuo, entendiendo que los docentes

hacen parte de la institución y que el contacto y la motivación que ofrecen, hacen que estos



sean atraídos al proceso de formación o lo abandonen, así como la interacción de estudiantes

y docentes estudiantes en comunidades académicas y sociales. En ideas recientes (Tinto,

2006-2007), establece reflexiones en torno a la permanencia, teniendo en cuenta que existen

estudios y modelos planteados, pero la mayoría de las instituciones se han quedado ahí,

siendo el momento de pasar de la teoría a la acción, planteando tres lecciones: la primera

hace referencia a la acción institucional, es decir, una cosa es ya muchas instituciones

entienden porque los estudiantes se van y otra es, qué hace la institución para promover la

permanencia y por ende que los estudiantes tengan éxito, mediante la implementación de

políticas de impacto en la retención, la segunda es la implementación de programas, una

cosa es identificar la acción efectiva y la otra es implementarla de manera adecuada para

mejorar la retención estudiantil en el tiempo, cabe resaltar, que estas actividades exigen

recursos que no todas las instituciones están dispuestas a asumir. Finalmente, la tercera

lección es la cobertura en la educación superior, así como la equidad para los estudiantes de

bajos recursos económicos, si bien es cierto, la brecha de estos estudiantes con respecto a

los de mayores recursos, se ha disminuido, éstos tienen una menor probabilidad de asistir a

carreras profesionales, quedándose la mayoría de los casos en carreras técnicas y

tecnológicas, cuando logran ingresar.

Dentro de los estudios basados en los modelos expuestos anteriormente, se toma «el

modelo conceptual» basado en la motivación, que a su vez es afectada por la integración

académica y social, se fundamenta en cálculos estadísticos (Díaz, 2008). Otro estudio

llamado «Deserción en la Educación Superior Pública en República Dominicana» Brea,

2005), se basa en enfoques cualitativos y cuantitativos de la deserción para buscar los

Capítulo 2 31

factores que inciden en el fracaso escolar. (Brea, 2005). «Reprobación y Deserción en la

Facultad de Ingeniería Mexicali de la Universidad Autónoma de Baja California de

México» plantea el problema de la deserción escolar analizada como un fenómeno educativo

fuertemente vinculado a condiciones económicas y sociales (Ocampo, Martínez, Fuentes, &

Zataraín) «el Informe sobre la Deserción en la Educación Superior en Uruguay», basado en

información estadística para determinar la deserción en la población estudiantil a partir de

entrevistas en profundidad a alumnos que abandonaron las carreras de Abogacía, Medicina,

e Ingeniería Civil (Boado, 2005); «El Modelo Conceptual Para La Deserción Estudiantil

Universitaria Chilena» hace referencia a la deserción o permanencia como resultado de la

motivación (positiva o negativa), la que es afectada por la integración académica y social

(Díaz, 2008); la mayoría de los estudios realizados en Chile se centran en análisis de casos

de instituciones y la metodología aplicada ha sido de tipo estático sin considerar la evolución

del fenómeno en el tiempo y se refiere a un análisis exploratorio cuantitativo de los

estudiantes para desarrollar la planeación de la retención de los mismos (Casanova, 2005).

Cabe resaltar que estos estudios corresponden a bases estadísticas, modelos

longitudinales, de regresión logística y probabilísticas, realizando análisis cualitativos en su

mayoría, atando un problema complejo y de complejidad creciente con herramientas que

justamente no son las apropiadas; es como tratar un comportamiento de una partícula

cuántica con física newtoniana.

2.3 Principales estudios para Colombia



Debido al fuerte impacto social y académico de la deserción universitaria en

Colombia, se ha convertido en un tema muy relevante para las universidades del país, no

sólo públicas sino privadas, también para el gobierno, razón por la que se han adelantado

diferentes investigaciones sobre el tema. Ninguna de ellas considera marcos teóricos desde

las ciencias de la complejidad, de manera que no dan cabida a aspectos muy importantes

como auto-organización, emergencia y sistemas no ergódicos.

Dentro de las investigaciones existentes sobre el tema de deserción, cada una de las

cuales contempla diferentes definiciones, enfoques y modelos para catalogar la deserción,

así como las causas o factores que inciden en ella, las cuales se detallan a continuación: la

Universidad de Antioquia, análisis desde un punto de vista institucional, del panorama de la

deserción precoz, temprana y tardía para 12 cohortes, desde 1996-II hasta 2002-I usando

modelos de duración (Vásquez V., Castaño V., & Gómez P., 2003) y también el estudio de

resultados mediante la aplicación de modelos de duración, para comparar los modelos de

riesgo proporcional, teniendo en cuenta el tiempo de permanencia en la Universidad,

tomando como base las variables personales, académicas, socioeconómicas e institucionales

(Castaño et al., 2004).

La Investigación para identificar las causas de deserción en la Universidad

Tecnológica de Pereira entre los años 2000 y 2004, mediante el “Estudio y aplicación de

herramientas estadísticas modernas en la solución de problemas del entorno” usando la

técnica multivariada de análisis de correspondencias con el fin de establecer las causas de

deserción de los estudiantes en el periodo de estudio, así como para establecer la relación

Capítulo 2 33

entre esas causas, teniendo en cuenta los aspectos sociales, económicos, emocionales y

académicos del estudiante y la influencia que tiene el examen del ICFES en el rendimiento

de los estudiantes (Carvajal, Trejos, & Soto M., 2004).

Los estudios realizados por la Universidad Pedagógica Nacional, desde el Centro de

Orientación y Acompañamiento a Estudiantes “COAE”, se centraron en 2 tipos: el primero

de Diagnóstico, incluyeron variables cualitativas y cuantitativas y el segundo de tipo

Evaluativo y de Seguimiento (U. P. Nacional, 2004). La deserción es un fenómeno poli-

casual, en el cual intervienen factores familiares, individuales, propios del sector educativo,

económicos, sociales y culturales (COAE, 2006).

Los estudios realizados por la Universidad Nacional de Colombia “Caracterización

de la Deserción Estudiantil en la Universidad Nacional Sede Medellín” (2006) y “Cuestión

de Supervivencia Universidad Nacional” (2007), plantearon 2 modelos: el primero

denominado, modelo de características óptimas para la graduación a partir de las

condiciones estructurales del individuo y el segundo modelo de características de riesgo de

deserción a partir de las condiciones estructurales del individuo (U. Nacional et al., 2007).

Universidad de los Llanos (2006), en el cual hicieron una revisión y recolección de

información de estudiantes inscritos, matriculados y graduados semestre a semestre y por

número de cohortes en el periodo de (1998-2004). Hace un análisis cuantitativo de la

información y teniendo en cuenta los Índices de deserción: semestral, por cohorte, promedio

por nivel y la tasa ponderada de deserción por nivel (Malagón, Calderón, & Soto, 2006).



De igual manera el Ministerio de Educación Nacional dentro de la política de

ampliación de cobertura, desde el año 2003 viene desarrollando un proyecto denominado

“Disminución de la deserción en educación superior” con el apoyo del CEDE, de la

Universidad de Los Andes, que dio lugar a la investigación “sobre Deserción en las

Instituciones de Educación Superior en Colombia” (CEDE & Andes, 2007), donde han

desarrollado diferentes estrategias con el fin de hacer seguimiento a la deserción mediante

el Sistema para la Prevención y Análisis de la Deserción en las Instituciones de Educación

Superior (SPADIES), este sistema tiene datos históricos de las universidades colombianas

en las categorías de variables socioeconómicas, individuales, institucionales y académicas

(MEN;Guzmán, 2009) sin analizar el comportamiento individual de cada uno. Así mismo

presentan el Informe Determinantes de la Deserción 2014, como resultado del “Informe

mensual sobre el soporte técnico y avance del contrato para garantizar la alimentación,

consolidación, validación y uso de la información del SPADIES”.

La estrategia estadística utilizada por el CEDE se fundamenta en los modelos de

duración. Este tipo de análisis es usado cuando se dispone de información sobre la duración

en un estado en particular hasta la ocurrencia de un evento, en este caso acentúa sobre la

duración de un estudiante en educación superior hasta su deserción, su graduación o el

momento final de la observación (lo primero que ocurra). Para esto utilizaron un modelo

continuo y un modelo discreto, con sus respectivas distribuciones de probabilidad (CEDE

& Andes, 2007).

Capítulo 2 35

De igual forma La Universidad EAFIT realizó el estudio sobre “Análisis de la Deserción

Estudiantil en los Programas de Pregrado” (2010), que se fundamenta en la identificación

de los factores individuales, socioeconómicos, académicos e institucionales para las

cohortes de 2001-1, 2002-1 y 2003-1, en 14 programas de pregrado. La información fue

analizada de forma cuantitativa y cualitativa. El análisis cuantitativo se dividió en dos:

descriptivo y econométrico, este último se realizó tanto de forma transversal (modelos

longitudinales) como longitudinal (modelos de análisis de supervivencia) (Montes G.,

Almonacid H., Gómez C., Zuluaga D., & Tamayo Z, 2010).

Para el caso de la Universidad Distrital, se realizó “El estudio de deserción en el

proyecto curricular de Licenciatura en Educación Básica con Énfasis en Matemáticas en el

periodo comprendido entre el II Semestre de 2000 al II Semestre del 2006”. Así como el un

estudio de bajo rendimiento académico, ya que es uno de los factores que inciden en la

deserción estudiantil y se determinaron las siguientes variables o factores:

Factores Académicos (Fa)

Factores Socioeconómicos (Fe)

Factores Aptitudinales y vocacionales (Fav)

Factores Personales y familiares (Fpf)

Factores Institucionales (Fi)

Hábitos y Métodos de estudio (Fhm)



Se establecieron dos modelos, uno lineal que mide el rendimiento académico y otro

de regresión logística para calcular la probabilidad de riesgo de incurrir en bajo

rendimiento.(Quintero, Vásquez, Torres, Estrada, & Castellanos, 2015).

La Universidad de Nariño con el proyecto “Descubrimiento de perfiles de deserción

estudiantil con técnicas de minería de datos” buscaba detectar patrones de deserción

utilizando técnicas de minería de datos, y tomando como referente datos socioeconómicos,

académicos, disciplinares e institucionales de los estudiantes de los programas de pregrado

de la Universidad de Nariño. Tomaron la información de los estudiantes que ingresaron a la

Universidad de Nariño entre el primer semestre de 2004 y el segundo semestre de 2006,

utilizaron técnicas de clasificación y clustering, descubrieron perfiles socioeconómicos y

académicos de los estudiantes desertores. (Timarán P, Calderón R, & Jiménez T, 2013).

2.4 Definiciones

Para hablar de deserción, es importante precisar algunas definiciones, dado que

según los diferentes estudios se ha planteado de diversas maneras, por lo que (Tinto, 1982),

expone que su modelo fue desarrollado para explicar algunas, no todas, las formas

particulares de comportamiento de abandono configurados en los tipos de educación

superior, por lo que establece la diferencia entre deserción como fracaso escolar y retiro

voluntario y su primera definición de deserción, resultó ser insuficiente o ambigua, por lo

que tuvo que revisarla. Según el planteamiento de (Tinto, 1989) el estudio de la deserción

de la educación superior es extremadamente complejo, implica no sólo una variedad de

Capítulo 2 37

perspectivas sino también una gama de diferentes tipos de abandono. Adicionalmente,

afirma que ninguna definición puede captar en su totalidad la complejidad de este fenómeno.

Deserción: en la mayoría de los trabajos referenciados, se ha definido la deserción como

un abandono voluntario y puede ser explicado por diferentes categorías de variables:

socioeconómicas, individuales, institucionales y académicas. Cada institución lo asume

desde el punto de vista del enfoque que le dé a su análisis. Sin embargo, se ha tomado como

referencia el trabajo propuesto por la Universidad de Antioquia, donde plantea algunas

definiciones:

Deserción: la situación en la que incurre un estudiante cuando aspira a obtener un título

universitario y no lo logra.

Desertor: es la persona que, habiendo sido admitido en una institución universitaria de

educación superior, no registra matrícula durante dos semestres consecutivos. La

Universidad Nacional estableció una variación de desertor a través del tiempo, ellos

consideran que, si un estudiante no presenta matrícula durante cinco semestres consecutivos,

la probabilidad de retornar sus estudios es muy baja. De igual manera la Universidad de

Antioquia planteó, tres semestres para las carreras de ingeniería y dos para las demás; para

esta investigación, se tomó dos semestres.

Teniendo en cuenta lo anterior, existen 2 tipos de abandono, según el tiempo y según

espacio. Con respecto al tiempo se clasifica en:

i) deserción precoz: se denomina a la persona que, habiendo sido aceptado por la

universidad no se matrícula en primer semestre.



ii) deserción temprana: persona que abandona sus estudios en los cuatro primeros

semestres de la carrera.

iii) deserción tardía: persona que abandona los estudios en los últimos seis

semestres, es decir, a partir del quinto semestre en adelante.

iv) deserción tardía sin grado: persona que abandona los estudios una vez ha

terminado sus materias, sin obtener el título, que es una nueva categoría adoptada

por esta investigación.

Adaptado por el autor de: (Vásquez V. et al., 2003) y (Castaño et al., 2004), (Castellanos, Alvarado, &

Villamil, 2018)

Con respecto al espacio, se divide en:

Figura 2-1

Clasificación de la deserción de acuerdo con el tiempo

Capítulo 2 39

i) deserción interna o del programa académico: hace referencia al estudiante que

decide cambiar su programa académico por otro que ofrece la misma institución

universitaria.

ii) deserción institucional: en este caso el estudiante abandona la universidad, pero

continúa sus estudios en otra institución.

iii) la deserción del sistema educativo: en este caso el estudiante abandona el sistema

educativo, ya no estudia más. (Vásquez V. et al., 2003) y (Castaño et al., 2004).

Adaptado de: (Vásquez V. et al., 2003) y (Castaño et al., 2004), (Castellanos et al., 2018)

2.4.1 Tipos de Variables

Figura 2-2

Clasificación de la deserción de acuerdo con el espacio



Según la clasificación de los tipos de variables, planteadas por el estudio realizado en la Universidad

de Antioquia y posteriormente acogido por el CEDE de la Universidad de los Andes, se definen cuatro grupos

para clasificar las variables o factores explicativas de la Deserción (Vásquez V. et al., 2003), (CEDE & Andes,

2007) :

Individuales: tienen que ver directamente con el estudiante.

Socioeconómicos: relacionados con la situación económica, financiera y estrato

social del estudiante.

Académicos: tienen que ver con la historia académica del estudiante y su rendimiento

en la universidad.

Institucionales: relacionados con la Institución de Educación Superior a la que está

matriculado el estudiante.

A continuación, se muestra la tabla de determinantes de la deserción establecidos por

el CEDE de la Universidad de los Andes y que fueron acogidos por el Ministerio de

Educación Nacional. (CEDE & Andes, 2007).

Capítulo 2 41

Tabla 2-1

Factores determinantes para la deserción

Individuales Socioeconómicos Académicos Institucionales

-Edad -Estrato social -Orientación profesional -Normatividad

académica.

-Género -Situación laboral del

estudiante

-Tipo colegio de

secundaria

-Becas y formas de

financiamiento.

-Estado Civil -Situación laboral de

los padres

-Rendimiento

académico superior

-Recursos

universitarios.

-Calamidad y/o problema

doméstico

-Dependencia

económica -Métodos de estudio.

-Relaciones con

profesorado y demás

estudiantes.

-Integración social -Personas a cargo -Calificación con el

examen de admisión

-Grado de compromiso

con la institución

educativa.

-Expectativas no

satisfechas

-Nivel educativo de

los padres

-Insatisfacción con el

programa académico. -Calidad del programa.

-Incompatibilidad horaria

con actividades extra

académicas

-Entorno familiar

-Carga académica

(número de materias por

semestre).

-Entorno

macroeconómico del

país

-Repitencia

2.5 Comentarios a los modelos

En cada una de las investigaciones anteriores realizadas por las diferentes universidades

públicas y privadas del país, se han centrado en modelos estadísticos, con datos suministrados por

las oficinas de sistemas y de planeación de las propias instituciones y por los datos

disponibles en el SPADIES, con el fin de cuantificar y caracterizar los posibles desertores, dichos

estudios pueden agruparse en dos grandes categorías: en la primera se ubican los modelos de

elección discreta, entre los que se encuentran los de regresión binaria y multinomial, junto

con sus derivados; en la segunda se hallan los de análisis de supervivencia, más conocidos

como modelos de duración (Montes G. et al., 2010). Estos modelos sirven de base para la

investigación aquí propuesta, sin embargo, ninguna de ellas considera marcos teóricos desde

las Ciencias de la Complejidad o de la ingeniería de sistemas complejos., de manera que no



dan cabida a aspectos muy importantes como auto-organización, emergencia y sistemas no

ergódicos.

CAPÍTULO 3

3. CIENCIAS DE LA COMPLEJIDAD

Las ciencias de la complejidad se ocupan del modo como los fenómenos, sistemas y

comportamientos evolucionan y ganan grados de libertad; se trata de sistemas que captan

información; fenómeno sensible a las condiciones iniciales. (Maldonado & Gómez, 2010).

Las ciencias de la complejidad no son reduccionistas, hacen síntesis. Hay quienes reconocen

que “las ciencias de la complejidad son ciencias recientes en el ámbito de la humanidad, sin

embargo, ya han dado muestras muy profundas de resolver problemas que la ciencia clásica

no había podido siquiera abordar” (Villamil y Gómez, 2009).

El físico H. Pagels ya señalaba en los años 1980, con referencia a la importancia e

impacto de las nuevas ciencias y los nuevos métodos (el libro se publica en inglés en 1988)

y es citado en (Maldonado, 2018a) :

“Estoy convencido de que las sociedades que dominen las nuevas ciencias de la

complejidad y puedan convertir ese conocimiento en productos nuevos y formas de

organización social, se convertirán en las superpotencias culturales, económicas y militares

del próximo siglo. Aunque hay grandes esperanzas de que así se desarrollen las cosas, existe

también el terrible peligro de que esta nueva proyección del conocimiento agrave las

diferencias entre quienes los poseen y quienes no” (Ibíd: 54).



3.1. Sistemas Complejos

Existen diversas definiciones de sistemas complejos, pero no existe una definición

única aceptada, por lo que es más fácil hablar de las características. En términos generales

se pueden señalar las siguientes: son sistemas formados por muchas partes o componentes,

las cuales interactúan y dan lugar a comportamientos colectivos, típicamente no lineales,

estos pueden surgir y evolucionar y se auto-organizan, de manera que no son ni

completamente regulares ni completamente aleatorios, permitiendo el desarrollo de

comportamientos emergentes en escalas macroscópicas. (Sayama, 2015) (Castellanos et al.,

2018), muchos de ellos son impredecibles, manejan incertidumbres y son sensibles a las

condiciones iniciales.

Ejemplos de sistema complejo, pueden ser, la célula, la colonia de hormigas,

colección de animales o aves o bacterias o personas que interactúan, lo que les permite tener

patrones de comportamiento globales; el cerebro, el agua, el cuerpo humano, las proteínas,

la sociedad, etc.

Como lo señala el artículo “Science and Complexity” de Warren Weaver, con una

descripción cronológica de los tipos de problemas asociados a las variables y la manera de

abordarlas, (WEAVER, 1948) plantea las siguientes características:

Capítulo 2 45

1. Problemas de simplicidad, centrada principalmente en 2 variables.

2. Problemas de complejidad desorganizada, plantea muchas variables de manera

desorganizada (“ciencia de promedios”, varianza, regresiones, entre otras).

3. Problemas de complejidad organizada, se sitúa entre las dos anteriores, ya que define

un número de variables que no es pequeña ni grande, no son independientes, crean

un sistema complejo.

En la figura 3.1. se muestra el mapa de la ciencia de sistemas complejos, en el que

se especifican siete áreas, tres círculos de la izquierda corresponden a raíces de las ciencias

de la complejidad (dinámica no lineal, teoría de sistemas y teoría del juego) los otros cuatro

círculos (Formación de Patrones, Evolución y Adaptación, Redes y Colectivo

Comportamiento) son las áreas más recientes, también se evidencian dos características

principales que atraviesan casi todas las subáreas de sistemas complejos: emergencia y

autoorganización (Sayama, 2015).



Figura 3-1

Mapa visual y organizacional de ciencia de sistemas complejos.

Tomado de Sayama, adecuado por la autora

La Auto-organización y emergencia se destacan como base de las disciplinas y conceptos

de las ciencias de la complejidad, los cuales son tenidos en cuenta dentro de este trabajo.

3.2. Complejidad en las ciencias sociales

No todo lo que existe es complejo, muchos sistemas y sus problemas son

deterministas. Ahora la sociedad es compleja y se complejiza más con el transcurso del

Capítulo 2 47

tiempo, lo que se ha denominado Sistemas de complejidad creciente, en el tiempo y en el

espacio. Así caracteriza a las ciencias sociales en el trabajo con problemas de sistemas

complejos.

Las ciencias sociales se ocupan de las relaciones entre el hombre y la naturaleza

(convivir con la naturaleza) hacia lo que se definiría como el Buen Vivir, tiene múltiples

retos para resolver preguntas que plantean desde las ciencias de la complejidad como en

ciencias sociales y humanas, la experimentación “strictu sensu no es posible, o bien su

realización es altamente limitada” entonces el modelado y la simulación resultan muy

apetecidas por las facilidades que ofrecen los desarrollos y avances en computación y en

las ciencias empíricas y deductivas, asimismo, amplía los dos tipos de métodos científicos:

no sólo los cuantitativos y cualitativos, sino que se suma a estas el modelado y la simulación

(Maldonado, 2018a).

Cuando se habla de sistemas sociales, para hacer referencia a las ciencias sociales,

tácitamente se habla de humanos, y estos sistemas realmente se convierten en tres teorías:

teoría de sistemas sociales naturales, humanos y artificiales (Maldonado, 2018b).

Los especialistas reconocen que los sistemas sociales son de los más complejos

conocidos o mejor aún, por conocer, en estos se manifiestan la inmensa mayoría de las

características de los sistemas complejos, principalmente la auto-organización y la

emergencia; auto de endógeno (sin participación externa). En el sentido extenso de la

palabra, las estructuras y las funciones del sistema no son impuestas externamente, sino que



hay reordenamientos interiores en la deriva por el entorno. Por otra parte, la emergencia se

manifiesta como el surgimiento de nuevas propiedades que no se encuentran en ninguno de

los componentes que se manifiestan en un nivel superior y/o por la dinámica del sistema en

el trascurso del tiempo, aspectos que son regularmente contra-intuitivos e impredecibles por

su carácter no determinista. Por ejemplo, la vida de una célula es una propiedad global y no

puede adscribirse a ninguna componente en concreto. Además, los organismos vivos tienen

capacidades de autorregulación (en varias de sus formas) que les permiten mantener el

equilibrio químico interno y desarrollar funciones que les permiten intercambios con el

medio. (Kauffman, 2003), (Luisi & Leal, 2010), Weber,2002; (Maturana & Varela, 1980).

Así como la economía y la ecología proceden de la misma raíz “eikos” (casa), en

tanto la primera se asocia con la gestión de recursos precarios, la econosfera está constituida

de individuos autónomos que invaden los adyacentes posibles en busca de alimento y

posibilidades de reproducción. Tal dinámica bajo esas características, dan cabida a toda la

existencia en el Planeta Tierra desde las sociedades de humanos y sociedades de otras

especies, como de la materia inanimada, que también se auto-organiza.

La búsqueda de auto-organización y emergencias tiene una atención importante en

las metodologías de trabajo con sistemas complejos y de complejidad creciente.

Precisamente las heurísticas y meta-heurísticas son estrategias que actúan en esa dirección

para encontrar indicios que describan mejor los comportamientos de dichos sistemas. Hoy

existen muchísimos trabajos en casi todas las disciplinas como medicina, química, ciencias

naturales, sociología, economía, ingeniería, etc., con desarrollos teóricos y modelos,

Capítulo 2 49

implementados en lenguajes computación para simulaciones muy atractivas por la

diversidad de opciones y lo creativo de sus estrategias. En la actualidad existen muchas

herramientas computacionales para construir, modelar y desarrollar simulaciones agrupadas

en lenguajes y librerías de modelos tales como Netlogo, Repast, Java, entre otras.

CAPÍTULO 4

4. SIMULACIÓN

Desde el punto de vista de las ciencias de la complejidad, el estudio de los sistemas

complejos por sus características, requieren ciertas formas y estrategias metodológicas

particulares, así, la simulación computacional es una de ellas, implica estudiar los

comportamientos de las interacción entre los diferentes agentes, que no sólo actúan en

ambientes cambiantes sino que también pueden ser o no homogéneos y además ser

adaptativos e incluso se auto-organizan y evolucionan, entonces, simularlos

computacionalmente permite comprender o estudiar su comportamiento, pero también

posibles comportamientos emergentes. Aquí se habla de simulación computacional ya que

toma el sistema objetivo o referente a partir de este se diseña y construye el modelo para

posteriormente realizar ejecuciones en un simulador a través del uso del computador, que

describan comportamientos ulteriores del sistema complejo. Mediante la ejecución de la

simulación, se genera un conjunto de datos, que pueden ser contrastados con el mundo real,

tal como se muestra en la Figura 4.1. la lógica de la simulación como un método (Nigel

Gilbert & Klaus G Troitzsch, 2005). La simulación es un tipo particular de modelado

(modelización) e introduce la posibilidad de una nueva manera de pensar acerca de los

procesos sociales y económicos, basados en ideas sobre la aparición de la conducta compleja

de actividades relativamente simples (Simón 1996), (Nigel Gilbert & Klaus G Troitzsch,

2005).



Adaptado de (Nigel Gilbert & Klaus G Troitzsch, 2005)

La simulación computacional (en adelante simulación) ha adquirido estatus en el

estudio de fenómenos pertenecientes a las ciencias sociales, usada en diferentes áreas como

: “aplicaciones de modelado del comportamiento del agente en el mercado de valores

(Arthur et al, 1997) y suministro de cadenas (Macal, 2004a), modelado para predecir la

propagación de epidemias (Bagni et al, 2002) y la amenaza de la bio-guerra (Carley et al,

2006), modelado del sistema inmune adaptativo (Folcik et al, 2007), modelado para la

comprensión del comportamiento del consumidor (North et al, 2009), modelado para

comprender la caída de las civilizaciones antiguas (Kohler et al, 2005), modelado de la

participación de las fuerzas en el campo de batalla (Moffat et al, 2006) o en el mar (Hill et

al, 2006)," entre otras muchas aplicaciones con resultados positivos en comprender

fenómenos y sistemas sociales complejos. (Wilensky & Rand 2015)

Algunos autores como Macal & North acentúan metodológicamente reconocer los

sistemas complejos y la vía de la simulación basada en agentes; en el mismo sentido, otros

autores afinan estos conceptos como: Barrientos y Huerta que proponen tres enfoques

Figura 4-1

La lógica de la Simulación como un método

Capítulo 4 53

cuando los sistemas presentan emergencia. (C. M. Macal & North, 2010 ) (Huerta

Barrientos, 2014) (Escobar Garcés, 2012 ) pag-40, a saber: Simulación Discreta o de

Eventos Discretos (DES), Dinámica de Sistemas (S.D.) y Modelado y Simulación Basada

en Agentes (ABMS).

Como lo recomiendan los autores, se trata de identificar el problema y encontrar el

modelo que cumpla con las características de este y no al revés. Así las cosas, Garcés

recomienda, seguir este enfoque, usar la Simulación Discreta, cuando se tienen variables

con sus correspondientes estados, y los eventos afectan a las variables en forma estocástica;

usar el enfoque de Dinámica de Sistemas cuando existen diferencias entre los

comportamientos de los individuos, cuando el comportamiento no es definido por el estado

mismo de las variables. En los demás casos es mejor utilizar el Modelo de Simulación

Basado en Agentes (MSBA) cuando el comportamiento global del sistema emerge y se usa

un enfoque bottom-up.

Se está hablando de simular el sistema compuesto de individuos, quienes se representan

como agentes autónomos. Para el caso de los individuos que cursan una carrera (estudiantes)

se pueden modelar como agentes y así estudiar el fenómeno de la deserción estudiantil

mediante la simulación de agentes autónomos heterogéneos.

Los seres humanos por su naturaleza racional, pueden pensar y actuar de diferentes

maneras frente a una misma situación, eso los hace tener comportamientos impredecibles y

autónomos, características de los sistemas complejos y su comportamiento varía



dependiendo de los factores asociados, como educativos, personales, culturales, entre otros.

De aquí la necesidad de modelarlos con herramientas que exploran esa diversidad. El

problema de deserción Estudiantil Universitaria cumple, como se verá enseguida, con la

mayoría, si no, todas, las características los sistemas complejos que se pueden modelar con

este método.

4.1. Simulación Basada en Agentes (SBA)

Dado que la Simulación y en particular SBA (ABMS, por sus siglas en inglés) es

considerada por Axelrod como una tercera vía de conocimiento, pues el modelo resultante

mejora la comprensión, representación o explicación de procesos complejos en contraste

con la deducción y la inducción; los científicos usan la deducción para derivar teoremas de

hipótesis y la inducción para encontrar patrones, se hace diferencia entre patrón y parámetro

regularmente usadas indistintamente, el patrón es una cierta directriz mientras que el

parámetro es un factor en datos empíricos. (Axelrod, 2005).

Como se mencionó anteriormente, el estudio de los sistemas complejos, requiere

ciertas formas y estrategias metodológicas particulares, para comprender los

comportamientos resultantes en la interacción de los diferentes agentes; entonces, simularlos

computacionalmente permite comprender su estructura y/o estudiar su comportamiento,

pero también posibles comportamientos emergentes.

La simulación es un tipo particular de modelado (modelización) e introduce la

posibilidad de una nueva manera de pensar acerca de los procesos sociales y económicos,

Capítulo 4 55

basados en ideas sobre la aparición de la conducta compleja de actividades relativamente

simples (Simon 1996), citado en (Nigel Gilbert & Klaus G. Troitzsch, 2005).

También permite tener una visión acerca de un problema planteado del mundo real y que

debe ser abordado desde esta ciencia. Su lógica radica en la idea de que es posible reproducir

las estructuras, comportamientos o funciones globales de un sistema, a partir de la

caracterización de sus componentes (agentes), el entorno y las interacciones locales agente-

agente y agente-entorno. (Gómez, 2016 ). A continuación, se describe de manera gráfica, la

lógica de la simulación, en la Figura 4.2.

El ciclo de la simulación se describe a continuación:

Figura 4-2

Ciclo de la Simulación Basada en Agentes

Elaboración propia.



Cuando se habla de agentes en un sistema, generalmente se tiene que ellos constan de:

los Agentes (entidades o individuos), el Ambiente (entorno) y los Atributos, pero a su vez se

muestra su comportamiento e interacciones Figura 4.3,

Figura 4-3

Elementos del Modelo Basado en Agentes. Elaboración propia

4.1.1 Agentes

Los agentes son entidades de software, que pueden actuar con cierto grado de

autonomía, se utilizan en una gran variedad de aplicaciones, también existen diferentes

definiciones, así como reglas, atributos y comportamientos, de igual manera la capacidad de

modificar sus propias reglas, mediante otras reglas. Los agentes tienen características de

comportamiento, que incluyen reglas de decisión para seleccionar acciones, así como la

capacidad de modificar sus propias reglas, mediante otras, presentan adaptación para

aprender de las experiencias, capacidades de percibir su entorno, y modelos internos

opcionales para proyectar las posibles consecuencias de las decisiones, a continuación, se

detallan algunas de las definiciones más usadas: “programa auto-contenido capaz de

Capítulo 4 57

controlar su proceso de toma de decisiones y de actuar, basado en su percepción del

ambiente, en búsqueda de uno o más objetivos” (Wooldridge & Jennings, 1995), “un sistema

situado dentro y como parte de un entorno, capaz de percibir y actuar sobre él durante el

tiempo, en búsqueda de sus propios objetivos definidos para llevar a cabo lo que percibe en

el futuro” (Franklin & Graesser, 1996), “un sistema encapsulado que se encuentra en un

entorno y que es capaz de actuar de manera autónoma, flexible en ese entorno para satisfacer

sus objetivos de diseño” (Jennings, 2000), “un agente puede ser visto como algo que percibe

su ambiente a través de sensores y actúa en este a través de efectores”. De igual manera se

plantea que “la noción de un agente está destinada a ser una herramienta para el análisis de

sistemas, no una caracterización absoluta que divide el mundo en los agentes y no agentes”

(Russell & Norvig, 1995), el término agente abarca una amplia gama de comportamiento y

funcionalidad “es una entidad computacional activa que” • tiene una identidad persistente; •

puede percibir, razonar e iniciar actividades en su entorno; • puede comunicarse con otros

agentes, incluidos los seres humanos. Tienen cierto grado de autonomía, dependiendo de

las limitaciones del ambiente y sus interacciones continuas (Singh & Huhns, 2005).

Algunos modeladores consideran cualquier tipo de componente independiente, ya sea de

software o un modelo para ser un agente (Bonabeau 2001). Por su parte, otros autores

insisten en que el comportamiento de un componente también debe ser adaptativo para que

pueda ser considerado un agente. Casti (1997), citados en (Charles Macal & North, 2014).

En el MSBA suelen utilizarse dos tipos de agentes: los denominados proto-agentes, que

no tienen capacidad de modificar sus propias reglas y los agentes, propiamente dichos, que



son dispositivos de software con capacidad de aprender del entorno, tomar sus propias

decisiones. (C. M. Macal & North, 2014 )

4.1.2 Características de los agentes

Un agente tiene las siguientes atributos o propiedades (Wooldridge & Jennings, 1996):

Autonomía: en la que los agentes tienen control directo de sus acciones y estado (s).

Además, actúan sin intervención de una entidad externa.

Habilidades sociales: interactúan con otros agentes para cumplir sus objetivos a

través de un lenguaje computacional.

Reactividad o capacidad de respuesta: perciben el estado del entorno y reaccionan

ante los cambios que se presenten del mismo, puede ser en su mundo virtual,

simulado que incluya otros agentes.

Orientación a objetivos o Proactividad: dado que el agente, en el transcurso de su

vida debe reaccionar a los cambios de su entorno, también ellos deben tomar la

iniciativa de orientarse a sus metas por las cuales fue creado.

Adicionalmente, existen otras características esenciales planteadas por (C Macal &

North, 2010)

Un agente es un individuo independiente, modular y únicamente identificable, es

importante anotar que la modularidad, implica que tenga un límite y se puede

identificar si algo es parte o no de un agente o es un atributo compartido.

Estado: este varía a través del tiempo; representa las variables esenciales asociadas

con su situación actual.

Capítulo 4 59

Adaptativo: puede tener la capacidad para aprender y adaptar sus comportamientos

basados en sus experiencias acumuladas.

Dirigido por objetivos: le permite comparar los resultados de sus comportamientos

con sus objetivos y ajustarlos para futuras interacciones.

De igual manera, también se presenta la racionalidad como característica adicional

Racionalidad: es la inteligencia, la racionalidad que diferencia a “un agente” de “un

agente inteligente”.

Los agentes pueden representar personas, individuos, familias (razas o clases,

estudiantes, instituciones), entes biológicos (virus, rebaños, manadas), así como pueden

contener características de otros agentes.

Mientras el comportamiento se refiere a los cambios (dinámica) de los agentes y/o de sus

relaciones con el transcurso del tiempo, la estructura la constituyen los agentes y sus

relaciones en un momento dado.

4.1.3. Tipología de los Agentes

(Nwana, 1996), Establece una clasificación de agentes:

según su capacidad para resolver problemas pueden ser reactivos o deliberativos;

según los tres atributos primarios: autonomía, aprendizaje y cooperación, pueden ser

colaborativos/cooperativos o agentes de interfaz;

según su movilidad pueden ser móviles o estáticos;

según el rol que desempeñan pueden ser agentes de información racionales, agentes

de información adaptativos, agentes de información móviles.



híbridos que combinan 2 o más filosofías de agentes.

4.2. Estrategia Metodológica

Se basa en la propuesta de (Gilbert and Troitzsch, 2005), (Cioffi-Revilla, 2014),

(Wilensky and Rand, 2015), que coinciden en definir un Sistema Objetivo o

Referente partiendo de una pregunta problema que se quiere resolver, para lo cual se

consideran tres etapas: diseño del modelo, construcción del modelo y análisis del

modelo.

Diseño del modelo: precisa el alcance, se determina qué se incluye y qué se

descarta para el modelo, cuáles son los agentes y tipos de agentes, los atributos y

comportamientos, el entorno, los eventos que ocurrirán en cada paso de tiempo, las

entradas y salidas, mediciones y validaciones, con fundamento en abstracciones

significativas. Esta etapa se puede representar, por medio de diagramas de Flujo, de

UML (Lenguaje Unificado de Modelado), o Lenguaje Natural.

Construcción del modelo: para esta etapa se usa un lenguaje de programación,

herramienta o un paquete existente como (Netlogo, Java, Repast, Python) para

generar el programa de simulación, el cual se desarrolla de manera incremental, con

iteraciones progresivas, desde un modelo básico, hasta el modelo final (Wilensky

and Rand, 2015).

Capítulo 4 61

Análisis del modelo: lo primero es la verificación, es decir, establecer que el

programa de simulación, hace lo que se esperaba, luego, la validación que es el

análisis de los resultados para saber si la simulación es un buen modelo del objetivo.

CAPÍTULO 5

5. MODELO BASE SISTEMA REFERENTE

Este capítulo se ocupa del modelo base, cuyo objetivo es determinar las

características del sistema para capturar todas las propiedades y comportamientos conocidos

y soportados en las bases de datos proporcionados por la OAS, como se muestra en la Figura

5.1.

De las dos formas principales de modelado basado en agentes1: modelado basado en el

fenómeno y modelado exploratorio; se seleccionó el primero por las facilidades de trabajo.

El objetivo de este, partiendo del problema y de la pregunta de investigación, es hallar

patrones del fenómeno de la deserción. Para este caso se encontraron dos tipos de agentes:

agentes móviles, como por ejemplo el estudiante y agentes estacionarios, por ejemplo, la

materia. Los primeros se desplazan a través del mundo, mientras que los segundos,

permanecen en el lugar como nodos durante toda la simulación. Una ventaja adicional es

que también permite modelar a través de ecuaciones tanto la descripción como los

comportamientos de los agentes. En las ejecuciones, se pueden descubrir otros agentes o

patrones del fenómeno.

1 Aquí se habla de agentes. Estos agentes, en la programación pueden ser tratados como proto-agentes (que

no tienen autonomía y son reactivos) o como agentes (que son autónomos y proactivos). Un proto-agente

puede convertirse en agente si adquiere autonomía. Por facilidad, se hablará siempre de agentes y se

especificará cuando sean tratados como proto-agentes. Para la programación de este capítulo, serán tratados

como proto-agentes.



El proceso de construcción de éste modelo se muestra en la figura 5.1.

Figura 5-1

Esquema modelo base

5.1 Diseño del Modelo

Se tomó una población inicial de 5.000 registros de los cinco proyectos curriculares

de la Facultad de Ingeniería de la Universidad Distrital, pertenecientes a las cohortes de

2010-1 a 2016-3 y después del proceso de limpieza y depuración se excluyeron los registros

que no tenían información completa, quedando sólo 2924 de ellos. Para esta investigación

se consideró que era una población suficiente que permitía desarrollar los objetivos de la

misma. Las categorías o grupos de variables consideradas fueron: académicas, personales,

socioeconómicas e institucionales, con variables asociadas, como se ilustra en la Figura No

5.2. Asimismo, en el anexo A se detallan dichas categorías. Por otra parte, no se tuvieron en

cuenta los reingresos y las transferencias de estudiantes, porque su nivel de significancia fue

bajo. Esta etapa se representó con Lenguaje Natural.

Capítulo 4 65

Figura 5-2

Variables seleccionadas

Cómo ya se mencionó anteriormente de los registros resultantes, se filtraron por los

criterios de interés del estudio que se muestran en las tablas de la 5.1 a la 5.6, en donde se

observan los pesos relativos a la caracterización de las variables definidas.

Tabla 5-1

Proyectos curriculares por número de estudiantes

Proyecto

curricular No. Estudiantes Porcentaje

Industrial 579 0,20

Electrónica 652 0,22

Sistemas 489 0,17

Catastral 577 0,20

Eléctrica 627 0,21

Total 2.924 1,00

Para el caso del género de los estudiantes, se distribuye de la siguiente



Tabla 5-2

Género de los estudiantes en el conjunto de los cinco proyectos

Género No. Estudiantes Porcentaje

Femenino 684 0,23

Masculino 2240 0,77

Total 2.924 1,00

Tabla 5-3

Tipo Inscripción en el conjunto de los cinco proyectos (Ver anexo A)

Tipo Inscripción No. Estudiantes Porcentaje

Normal 2.766 0,94

Minorías 119 0,04

Otros 39 0,01

Total 2.924 1,00

Para el caso de las edades con las que ingresan a la universidad, se encuentran

categorizadas como se muestra en la tabla 5.4.

Tabla 5-4

Edad de ingreso de los estudiantes en el conjunto de los cinco proyectos

Estado No. Estudiantes Porcentaje

Entre 15 y 17 949 0,32

Entre 18 y 20 1725 0,59

Entre 21 y 25 214 0,07

Mayor que 26 36 0,01

Total 2.924 1,00

Tabla 5-5

Estrato socioeconómico de los estudiantes en el conjunto de los cinco proyectos

Estrato No. Estudiantes Porcentaje

1 1017 0,35

2 1078 0,37

3 787 0,27

>= 4 42 0,01

Total 2924 1,00

Capítulo 4 67

Tabla 5-6 : Tipo de inscripción de los estudiantes en el conjunto de los cinco proyectos

Tipo de

inscripción No. Estudiantes Porcentaje

Normal 2.766 0,94

Minorías 119 0,04

Otros 39 0,01

Total 2.924 1,00

Tabla 5-7

Lugar de procedencia de los estudiantes en el conjunto de los cinco proyectos

Lugar de

procedencia Cantidad Porcentaje

Bogotá 2.065 0,70

Alrededores 164 0,06

Fuera de Bogotá 434 0,15

Sin Dato 261 0,09

Total 2.924 1,00

La entrada al modelo son los datos caracterizados de los programas de pregrado de

Ingeniería. Con base en esta caracterización surgieron los agentes del modelo, los cuales se

describen a continuación:

5.1.1 Estudiante

Tiene como objetivo, transitar a través de la malla curricular, cursando las

asignaturas del plan de estudios hasta obtener el título, para lo cual puede pasar por varios

de los siguientes estados: matriculado activo, en prueba, abandono, desertor, pierde

calidad, terminó materias y graduado. Colige con los estados de desertor: desertor

temprano, desertor tardío, desertor tardío sin grado. Vale destacar que cada estudiante es un

agente en este modelo de Netlogo; también que los agentes se agrupan en razas, como sucede

con estudiantes y materia.



• Propiedades: código, proyecto curricular, género, edad, estrato, puntaje ICFES, tipo

inscripción, lugar de procedencia, indicador de apoyo, acuerdo (reglamento).

• Comportamiento: inscribir-materia, validar-créditos, cursar-semestre, reportar-notas,

cambiar-estado, validar-causales-RA (causales de Rendimiento Académico).

• Parámetros: número de estudiantes, proyecto curricular, estrato, género, año de

ingreso, indicador de apoyo.

• Características del entorno: el entorno se distribuye con estructura de malla (red). Los

proto-agentes estudiantes, se ubican encima de las columnas que corresponden a los

semestres y todos iniciarán en la primera columna su recorrido, en el modelo base. Cada

agente, en sí mismo es único, los demás agentes constituyen su medio, para el caso, los

profesores, las materias y otros estudiantes.

• Organización temporal de eventos: El orden establecido es: validar número de

créditos de la materia a cursar por cada semestre, crear materias, inscribir materias, calcular

promedios, verificar materias perdidas, verificar materias aprobadas, calcular rendimiento

académico (RA), ecuación (1) de este capítulo.

• Entradas: malla curricular, género, año de ingreso, estrato, proyecto.

• Salidas: cantidad de estudiantes que se gradúan, cantidad de estudiantes que desertan,

promedio semestre, índice permanencia, índice de repitencia, índice de atraso, causales de

rendimiento académico, número-matrículas, promedio acumulado, índice nivelación,

rendimiento académico y estado del estudiante.

Capítulo 4 69

5.1.2 Materia

Por las características del proceso, la materia tiene atributos que la hacen adquirir el

estatus de agente. Regularmente se toma “el grado de dificultad de la materia” como atributo

de la misma, pero, a pesar de que el número de créditos hace parte de ella, realmente es un

atributo del estudiante en tanto que es la dificultad con que él enfrenta la materia, por eso el

factor de dificultad está dado por la relación entre el número de estudiantes que reprueban

sobre el número de estudiantes que tomaron la materia, así que no es una magnitud fija de

materia, sino que esta depende de los estudiantes que la cursan semestre por semestre.

El agente “materia”, está distribuido en el espacio como un nodo de color coincidente

con la malla curricular de cada proyecto, como se aprecia en la Figura 5.3. Cada columna

representa el semestre y las filas constituyen las materias. Su descripción detallada es la

siguiente:

• Propiedades: código, nombre, semestre, número de créditos, grado de dificultad,

factor_de_aprobación, nota, estado, número aprobado, análisis-estado-materias

• Comportamiento: crear-materia, generar-créditos-materia, generar-factor-aprobación,

analizar-estado-materia, calcular-nota, crear-materias, probabilidad-estrato,

calcular_límites.

• Características del entorno: es una matriz cuyas columnas representan dos aspectos:

el semestre académico (de 1 a 10) y los periodos académicos en los que es permitido

por reglamento cursar estas asignaturas (hasta 15 periodos en la Universidad Distrital)

y las filas son las asignaturas como se muestra en la figura 5.2.



• Organización temporal de eventos: generar factor de aprobación, calcular nota,

generar-estado-materia, cambiar de estado y reportar materias reprobadas según estado.

• Entradas: Rendimiento académico inicial, factor de aprobación, proyecto.

5.2 Construcción del modelo

El modelo base se construye, tomando las condiciones de los 2.924 registros de

estudiantes.

Para medir el rendimiento académico, se utilizó el modelo “Bajo rendimiento académico

en la UD” del matemático Rigoberto Quintero como el más cercano al comportamiento de

los estudiantes (Quintero et al., 2015). Se usó la herramienta Netlogo de Uri Wilensky, y el

manejador de base de datos de PostgreSQL.

Para hacer un seguimiento individual del comportamiento del estudiante se usaron las

siguientes definiciones:

Rendimiento Académico (RA) se llamó rendimiento académico al estado o parámetro

académico de cada estudiante, calculado al final de cada semestre y para iniciar la

simulación del siguiente semestre.

𝑹𝑨 = 𝟏𝟎𝒙 + 𝟐𝟓(𝟏 − 𝐈𝐑) + 𝟓𝑰𝒑 + 𝟏𝟎𝑰𝑵 +𝟏

𝟏 + 𝒏

Donde:

x: promedio acumulado del estudiante

IR: índice de repitencia.

𝐼𝑅 = 𝐀𝐬𝐢𝐠𝐧𝐚𝐭𝐮𝐫𝐚𝐬 𝐑𝐞𝐩𝐫𝐨𝐛𝐚𝐝𝐚𝐬

𝐍ú𝐦𝐞𝐫𝐨 𝐚𝐬𝐢𝐠𝐧𝐚𝐭𝐮𝐫𝐚𝐬 𝐯𝐢𝐬𝐭𝐚𝐬

Ip: índice de permanencia

𝐼𝑃=

𝐍ú𝐦𝐞𝐫𝐨 𝐝𝐞 𝐦𝐚𝐭𝐫í𝐜𝐮𝐥𝐚𝐬

𝐍ú𝐦𝐞𝐫𝐨 𝐬𝐞𝐦𝐞𝐬𝐭𝐫𝐞𝐬 𝐝𝐞𝐬𝐝𝐞 𝐢𝐧𝐠𝐫𝐞𝐬𝐨

(1)

(2)

(3)

Capítulo 4 71

IN: índice de nivelación

𝐼𝑁 =𝐓𝐨𝐭𝐚𝐥 𝐦𝐚𝐭𝐞𝐫𝐢𝐚𝐬 𝐀𝐩𝐫𝐨𝐛𝐚𝐝𝐚𝐬

𝐓𝐨𝐭𝐚𝐥 𝐌𝐚𝐭𝐞𝐫𝐢𝐚𝐬

n: número de pruebas académicas

El estudiante transita por la malla curricular, en la que se encuentra con materias

(asignaturas), va avanzado en periodos discretos (semestre académico y periodos

semestrales de tiempo) e interactuando en ellos con dichas asignaturas.

De la interacción de los agentes estudiante y materia, emergen las siguientes

características: materias que toma el estudiante, nota del estudiante en la materia, periodo

en que el estudiante cursó la materia, estado del estudiante respecto a la materia. Otras

características también fueron establecidas: índice de repitencia del estudiante, índice de

permanencia del estudiante, índice de nivelación del estudiante, promedio y rendimiento

académico por cada estudiante, número de matrícula, motivo de prueba.

La persistencia de esta información se hace en listas virtuales y luego se genera un

registro de estudiante con cada una de las variables, por cada semestre de su carrera.

En la figura 5.3. se muestran las condiciones en las cuales se ejecuta, destacando que: la

malla curricular es una matriz con ausencia de algunos nodos, en la configuración del

currículo de Ingeniería de Sistemas (esta configuración varia un poco con cada proyecto

curricular, pero se arma automáticamente para cada uno de ellos). Al lado izquierdo se hallan

los botones con los cuales se puede configurar libremente las variables externas allí

etiquetadas.

Una característica importante de este modelo es que cada estudiante recorre un semestre

y registra sus resultados, pero no avanza al siguiente hasta tanto todos los demás inscritos

(4)



en la materia lo hagan. Al terminar el semestre se obtienen resultados grupales que son base

para avanzar al siguiente y así sucesivamente. Entonces, la simulación se hace por las

magnitudes de sus atributos y las características de cada nodo.

En la simulación computacional de este modelo, cuando un agente estudiante pierde una

materia, cambia de estado y de color en la malla curricular, permitiendo la visualización de

las materias que más se repiten.

La simulación permite hacer seguimiento a un estudiante o a un grupo de ellos, definidos

externamente como los parámetros de las condiciones iniciales: género, año de ingreso,

indicador de apoyo y estrato que aparecen como ventanas o botones de opciones.

Es importante observar que los estratos 1,2, y 3 constituyen cerca del 80% de los

estudiantes. Se hicieron múltiples simulaciones, sin embargo, por razones de espacio, para

este documento se trasladan a los anexos y al archivo magnético: Por cada uno de estos

estratos se corrieron 50 simulaciones de las cuales se muestran 6, tomando el proyecto de

Ingeniería de Sistemas. La funcionalidad se observa en la Figura 5.3 y los resultados se

muestran en Tabla 5.8.

Capítulo 4 73

Fuente: Elaboración propia con el uso del software Netlogo®

En la tabla 5.8 y Figura 5.4, se muestran los resultados de las simulaciones con 50

estudiantes cada una, del proyecto de Ingeniería de Sistemas y se discriminan por total y

porcentaje de Egresados y Desertores.

Figura 5-3

Funcionalidad modelo base



Tabla 5-8

Resultados de la Simulación Desertores Vs. Egresados

# Sim. Desertores Egresados Total % Deserción % Graduación

1 26 24 50 0,52 0,48

2 21 29 50 0,42 0,58

3 30 20 50 0,6 0,4

4 29 21 50 0,58 0,42

5 22 28 50 0,44 0,56

6 24 26 50 0,48 0,52

7 26 24 50 0,52 0,48

8 24 26 50 0,48 0,52

9 17 33 50 0,34 0,66

10 21 29 50 0,42 0,58

11 20 30 50 0,4 0,6

12 25 25 50 0,5 0,5

13 23 27 50 0,46 0,54

14 17 33 50 0,34 0,66

15 31 19 50 0,62 0,38

16 23 27 50 0,46 0,54

17 25 25 50 0,5 0,5

18 26 24 50 0,52 0,48

Promedio 24 26 50 0,48 0,52

Figura 5-4

Porcentaje de Deserción Vs. Graduación

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

Po

rcen

taje

# Simulaciones

Porcentaje de Deserción Vs. Graduación

% Deserción % Graduación

Capítulo 4 75

También se muestra la salida de la simulación indicando el número de estudiantes

que se gradúan, frente al número de estudiantes que desertan, como se muestra en la Figura

5.5, con 28 desertores y 22 graduados, tomando datos de la simulación de la fila 5 de la tabla

anterior.

Figura 5-5

Desertores Vs Graduados

En la Figura 5.6, se tienen las condiciones de bajo rendimiento de los estudiantes y

se observa la cantidad de veces que incurrieron en cada una de éstas, es decir, cuantas veces

perdieron materias por promedio, perdieron una asignatura por 3 veces y las veces que

perdieron más de tres asignaturas en un mismo periodo.



Figura 5-6

Condiciones de bajo rendimiento

El modelo también permite la generación de un archivo plano, que contiene el

resumen de los registros, semestre a semestre de cada agente-estudiante, indicando el

comportamiento que éste tiene en cada una de las materias, mientras atraviesa toda la malla

curricular, junto con los estados por los que pasa en cada periodo y el indicador, si está o no

en prueba y por qué motivos. Tabla 5.9.

Capítulo 4 77

Tabla 5-9

Archivo de salida

spromediosemsi_permanenciasi_repitencia si_atraso sprueba sestudiante s#matriculas spromedio_acumsi_nivelacionsrendimiento_acadsestado proyecto edad_ing l_nac

3.47 1.00 0.11 0.00 0 0003 1 3.47 0.89 80.85 1 1 17 BOGOTA

3.23 1.00 0.24 0.50 20 0003 2 3.35 0.76 75.10 2 1 17 BOGOTA

3.38 1.00 0.28 0.67 20 0003 3 3.37 0.75 69.20 2 1 17 BOGOTA

3.44 1.00 0.27 0.50 3 0003 4 3.41 0.73 67.98 6 1 17 BOGOTA

3.54 1.00 0.22 0.00 0 0009 1 3.54 0.78 77.70 1 1 17 BOGOTA

2.62 1.00 0.31 0.50 120 0009 2 3.08 0.65 69.55 2 1 17 BOGOTA

3.10 1.00 0.33 0.33 120 0009 3 3.09 0.67 64.35 2 1 17 BOGOTA

3.77 1.00 0.29 0.50 0 0009 4 3.43 0.67 67.08 1 1 17 BOGOTA

3.55 1.00 0.29 0.40 0 0009 5 3.49 0.68 67.78 1 1 17 BOGOTA

4.32 1.00 0.24 0.50 0 0009 6 3.91 0.74 73.83 1 1 17 BOGOTA

3.61 1.00 0.23 0.29 0 0009 7 3.76 0.73 72.48 1 1 17 BOGOTA

4.09 1.00 0.20 0.38 0 0009 8 3.93 0.76 75.23 1 1 17 BOGOTA

3.51 1.00 0.22 0.22 20 0009 9 3.72 0.77 72.73 2 1 17 BOGOTA

3.31 1.00 0.23 0.30 20 0009 10 3.52 0.79 69.85 2 1 17 BOGOTA

4.06 1.00 0.22 0.36 0 0009 11 3.79 0.88 73.20 1 1 17 BOGOTA

3.49 1.00 0.21 0.33 0 0009 12 3.64 0.96 72.75 1 1 17 BOGOTA

3.96 1.00 0.20 0.23 0 0009 13 3.80 1.00 75.00 5 1 17 BOGOTA

2.51 1.00 0.56 0.00 120 0018 1 2.51 0.44 55.50 2 1 18 BOGOTA

3.76 1.00 0.44 0.50 0 0018 2 3.14 0.53 60.70 1 1 18 BOGOTA

3.50 1.00 0.35 0.67 0 0018 3 3.32 0.63 65.75 1 1 18 BOGOTA

3.14 1.00 0.37 0.50 120 0018 4 3.23 0.58 63.85 2 1 18 BOGOTA

2.99 1.00 0.38 0.40 120 0018 5 3.11 0.57 60.63 2 1 18 BOGOTA

4.18 1.00 0.33 0.50 0 0018 6 3.64 0.64 67.05 1 1 18 BOGOTA

3.86 1.00 0.30 0.43 0 0018 7 3.75 0.66 69.10 1 1 18 BOGOTA

3.60 1.00 0.28 0.50 0 0018 8 3.68 0.70 69.30 1 1 18 BOGOTA

4.06 1.00 0.25 0.33 0 0018 9 3.87 0.74 72.35 1 1 18 BOGOTA

3.81 1.00 0.25 0.30 0 0018 10 3.84 0.77 72.35 1 1 18 BOGOTA

4.16 1.00 0.24 0.36 0 0018 11 4.00 0.87 75.20 1 1 18 BOGOTA

4.30 1.00 0.22 0.25 0 0018 12 4.15 0.95 78.00 1 1 18 BOGOTA

3.41 1.00 0.22 0.23 0 0018 13 3.78 0.99 74.70 1 1 18 BOGOTA

2.72 1.00 0.23 0.29 100 0018 14 3.25 0.99 69.15 2 1 18 BOGOTA

1.17 1.00 0.24 0.33 103 0018 15 2.21 0.99 58.00 10 1 18 BOGOTA

2.95 1.00 0.33 0.00 120 0021 1 2.95 0.67 67.95 2 1 18 BOGOTA

3.02 1.00 0.31 0.50 100 0021 2 2.99 0.65 63.65 2 1 18 BOGOTA

3.00 1.00 0.29 0.33 100 0021 3 3.00 0.71 63.18 2 1 18 BOGOTA

3.37 1.00 0.29 0.50 0 0021 4 3.19 0.67 63.85 1 1 18 BOGOTA

3.56 1.00 0.26 0.40 0 0021 5 3.38 0.70 66.80 1 1 18 BOGOTA

3.54 1.00 0.23 0.50 0 0021 6 3.46 0.77 69.05 1 1 18 BOGOTA

3.62 1.00 0.22 0.43 0 0021 7 3.54 0.75 69.90 1 1 18 BOGOTA

3.19 1.00 0.25 0.38 120 0021 8 3.37 0.73 67.25 2 1 18 BOGOTA

4.06 1.00 0.22 0.33 0 0021 9 3.72 0.77 71.40 1 1 18 BOGOTA

3.85 1.00 0.20 0.30 0 0021 10 3.79 0.81 73.00 1 1 18 BOGOTA

3.95 1.00 0.19 0.27 0 0021 11 3.87 0.89 74.85 1 1 18 BOGOTA

4.05 1.00 0.19 0.25 0 0021 12 3.96 0.96 76.45 1 1 18 BOGOTA

3.20 1.00 0.20 0.31 0 0021 13 3.58 0.99 72.70 1 1 18 BOGOTA

1.66 1.00 0.20 0.29 100 0021 14 2.62 0.99 63.10 2 1 18 BOGOTA

2.01 1.00 0.21 0.33 103 0021 15 2.32 0.99 59.52 10 1 18 BOGOTA

2.89 1.00 0.22 0.00 100 0022 1 2.89 0.78 71.20 2 1 17 BOGOTA

2.72 1.00 0.33 0.50 120 0022 2 2.81 0.59 60.75 2 1 17 BOGOTA

3.91 1.00 0.26 0.33 0 0022 3 3.36 0.71 67.53 1 1 17 BOGOTA

3.68 1.00 0.23 0.25 0 0022 4 3.52 0.70 69.78 1 1 17 BOGOTA

3.80 1.00 0.24 0.40 0 0022 5 3.66 0.73 71.23 1 1 17 BOGOTA

3.93 1.00 0.19 0.33 0 0022 6 3.80 0.83 74.88 1 1 17 BOGOTA

3.51 1.00 0.18 0.29 0 0022 7 3.66 0.80 73.43 1 1 17 BOGOTA

3.97 1.00 0.17 0.25 0 0022 8 3.82 0.83 75.58 1 1 17 BOGOTA

3.98 1.00 0.15 0.22 0 0022 9 3.90 0.86 77.18 1 1 17 BOGOTA

3.77 1.00 0.15 0.20 0 0022 10 3.84 0.88 76.78 1 1 17 BOGOTA

4.18 1.00 0.15 0.18 0 0022 11 4.01 0.95 79.18 1 1 17 BOGOTA

3.20 1.00 0.16 0.25 0 0022 12 3.61 0.99 75.33 1 1 17 BOGOTA

2.50 1.00 0.17 0.23 100 0022 13 3.06 0.99 69.58 2 1 17 BOGOTA

4.89 1.00 0.17 0.29 100 0022 14 3.97 1.00 77.95 5 1 17 BOGOTA

3.17 1.00 0.44 0.00 120 0032 1 3.17 0.56 66.30 2 1 18 BOGOTA

3.36 1.00 0.35 0.50 0 0032 2 3.26 0.65 65.35 1 1 18 BOGOTA

3.24 1.00 0.33 0.67 3 0032 3 3.25 0.67 65.95 6 1 18 BOGOTA



5.3 Análisis del modelo

El proceso de verificación, permite establecer que el programa hace lo que debe hacer

con respecto a los objetivos de la investigación en esta parte del modelado. Efectivamente

el programa del modelo base permitió hacer las simulaciones con los resultados esperados

para el caso.

El proceso de validación muestra la cercanía de los resultados de la simulación con los

datos empíricos de los proporcionados por la OAS de la U.D. (tabla 5.8).

Los patrones utilizados y afinados en este modelo (simulados) presentan coincidencias

con los establecidos en los modelos tomados como referentes.

Por otra parte, este modelo permitió construir, en lenguaje de programación Netlogo, los

agentes (tomados como proto-agentes), sus comportamientos, emulando y simulando el

fenómeno de la deserción. También permitió establecer las variables relevantes como

características de los agentes, algunas, por ejemplo, lugar de nacimiento, no tienen

incidencia en el comportamiento de los agentes.

Del modelo base se crea la estructura y el comportamiento a partir de las relaciones entre

agentes, que es utilizada en el modelo de simulación que se describe en el Capítulo VI.

Para efectos de validación también se hizo un ejercicio con un caso entre los datos

empíricos y los resultados de una simulación de tres estudiantes como se muestra en la Tabla

5.10 y Figura 12.

Los datos empíricos tomados de la base de datos de la OAS y la simulación con los datos

del programa de Netlogo.

Se considera la hipótesis nula y un –grado de significancia del 5% (0.05).

Capítulo 4 79

Tabla 5-10

Análisis T de del modelo base

No. Estudiante

2010-3 empírica Simulación

Columna1 Columna2

1 3,0 4,8

1 2,0 4,5

1 4,2 3,8

1 4,1 4,1

1 3,5 4,0

1 4,0 3,1

2 4,5 3,4

2 3,3 2,0

2 3,8 3,2

2 3,4 3,2

2 3,0 3,0

3 3,3 4,5

3 2,9 3,0

3 4,1 3,4

3 3,0 3,0

3 4,4 3,1

3 2,3 4,0

DesvEstand 0,72 0,71

Media Muestra 3,42

Media poblac 0,70

1Varianza 0,48



Figura 5-5

Análisis T del modelo base

Prueba t para medias de dos muestras emparejadas

Variable 1 Variable 2

Media 3,45 3,54

Varianza 0,5192 0,5087

Observaciones 17 17

Coeficiente de correlación de Pearson -0,2483

Diferencia hipotética de las medias 0

Grados de libertad 16

Estadístico t -0,2998

P(T<=t) una cola 0,3841

Valor crítico de t (una cola) 1,7459

P(T<=t) dos colas 0,7682

Valor crítico de t (dos colas) 2,1199

Dado que el valor de P(T<=t) de dos colas es mayor a 0,05 entonces no tiene incidencia

importante y se cumple la hipótesis nula.

0,0

1,0

2,0

3,0

4,0

5,0

6,0

7,0

8,0

9,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Títu

lo d

el e

je

Notas Reales y Simuladas

Análisis T del modelo Base

Series1 Series2

Capítulo 4 81

Este ejercicio no se puede realizar al nivel de todos los estudiantes, pues se pierde la

relación uno a uno, sino que se actúa a nivel de toda la población.

Posteriormente, se realizó un análisis estadístico, que se describe en el siguiente capítulo,

el cual también permitió validaciones de los elementos tratados en este apartado.

CAPÍTULO 6

6. MODELADO Y SIMULACIÓN DEL FENÓMENO

COMPLEJO DE LA DESERCIÓN BASADO EN

AGENTES

En esta segunda fase, en primer lugar, las representaciones prácticamente son las mismas

del modelo anterior, pero con algunas diferencias conceptuales y operativas importantes; ya

no se trabaja con proto-agentes sino con agentes de software definidos bajo la herramienta

de Netlogo, con todas sus propiedades. Se despliegan los agentes (con sus características)

para simular tanto las magnitudes de sus atributos como de su comportamiento individual y

colectivo. Huelga decir que cada nodo se comporta como agente y cada estudiante también

lo es, cada uno con su dinámica.

En segundo lugar, se realiza un análisis descriptivo y exploratorio y se aplica el modelo

de supervivencia para establecer la relevancia de las variables a considerar en la simulación

con datos de la cohorte de 2010-3 con tres propósitos: validar los datos, hacer análisis

descriptivo y exploratorio, dar bases de validación del modelo de simulación. En tercer

lugar, se toma toda la población con registros históricos del periodo 2000-2016, para

establecer las condiciones iniciales de las variables de entrada a la simulación. En cuarto

lugar, se construye el modelo, se realizan las simulaciones y se hace el análisis de estas.



Para los cálculos de las magnitudes de sus atributos se tomaron las características de los

datos originales (datos globales) que generan las propias ya sea por métodos estadísticos

como bayesianos o por cálculos aleatorios debido a las propiedades de sus comportamientos.

La Fase Uno permitió conocer la distribución por género y estrato, pero además las

proporciones de quienes aprueban o desaprueban las asignaturas en cada caso como umbral

general hacia los cuales deben aproximarse las simulaciones.

6.1 Sistema Referente

Como todo problema, la conceptualización no resulta tarea fácil por los variados

enfoques de los investigadores en este campo. Eso exactamente ocurre con la deserción, que

se ha estudiado desde diferentes enfoques, resultando insuficientes, según el MEN, para

comprender su naturaleza, por lo que se planteó la pregunta de investigación del capítulo

uno.

¿En qué aspectos teóricos e instrumentales el modelado y la simulación

computacional con estrategias de sistemas complejos, puede mostrar nuevas características

(emergentes) del fenómeno de la deserción universitaria en Colombia, para estudiar y

mejorar ulteriormente el diagnóstico y el trazado de políticas correctivas?

Una característica importante de manera actitudinal es que de cada materia que enfrenta

el estudiante, depende en parte de la anterior, por su disposición de cursarla por la temática

que enfrenta, Así, por ejemplo, un estudiante que obtiene 4,5 en la materia x (llámese

programación) en otra del mismo semestre podría obtener 3,0 (llámese cálculo), pero la nota

85

de otro estudiante del mismo semestre podría ser completamente inversa, porque su actitud

para la programación no es igual a la de su compañero. Entonces las situaciones son

heterogéneas y la variabilidad no puede ser medida previamente, sino que es en el mismo

desarrollo de la simulación. Otra advertencia es que las simulaciones son individuales,

estudiante por estudiante, materia por materia y semestre por semestre, pero cada semestre

produce guarismos diferentes debido a los comportamientos individuales en cada materia y

en cada estudiante, también del conjunto de los estudiantes en cada simulación. Otra

situación se expresa al finalizar la simulación donde se tienen resultados globales que, como

tendencia, deben aproximarse a los parámetros y patrones establecidos inicialmente.

Entonces manifiestan particularidades como que aplicar cadenas de Markov, en tanto

proceso estocástico, no fue posible porque el siguiente estado no depende exactamente del

anterior. Las pruebas t se pueden aplicar parcialmente ya que los registros iniciales solo

sirven para obtener patrones del siguiente paso en la simulación. Se probó en un caso

particular en la Fase Uno, en una simulación de un solo individuo, pero en la Fase Dos no

es posible. Esta complejidad fue la que trabajó con características de comportamientos

derivadas de los cientos de simulaciones realizadas inicialmente como pruebas para ajustar

el modelo y luego, resultantes aplicadas a los cinco proyectos curriculares de ingeniería,

como se evidencia en los cuadros respectivos resultantes de las simulaciones.

Entonces, en esta segunda fase, con base a las propiedades establecidas, se crea una

población virtual de estudiantes de x individuos por cada proyecto curricular en proporción

a la población real de cada uno de ellos; con el mismo criterio se establece cuantos hombres

y mujeres, respectivamente los estratos a los que pertenecen y la situación que puedan ganar



o perder materias en el recorrido por la malla curricular. A ellos aplica el reglamento y demás

condiciones institucionales de programa y apoyo alimentario.

El modelo está concebido para que se retroalimente con los datos reales en cada periodo,

así, sus parámetros se van ajustando tanto a los comportamientos del modelo y de la realidad.

6.2 Análisis

En esta sección se realiza el análisis tanto Descriptivo como Exploratorio.

6.2.1 Análisis Descriptivo y Exploratorio

Siguiendo la metodología era necesario primero, disponer de los datos depurados y

consistentes (a las fuentes suministrados por la OAS de la Universidad) y segundo, trabajar

estos datos para establecer las condiciones iniciales, como modelos tradicionales y

herramientas estadísticas, en lo que se llamó análisis estadístico exploratorio. Fueron

seleccionados 537 registros de estudiantes de los 5 proyectos de pregrados de Ingeniería del

periodo comprendido entre 2010-3 a 2017-2, el cual se seleccionó porque se esperaba que

ya hubiesen terminado. Este estudio se hizo usando software R.

Como resultado, las tablas de probabilidad permiten establecer la variabilidad en los

periodos (semestres académicos) en toda la carrera. Entonces, un 47.36 % de la variabilidad

total, así que hay una discriminación entre los estudiantes Censurados (transitorio, es decir

los que se encuentran Activos o en Prueba) y el resto de la población, como se aprecia Figura

6.1.

87

Figura 6-1 Variabilidad: Egresados, Transitorio (Censurado) Desertor y Pierde

Además de este análisis, interesa saber cuándo ocurre el cambio, es decir, el número

de semestres (periodos) que fueron necesarios para que el estudiante se Gradúe, Deserte o

Pierda la Calidad de Estudiante, contando los semestres (periodos) que el estudiante

sobrevivió. Este tiempo es discriminado como el Estado del alumno. En la figura 6.1, se

describe dicha variabilidad, como se detalla a continuación: Figura 6.1. A: la mayor parte

de estudiantes Egresaron en el intervalo entre 12 y 15 semestre (periodo) y muy pocos

alumnos se graduaron en 10 semestres académicos. Un breve comentario de las gráficas, nos

dan muy buena información. Figura 6.1. B: evidencia que, a la fecha de corte del estudio,

quedaron estudiantes Activos, en Prueba y pendientes de obtener el título, (estado

Censurado). Figura 6.1. C: si bien, se sabe que hay un porcentaje alto de deserción en los

primeros semestres (Deserción Temprana), se refleja que los Desertores no aparecen de

manera única en los primeros semestres, sino que hay una alta frecuencia de estas personas

en el decimotercer semestre (Deserción Tardía) planteada en esta investigación.



Figura 6.1. D: muestra que hay dos momentos claves en los que pierden la calidad

de estudiante (PCE): los dos primeros semestres y el quinto semestre; es más, este diagrama

muestra un sesgo a derecha, manifestando que aún en semestres avanzados existe la

posibilidad de PCE, dado por el acuerdo 004, puede ser porque no le alcanzan los semestres

para graduarse.

De igual manera, se hace un análisis de los promedios, explorando la historia

académica de los estudiantes, es claro que esta dinámica presenta una gran variabilidad en

los primeros semestres, es decir, promedios muy altos y bajos, como se aprecia en la Figura

5.6. No obstante, esta cambia dependiendo el programa:

Figura 6-2 Análisis de los promedios por proyecto

89

1) disminuye en los semestres avanzados de ingeniería Industrial y Catastral,

manifestando que, los estudiantes logran superar la resistencia de 3.0.

2) no disminuye igual en los programas de Ingeniería de Sistemas y es más marcado en

Electrónica y Eléctrica, mostrando descensos muy pronunciados en ciertos estudiantes; en

otras palabras, los estudiantes no logran estabilizar sus promedios, como se aprecia en la

gráfica, vale la pena ver cómo la evolución del promedio incide en el Estado final del

estudiante.

6.2.2 Estadística Inferencial: Modelo de Sobrevivencia

Se busca inferir el Estado de un estudiante, a partir de un conjunto de variables. Si, por

ejemplo, determinar que con el Puntaje del ICFES se puede predecir el número de semestres

que el estudiante va a sobrevivir, sería un factor de riesgo para estar atento.

Función de Sobrevivencia: como su nombre lo indica, la probabilidad de sobrevivir hasta

el tiempo 𝑡, o, en otras palabras, la probabilidad de que el cambio ocurra después del tiempo

𝑡. Se define como:

𝑆(𝑡|𝑥𝑖) = 𝑃(𝑇 > 𝑡|𝑥𝑖)

Razón de Continuación: compara la probabilidad de un cambio de Estado en el tiempo 𝑡,

con la probabilidad de que el cambio ocurra después de 𝑡. Eso sí, estas probabilidades están

condicionadas a que el individuo haya sobrevivido hasta el tiempo 𝑡. Se define como:

𝑃(𝑇 = 𝑡, 𝐸 = 𝑒 | 𝑇 ≥ 𝑡, 𝑥𝑖)

𝑃(𝑇 > 𝑡 |T ≥ 𝑡, 𝑥𝑖) =

λ𝑒(𝑡 | 𝑥𝑖)

𝑃(𝑇 > 𝑡 |T ≥ 𝑡, 𝑥𝑖)

Sí este valor es mayor que uno, indica que es más probable que el individuo muera

en el tiempo t, a que no muera en este tiempo.

(5)

(6)



En ese orden de ideas, se propone un modelo con todas las variables

sociodemográficas ya tratadas y se probaron varios modelos de sobrevivencia; de todos los

modelos posibles, por medio de un criterio backward, se encontró que el mejor modelo es:

𝑙𝑜𝑔 (λ𝑒(𝑡 | 𝑥𝑖)

𝑃(𝑇 > 𝑡 | T ≥ 𝑡, 𝑥𝑖) ) = 𝑌0𝑡𝑒 + 𝑌2𝑒𝐺é𝑛𝑒𝑟𝑜𝑖+ 𝑌3𝑒𝐸𝑠𝑡𝑟𝑎𝑡𝑜𝑖 + 𝑌4𝑒 𝑇𝑖𝑝𝑜𝐼𝑛𝑠𝑐𝑖ó𝑛𝑖

+ 𝑌6𝑒𝐴𝑝𝑜𝑦𝑜𝐴𝑙𝑖𝑚𝑒𝑛𝑡𝑎𝑟𝑖𝑜𝑖 + 𝑌7𝑒𝐴𝑐𝑢𝑒𝑟𝑑𝑜𝑖 + 𝑌8𝑒𝐸𝑑𝑎𝑑𝐶𝑎𝑡𝑒𝑔ó𝑟𝑖𝑐𝑎𝑖

+ 𝑌9𝑒𝑀𝑎𝑡𝑟í𝑐𝑢𝑙𝑎𝐶𝑎𝑡𝑒𝑔ó𝑟𝑖𝑐𝑎𝑖

Es decir que, el Proyecto, Lugar de Procedencia y Puntaje ICFES no afectan

significativamente las probabilidades λ𝑒(𝑡 | 𝑥𝑖) 𝑃(𝑇 > 𝑡 | T ≥ 𝑡, 𝑥𝑖). El resto de las

variables son estadísticamente significativas a un nivel de significancia de 0.05, a excepción

de la Edad de Ingreso y el Valor de la Matrícula, Sin embargo, aunque éstas 2 variables,

están al límite de ser significativas se considera un modelo incluyéndolas como continuas

centradas en la mediana. A saber:

𝑙𝑜𝑔 (λ𝑒(𝑡 | 𝑥𝑖)

𝑃(𝑇 > 𝑡 |T ≥ 𝑡, 𝑥𝑖) ) = 𝑌0𝑡𝑒 + 𝑌2𝑒𝐺é𝑛𝑒𝑟𝑜𝑖 + 𝑌3.1𝑒𝐸𝑠𝑡𝑟𝑎𝑡𝑜𝐵𝑎𝑗𝑜𝑖+ 𝑌3.2𝑒𝐸𝑠𝑡𝑟𝑎𝑡𝑜𝐴𝑙𝑡𝑜𝑖

+ 𝑌4.1𝑒 𝑇𝑖𝑝𝑜𝐼𝑛𝑠𝑐𝑟𝑖𝑝𝑐𝑖ó𝑛𝑀𝑖𝑛𝑜𝑟𝑖𝑎𝑖+ 𝑌4.2𝑒𝑇𝑖𝑝𝑜𝐼𝑛𝑠𝑐𝑟𝑖𝑝𝑐𝑖ó𝑛𝑂𝑡𝑟𝑜𝑠𝑖

+ 𝑌6𝑒𝐴𝑝𝑜𝑦𝑜𝐴𝑙𝑖𝑚𝑒𝑛𝑡𝑎𝑟𝑖𝑜𝑖 + 𝑌7𝑒𝐴𝑐𝑢𝑒𝑟𝑑𝑜𝑖 + 𝑌8𝑒(𝐸𝑑𝑎𝑑𝑖 − 𝑚𝑒𝑑(𝐸𝑑𝑎𝑑) + 𝑌9𝑒𝑀𝑎𝑡𝑟í𝑐𝑢𝑙𝑎𝑖

− 𝑚𝑒𝑑 (𝑀𝑎𝑡𝑟í𝑐𝑢𝑙𝑎))

Con sus respectivas significancias:

Tabla 6-1

Variables Significativas Final

Variable LR Chisq Df Pr(>Chisq)

Semestre 880.29 45 0.0000

Género 10.03 3 0.0183

Estrato 13.37 6 0.0375

Tipo_inscripción 13.43 6 0.0367

Ind_Apoyo 91.83 3 0.0000

Acuerdo 93.07 3 0.0000

EdadCategórica 7.37 3 0.0588

Matrícula_Categórica 12.12 6 0.0001

(7)

(8)

91

Con base en los datos anteriores, se establecen los coeficientes asociados a éste modelo,

en donde cada semestre tiene un efecto diferente con respecto al primer semestre.

λ𝐸𝑔𝑟𝑒𝑠𝑎𝑟(𝑡 |𝐹𝑒𝑚𝑒𝑛𝑖𝑛𝑜 𝑦 𝑑𝑒𝑚á𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠

λ𝑃𝑒𝑟𝑑𝑒𝑟(𝑡 |𝐹𝑒𝑚𝑒𝑛𝑖𝑛𝑜 𝑦 𝑑𝑒𝑚á𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠) = exp (𝑌2𝐸𝑔𝑟𝑒𝑠𝑎 − 𝑌2𝑃𝑖𝑒𝑟𝑑𝑒)

= 𝑒𝑥 𝑝(4.465) = 1.59

Se puede observar que hay correspondencia entre los estudiantes que Egresan, con

respecto a las estudiantes de género Femenino, como los que reciben Apoyo Alimentario.

La inscripción de Minorías, se corresponden con los que PCE. Perder Álgebra Lineal una o

más veces, corresponden con los que PCE, semejante a Cálculo Diferencial. El semestre

doce muestra más egresados. Para las muestras utilizadas, solo dos estudiantes lograron

graduarse en diez o menos semestres. Entonces, el tiempo que demandan los Programas para

graduarse tiende a ser de once en adelante.

En este modelo hay dos semestres de Deserción importantes: el segundo semestre y

el decimotercero, y el tercero en menor proporción. La PCE es alta en el primer (segundo)

y en el quinto semestre.

Hay una asociación entre la posibilidad de: Graduarse, Desertar o PCE; con respecto

a las variables sociodemográficas de: Género, Estrato, Tipo de Inscripción, Apoyo

Alimentario, Acuerdo, Edad de ingreso del estudiante, y valor de la matrícula.

En proporción el género Femenino tiende a graduarse más que el Masculino. El

Estrato Bajo tiene menor posibilidad de graduarse que las que del Estrato Medio; las de

(9)



Estrato Alto tienen más posibilidades de graduarse que las de Estrato Medio. Los estudiantes

que recibieron Apoyo Alimentario tendieron más a graduarse, con respecto a los que no.

Los estudiantes abarcados por el Acuerdo 004 de 2011, tuvieron 1.55 veces más a

PCE, que los estudiantes del Acuerdo 007 de 2009. A medida que el estudiante ingresa con

más edad, tiene menos posibilidad de ser Egresado y más posibilidad de perder la calidad

estudiantil. Las Minorías tienen el doble de posibilidad de perder la calidad estudiantil, que

los estudiantes de matrícula normal (exp (𝑌4.1𝑃𝐼𝐸𝑅𝐷𝐸) = exp(0.74) ≈ 2.09). Otras

observaciones permitieron afinar la base de datos para las simulaciones. Obviamente no se

trabajaron todas estas variables, pero fueron evaluadas para ingresar al modelo, con

fundamente en su peso o el interés de los objetivos de la investigación.

6.3 Diseño

El diseño se realizó también tomando los cinco proyectos curriculares pertenecientes a la

Facultad de Ingeniería en la Universidad Distrital, de las cohortes señaladas anteriormente,

junto con las categorías de variables ilustradas en la Figura No 5.1 y detalladas en el anexo

A. Al igual que en el modelo base, no se tuvieron en cuenta los reingresos y las transferencias

de estudiantes.

Llegados a este punto es necesario hacer un paréntesis para aclarar que: las cifras de

estudiantes es una y la cifra de registros es otra, por la siguiente razón: un estudiante puede

tener de uno o más registros, regularmente, uno por cada materia cursada durante su vida

93

académica; mientras que, una materia cursada está ligada únicamente al estudiante que la

cursó. En este modelo no se trabaja que una materia es cursada por muchos estudiantes,

porque el eje está en el estudiante y no en la materia. Terminado el paréntesis, podemos

continuar.

Entonces, por una parte, para establecer las condiciones iniciales de las variables, se hizo

una caracterización que pasa por el estudio de 20.451 registros de las cohortes en el intervalo

señalado (2000-1 a 2016-3) y en concordancia con el reglamento estudiantil vigente acuerdo

004. Estos datos fueron segmentados por: proyecto, semestre y por las mismas variables

planteadas en el modelo base.

Por la otra parte, se tomaron 537 estudiantes de la cohorte 2010-3 que iniciaron estudios

(de los cinco proyectos curriculares), que desde entonces y hasta la fecha corte 2017

contenían 24.115 registros de notas. para efectos de validar el modelo. Estos fueron

caracterizados por género, estrato y posibilidad de perder o ganar la materia, de acuerdo a

la situación específica.

6.3.1 Caracterización de los Datos Históricos Cohortes 2000-1 a 2016-3

En las tablas de la 6.1 a la 6.6, se muestran los pesos relativos a la caracterización de

las variables definidas, una parte, que sirve de base para establecer las condiciones iniciales

y la otra parte trabaja con los puntajes del ICFES como rendimiento académico inicial,

(Anexo B), las cuales se describen y explican en el numeral 6.3.



Tabla 6-2

Proyectos curriculares

Proyecto

curricular No. Estudiantes Porcentaje

Industrial 4620 0,23

Electrónica 4354 0,21

Sistemas 4867 0,24

Catastral 4306 0,21

Eléctrica 2304 0,11

Total 20451 1,00

El número de estudiantes es más o menos equitativo en las primeras 4 proyectos

curriculares mientras que en eléctrica es casi la mitad de los otros, por ser un proyecto

curricular nuevo.

Tabla 6-3

Género de los estudiantes

Género No. Estudiantes Porcentaje

Femenino 4646 0,23

Masculino 15805 0,77

Total 20451 1,0

Tabla 6-4

Tipo Inscripción (Ver anexo A)

Tipo Inscripción No. Estudiantes Porcentaje

Normal 19216 0,94

Minorías 887 0,04

Otros 348 0,02

Total 20451 1,00

Para el caso de los estados académicos, que se muestran en la tabla 6.4, estos

corresponden a la tendencia de los examinados en las cohortes seleccionadas del 2000-1 a

2016-2.

95

Tabla 6-5

Estados Académicos (Anexo A)

Estado No. Estudiantes Porcentaje

Activo 3192 0,16

Prueba Académica 713 0,03

Terminó materias 418 0,02

Desertor 7360 0,36

Egresado 5249 0,26

Pierde Calidad Estudiante 2965 0,14

Abandono/Canceló 554 0,03

Total 20451 1,00

Tabla 6-6

Estrato socioeconómico

Estrato No. Estudiantes Porcentaje

1 1281 0,06

2 8255 0,40

3 7623 0,37

>= 4 3292 0,16

Total 20451 1,00

Con estas cifras y porcentajes se establecieron las condiciones iniciales para crear los

estudiantes que ingresaron a la simulación.

6.3.2 Caracterización de los Datos Cohorte 2010-3

Tabla 6-7

Porcentaje de notas por género y estrato

Género Notas Estrato

Bajo Medio Alto

Femenino

Menor de 3 0,29 0,25 0,20

Mayor de 3 0,71 0,75 0,80

Total 1,00 1,00 1,00

Masculino

Menor de 3 0,35 0,35 0,34

Mayor de 3 0,65 0,65 0,66

Total 1,00 1,00 1,00



Tabla 6-7

Porcentaje de notas por tipo de inscripción

Género Notas Tipo Inscripción

Normal Minorías Otros

Femenino

Menor de 3 0,26 0,61 0,27

Mayor de 3 0,74 0,39 0,63

Total 1,00 1,00 1,00

Masculino

Menor de 3 0,35 0,35 0,34

Mayor de 3 0,65 0,65 0,66

Total 1,00 1,00 1,00

Tabla 6-8

Porcentaje de notas por lugar de procedencia

Género Notas Lugar de Procedencia

Bogotá Fuera Bogotá

Femenino

Menor de 3 0,26 0,32

Mayor de 3 0,74 0,68

Total 1,00 1,00

Masculino

Menor de 3 0,34 0,36

Mayor de 3 0,66 0,64

Total 1,00 1,00

Tabla 6-9

Porcentaje de notas por Apoyo alimentario

Género Notas Indicativo Apoyo

No Si

Femenino

Menor de 3 0,30 0,23

Mayor de 3 0,70 0,77

Total 1,00 1,00

Masculino

Menor de 3 0,40 0,28

Mayor de 3 0,60 0,72

Total 1,00 1,00

Con base en esta caracterización surgieron los agentes del modelo: estudiante,

materia y profesor.

97

Cada registro de los (24.000) proporcionado por la OAS, fue sometido a una crítica y

validación antes de entrar al modelo, para lograr que este reflejara la situación más objetiva

posible. La salida corresponde a la aplicación de criterios, parámetros y patrones

establecidos en la investigación, que a su vez serán la entrada del siguiente proceso.

La Figura 6.3, ilustra el esquema del proceso general de la Simulación Basada en

Agentes.

Figura 6-3

Esquema general de proceso de Simulación Basada en Agentes

6.3.3 Agente estudiante

El agente estudiante, tiene como objetivo, transitar a través de la malla curricular,

aprobando las asignaturas del plan de estudios hasta obtener el título, para lo cual puede



pasar por varios de los siguientes estados: matriculado activo, en prueba, abandono,

desertor, pierde calidad, terminó materias y graduado. Colige con los estados de desertor:

desertor temprano, desertor tardío, desertor tardío sin grado.

• Propiedades: código, proyecto curricular, género, edad, estrato, puntaje ICFES, tipo

inscripción, lugar de procedencia, indicador de apoyo, acuerdo (reglamento).

• Comportamiento: inscribir-materia, validar-créditos, cursar-semestre, reportar-notas,

cambiar-estado, validar-causales-RA (Rendimiento Académico).

• Parámetros: número de estudiantes, proyecto curricular, estrato, género, año de

ingreso, indicador de apoyo.

• Características del entorno: el entorno se distribuye con estructura de malla (red). Los

agentes estudiantes, se ubican encima de las columnas que corresponden a los semestres y

todos iniciarán en la primera columna su recorrido, en el modelo base.

• Organización temporal de eventos: El orden establecido es: validar número de

créditos a tomar por cada semestre, crear materias, inscribir materias, calcular promedios,

verificar materias perdidas, verificar materias aprobadas, calcular rendimiento académico

(RA), ecuación (1) de este capítulo.

• Entradas: malla curricular, género, año de ingreso, estrato, proyecto.

• Salidas: cantidad de estudiantes que se gradúan, cantidad de estudiantes que desertan,

promedio semestre, índice permanencia, índice de repitencia, índice de atraso, causales de

rendimiento académico, número-matrículas, promedio acumulado, índice nivelación,

rendimiento académico y estado del estudiante.

99

6.3.4 Agente materia

Por las características del proceso, la materia tiene atributos (nombre, código, # de

créditos, grado de dificultad, etc) que la hacen adquirir e estatus de agente.

El agente “materia”, está distribuido por la malla curricular de cada proyecto, en una

matriz cuyas columnas representan dos aspectos: el semestre académico (de 1 a 10) y los

periodos académicos en los que es permitido por reglamente cursar estas asignaturas (hasta

15 periodos en la Universidad Distrital) y las filas son las asignaturas como se muestra en la

Figura 6.5, cada columna representa el semestre y las filas constituyen las materias. Su

descripción detallada es la siguiente:

• Propiedades: código, nombre, semestre, número de créditos, grado de dificultad,

factor_de_aprobación, nota, estado, número aprobado, análisis-estado-materias.

• Comportamiento: crear-materia, generar-créditos-materia, generar-factor-aprobación,

analizar-estado-materia, calcular-nota, crear-materias, probabilidad-estrato,

calcular_límites.

• Características del entorno: para el modelo base, los semestres están ubicados en

columnas y las materias, están ubicadas en las filas de esa columna.

• Organización temporal de eventos: generar factor de aprobación, calcular nota, generar-

estado-materia, cambiar de estado y reportar materias reprobadas según estado.

• Entradas: Rendimiento académico inicial, factor de aprobación, proyecto.



6.3.5 Agente profesor

El agente “profesor”, se asume que influye positivamente el desempeño académico

del estudiante. Su descripción detallada es la siguiente:

Por Habeas-Data no dispusimos de información detallada de la evaluación del profesor,

además habría que aplicar métodos para eliminar sesgos que se salen del propósito de este

trabajo. Entonces se optó por entrevistas y narrativas de profesores y estudiantes, formas

que son permitidas por la metodología de agentes.

• Propiedades: código_profesor, materia-dictada, curso-dictado, periodo-dictado,

factor_Profesor.

• Comportamiento: Evaluación (Factor, Un profesor puede tener 3 categorías de evaluación:

Excelente (0.8 < x <= 1); Bueno (0.6 < x <= 0.8) Aceptable (x <= 0.6).

• Características del entorno: para el caso del profesor, se usa un entorno de red, pero no

se visualiza, su comportamiento.

• Organización temporal de eventos: crear-profesor, asignar-factor, evaluar

• Entradas: materia, semestre, periodo.

6.4 Construcción del modelo

La Construcción del modelo, se realizó empleando como herramienta Netlogo,

desarrollado por Uri Wilensky, junto con una base de datos de PostgreSQL, para almacenar

los datos simulados de cada estudiante por semestre, así como la salida a un archivo plano

101

con formato Coma Separate Valor (CSV). Para hacer un seguimiento individual del

comportamiento del estudiante, se trabaja un modelo limitado por los agentes estudiante y

materia, como modelo base.

Este modelo se construye con la misma estructura del modelo base, pero la creación del

agente estudiante, se hace seleccionando sus atributos, de acuerdo con las condiciones

iniciales, generadas aleatoriamente, basados en las estadísticas descritas en el apartado

anterior, así como las variables, que se tomaron a partir del modelo de supervivencia.

Adicional al agente estudiante y materia incorporados en el modelo base, se adicionó el

agente profesor, con el fin de identificar si hay influencia del profesor en la nota y el

rendimiento académico del estudiante.

6.4.1 Consideraciones iniciales para el desarrollo del modelo de simulación

Es importante describir, algunos aspectos que fueron necesarios para la construcción de

éste modelo y que se relacionan a continuación:

Periodo

Los Periodos van en función del tiempo, cambian de manera irreversible cada

semestre lectivo. Si una materia se pierde, siempre se cursará en un periodo inmediatamente

posterior. Los periodos (Pᵢ), i variando de 1, 2, 3..., k, pero k <= 11 para quien pasa nivelado

o casi siempre mayor a 11, pero por reglamento no superior a 15. Sin embargo, los reingresos

pueden ser mayores, aunque no se consideraron para las simulaciones de este trabajo. Los

periodos son discretos por semestre, pero el reglamento permite tres semestres por año;



periodos (I, II, III). I = primer semestre del año, II curso de vacaciones a mediado año y III

curso del segundo semestre del año. El número de meses de cada periodo no importan porque

se toma la información de final de periodo y lo mismo da un mes o más meses. Los periodos

van desde 1, hasta k. En cada periodo se tienen en cuenta los créditos mínimos y máximos

que puede cursar un estudiante.

Nota:

En cada periodo se establecen las condiciones para cursar el siguiente con

fundamento en los resultados. Estado del estudiante i en el periodo j del semestre k (semestre

son materias no tiempo), estados individuales.

Ejemplo:

P₁, M₁, S₁, C₁, Pf₁: Periodo-1 2017-I, Materia-1, Semestre-1, Curso-1 y profesor-x. Si el estudiante

pierde la materia la cursará en el siguiente periodo,

P₂, M₁, S₁, C₁, Pf₁: Periodo-2, 2017-II, Materia-1, Semestre-1, Curso-x y profesor-x ó y. Si la vuelve

a perder.

P₃, M₁, S₁, C₁, Pf₁: Periodo-3, 2017-III, Materia-1, Semestre-1, Curso-x y profesor-x ó y ó z.

Materias

Las materias están ubicadas por semestres, también son fijas, es decir, una materia

siempre corresponde a un semestre lectivo. Es corriente que una materia tenga varios cursos,

pero para efectos de esta simulación, se hizo necesario considerar el curso ya que todo

profesor tiene asignado uno y solo un curso en un horario fijo, para trabajar con la

calificación del profesor y su influencia en el desempeño del estudiante. Los créditos de la

Materia varían de 1 a 6.

103

Nivel Académico Inicial (NAI)

Es el nivel académico con que ingresa el estudiante a la universidad. Se calcula con

el puntaje del ICFES del estudiante dividido por el máximo establecido (500).

𝑁𝐴𝐼 = (𝐼𝐶𝐹𝐸𝑆𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒)

(𝑀á𝑥𝑖𝑚𝑜 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝐼𝐶𝐹𝐸𝑆)

El NAI varía entre 0,5 a 1,0 porque para ingresar a la Universidad Distrital se exige

mínimo 250 puntos ICFES, como se ve en el Anexo B.

Factor de Aprobación (FA)

Es la relación del número de estudiantes inscritos a un curso que aprueban la materia

sobre el total de inscritos en ese curso para un periodo Pᵢ.

𝐹𝐴 = # 𝐸𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠_𝐼𝑠𝑐𝑟𝑖𝑡𝑜𝑠_𝑎𝑝𝑟𝑢𝑒𝑏𝑎𝑛

𝑇𝑜𝑡𝑎𝑙_𝐼𝑛𝑠𝑐𝑟𝑖𝑡𝑜𝑠_𝑚𝑎𝑡𝑒𝑟𝑖𝑎_𝑐𝑢𝑟𝑠𝑜

Nota (Materia)

La nota del estudiante se hace por cada materia inscrita en un curso específico. Así, un

estudiante que cursa matemática-I de 1er. Semestre en el curso C1 y periodo P1 y la pierde,

cursará Matemática-I en el periodo P2 y 1er semestre en un curso Cₓ que le sea asignado con

el profesor x no necesariamente el mismo anterior.

𝑃(𝐴𝑖|𝐵) =𝑃(𝐵|𝐴𝑖|)𝑃(𝐴𝑖)

∑ 𝑃(𝐵| (𝐴𝑘)𝑃(𝐴𝑘)𝑛𝑘=𝐼

(10)

(11)

(12)



Promedio Ponderado (Ponderado)

Es el promedio del semestre que obtiene un estudiante en un periodo, la relación está

dada por:

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜_𝑝𝑜𝑛𝑑𝑒𝑟𝑎𝑑𝑜 = ∑ Notai materiai ∗ Número_créditosmateriai

∑créditosi

Nivel Académico a partir de Segundo Semestre

Dado que, al finalizar cada semestre, las condiciones cambian, por lo que, a partir de

segundo semestre, el nivel académico ya no se calcula con el NA, sino que se calcula de

acuerdo a la dinámica del estudiante, así:

(13)

(14)

Figura 6-4

Representación gráfica de Teorema de Bayes

105

𝑁𝐴2 = 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜_𝑃𝑜𝑛𝑑𝑒𝑟𝑎𝑑𝑜

𝑁𝑜𝑡𝑎_𝑚𝑎𝑡𝑒𝑟𝑖𝑎_𝑚𝑎𝑠_𝑎𝑙𝑡𝑎

Promedio Acumuladoi del Estudiante

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜_𝐴𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑜𝑖𝐸 (𝑃𝐴𝐸) = ∑(𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜_𝑃𝑜𝑛𝑑𝑒𝑟𝑎𝑑𝑜ᵢ)

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑠𝑒𝑚𝑒𝑠𝑡𝑟𝑒𝑠𝐶𝑢𝑟𝑠𝑎𝑑𝑜𝑠

Factor del Profesor

Para este factor la Universidad Distrital, no proporcionó datos, considerando la ley de

privacidad, por lo que se hace con datos intuitivos y narrativas de estudiantes. Un profesor

puede tener 3 categorías de evaluación: (Excelente, Bueno, Aceptable).

Excelente (0.8 < x <= 1); Bueno (0.6 < x <= 0.9); Aceptable (4 <x <= 0.8).

Dificultad de la Materia (DM)

Es la relación del número de estudiantes inscritos a un curso que reprueban la materia

sobre el total de inscritos en ese curso para un periodo Pᵢ. La materia tiene un grado de

dificultad inicial; afectada por el grado de dificultad para el estudiante, el número de créditos

y el factor del profesor.

𝐷𝑀 = # 𝐸𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠_𝑅𝑒𝑝𝑟𝑢𝑒𝑏𝑎𝑛_𝑚𝑎𝑡𝑒𝑟𝑖𝑎

𝑇𝑜𝑡𝑎𝑙_𝐼𝑛𝑠𝑐𝑟𝑖𝑡𝑜𝑠_𝑚𝑎𝑡𝑒𝑟𝑖𝑎_𝑐𝑢𝑟𝑠𝑜

(15)

(16)



Consideraciones de bajo rendimiento

Se pierde la materia cuando la nota es inferior a 3.0

Causales de Prueba Académica (Bajo Rendimiento) cuando:

Promedio inferior a 3.0

Repetir una asignatura por más de tres veces y 4 si supera el 70 % de las materias de la

carrera.

Repetir 3 o más asignaturas en un semestre.

Con base en las condiciones detalladas en el apartado anterior, se genera la interacción

estudiante y materia, en donde la nota aparece influenciada por los factores individuales, la

dificultad de la materia y el factor del profesor, de esta manera se registran características

de la relación y se plasman semestralmente como: materias que toma el estudiante, con su

nota, periodo, estado en el que quedó, índice de repitencia, índice de permanencia, índice de

nivelación, promedio y rendimiento académico se genera. En la simulación se presenta cada

estudiante, y su recorrido semestre a semestre, ligado a cada una de las materias que cursa,

como se muestra en la funcionalidad, figura 6.5.

107


Dentro de los controles que se establecieron, puede activar el control de apoyo

alimentario Figura 6.6, evidenciando que se refleja un mejor desempeño académico en este

caso.

Figura 6-6 Control de apoyo alimentario


También existe el control que permite activar, el límite de matrículas Figura 5-10, ya

que, según el reglamento, el máximo establecido, son 15 matrículas o periodos académicos

y al activarlo, permite que el comportamiento del estudiante, supere ese límite.

Figura 6-5

Funcionalidad Modelo SBA



Figura 6-7

Control de matrículas


En la Figura 6.8 se puede activar el control del profesor, es decir, la nota del

estudiante, se puede ver afectada, positiva o negativamente, dependiendo de la calificación

del profesor.

|

Figura 6-8

Control de factor del profesor


Una vez se corre la simulación, se genera un archivo de salida .csv, para el posterior

análisis de los resultados obtenidos, como se muestra en la Tabla 6.10.

109

Tabla 6-10

Archivo de Salida Simulación con registro por estudiante

Codigo ProyectoGéneroEstratoEdad_i L_nac P_icfes T_inscripIapoyo Cod_nacPromedio_semI_repitenciaI_atrasoMatriculaProm_acumI_nivelacionI_permanenciaRendimiento_acadPruebaEstado

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.90 0.00 0.00 1 3.90 1.14 1.00 0.76 0 1

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.21 0.07 0.00 2 3.56 0.93 1.00 0.64 0 1

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.45 0.11 0.33 3 3.51 0.85 1.00 0.69 0 1

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.45 0.12 0.25 4 3.48 0.81 1.00 0.69 0 1

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.74 0.13 0.40 5 3.61 0.79 1.00 0.75 0 1

20114 3 M 3 16 Bogotá 381.46 2 0 1 4.28 0.11 0.33 6 3.95 0.83 1.00 0.86 0 1

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.65 0.09 0.29 7 3.80 0.83 1.00 0.73 0 1

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.89 0.10 0.25 8 3.85 0.80 1.00 0.78 0 1

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.63 0.09 0.22 9 3.74 0.78 1.00 0.73 0 1

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.83 0.10 0.20 10 3.79 0.82 1.00 0.77 0 1

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.94 0.09 0.27 11 3.87 0.91 1.00 0.79 0 1

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.57 0.09 0.25 12 3.72 0.99 1.00 0.71 0 3

20114 3 M 3 16 Bogotá 381.46 2 0 1 3.72 0.09 0.23 13 3.72 1.00 1.00 0.74 0 5

20145 3 M 3 17 Bogotá 497.99 2 0 1 3.54 0.13 0.00 1 3.54 1.00 1.00 1.00 0 1

20145 3 M 3 17 Bogotá 497.99 2 0 1 4.01 0.08 0.50 2 3.78 0.86 1.00 1.00 0 1

20145 3 M 3 17 Bogotá 497.99 2 0 1 3.31 0.16 0.33 3 3.55 0.80 1.00 0.66 0 1

20145 3 M 3 17 Bogotá 497.99 2 0 1 3.92 0.13 0.25 4 3.74 0.78 1.00 0.78 0 1

20145 3 M 3 17 Bogotá 497.99 2 0 1 3.92 0.13 0.20 5 3.83 0.79 1.00 0.78 0 1

20145 3 M 3 17 Bogotá 497.99 2 0 1 3.97 0.13 0.33 6 3.90 0.80 1.00 0.79 0 1

20145 3 M 3 17 Bogotá 497.99 2 0 1 4.10 0.11 0.29 7 4.00 0.81 1.00 0.82 0 1

20145 3 M 3 17 Bogotá 497.99 2 0 1 4.15 0.10 0.25 8 4.08 0.80 1.00 0.83 0 1

20145 3 M 3 17 Bogotá 497.99 2 0 1 3.66 0.13 0.22 9 3.87 0.77 1.00 0.73 0 1

20145 3 M 3 17 Bogotá 497.99 2 0 1 3.79 0.14 0.30 10 3.83 0.79 1.00 0.76 0 1

20145 3 M 3 17 Bogotá 497.99 2 0 1 3.67 0.16 0.36 11 3.75 0.85 1.00 0.73 3 6

20280 3 M 2 19 Fuera Bogotá y Alrededores480.26 2 0 2 4.10 0.00 0.00 1 4.10 1.14 1.00 0.96 0 1























20411 3 M 2 15 Bogotá 482.54 2 1 1 3.84 0.13 0.00 1 3.84 1.00 1.00 0.97 0 1

20411 3 M 2 15 Bogotá 482.54 2 1 1 3.75 0.08 0.50 2 3.80 0.86 1.00 0.97 0 1

20411 3 M 2 15 Bogotá 482.54 2 1 1 3.48 0.16 0.33 3 3.64 0.80 1.00 0.70 0 1

20411 3 M 2 15 Bogotá 482.54 2 1 1 3.58 0.20 0.50 4 3.61 0.74 1.00 0.72 0 1

20411 3 M 2 15 Bogotá 482.54 2 1 1 3.86 0.19 0.40 5 3.74 0.74 1.00 0.77 0 1

20411 3 M 2 15 Bogotá 482.54 2 1 1 3.79 0.18 0.33 6 3.77 0.76 1.00 0.76 0 1

20411 3 M 2 15 Bogotá 482.54 2 1 1 3.92 0.16 0.43 7 3.85 0.77 1.00 0.78 0 1

20411 3 M 2 15 Bogotá 482.54 2 1 1 4.09 0.16 0.25 8 3.97 0.75 1.00 0.82 0 1

20411 3 M 2 15 Bogotá 482.54 2 1 1 3.33 0.20 0.33 9 3.65 0.70 1.00 0.67 20 2

20411 3 M 2 15 Bogotá 482.54 2 1 1 3.55 0.19 0.40 10 3.60 0.74 1.00 0.71 0 1

20411 3 M 2 15 Bogotá 482.54 2 1 1 3.58 0.19 0.36 11 3.59 0.81 1.00 0.72 0 1

20411 3 M 2 15 Bogotá 482.54 2 1 1 4.30 0.18 0.33 12 3.95 0.90 1.00 0.86 0 1

20411 3 M 2 15 Bogotá 482.54 2 1 1 4.21 0.16 0.31 13 4.08 0.99 1.00 0.84 0 3

20411 3 M 2 15 Bogotá 482.54 2 1 1 4.97 0.16 0.29 14 4.53 1.00 1.00 0.99 0 5



De igual manera, se genera un archivo con el registro por estudiante de las materias

que perdió, con el nombre de la materia, el estado y la cantidad, donde se evidencia, si la

pasa la materia, si la pierde por primera, por segunda o por tercera vez, como se observa en

la tabla

Tabla 6-11

Archivo de salida por materias vistas

Estudiante Nombre materia Estado Cantidad

20112 Administración de empresas 1 1

20112 Aislamiento eléctrico 1 1

20112 Álgebra lineal -1 1

20112 Álgebra lineal 1 1

20112 Análisis de sistemas de potencia -1 1

20112 Análisis de sistemas de potencia 1 1

20112 Análisis de sistemas dinámicos 1 1

20112 Automatización -1 1

20112 Automatización 1 1

20112 Cálculo diferencial -1 1

20112 Cálculo diferencial 1 1

20112 Cálculo integral 1 1

20112 Cálculo multivariado 1 1

20112 Campos electromagnéticos -1 1

20112 Campos electromagnéticos 1 1

20112 Catedra de contexto 1 1

20112 Cátedra democracia y ciudadanía -2 1

20112 Cátedra democracia y ciudadanía -1 1

20112 Cátedra democracia y ciudadanía 1 1

20112 Cátedra Francisco José de Caldas 1 1

20112 Circuitos I -1 1

20112 Circuitos I 1 1

20112 Circuitos II -1 1

20112 Circuitos II 1 1

También se genera un archivo en donde se relacionan las asignaturas, con el estado

por primera, segunda y tercera vez, así como la cantidad de estudiantes que aprueban o

reprueban los estudiantes, como se muestra en la Tabla 6.12. Pero también es importante

111

resaltar, que algunas de las materias que más repitencia presentan, son las que se muestran

en esta tabla y que se debe prestar especial atención, para mejorar la retención.

Tabla 6-12

Archivo salida con cantidad de estudiantes que ven la materia y su estado

Nombre materia Estado Cantida

d Álgebra lineal -2 5

Cálculo diferencial -2 4

Cálculo diferencial -3 3

Cálculo integral -2 2

Cálculo integral -3 1

Cálculo multivariado -3 1

Cálculo multivariado -2 1

Cátedra de contexto -2 1

Cátedra democracia y ciudadanía -3 1

Cátedra democracia y ciudadanía -2 3

Cátedra francisco josé de caldas -2 1

Ciencias de la computación iii -3 4

Ciencias de la computación iii -2 9

Ecuaciones diferenciales -2 5

Electiva extrínseca i -2 1

Electiva extrínseca iv -2 1

Estadística -2 1

Física i: mecánica newtoniana -2 7

Física i: mecánica newtoniana -3 4

De igual forma, se generan las gráficas, donde se indica, el estado de los estudiantes

por periodo, según la Figura 6.13.



Figura 6-9

Estado de los estudiantes

Así mismo, se muestra la cantidad de veces que pierden los estudiantes, por cada una

de las causales de bajo rendimiento. Figura 6.10.

Figura 6-10

Causales de bajo rendimiento

En la tabla 6.11, se observa la salida de la simulación después de 10 corridas, para el

proyecto de Ingeniería de sistemas, para establecer el porcentaje de Deserción Vs. El

porcentaje de Graduación.

113

Tabla 6-13

Resultados de la Simulación Desertores Vs. Egresados de Sistemas

# Sim. Desertores Egresados Total %

Deserción

%

Graduación

1 22 28 50 0,56 0,48

2 22 28 50 0,45 0,58

3 20 30 50 0,60 0,40

4 32 18 50 0,36 0,42

5 24 26 50 0,52 0,56

6 26 24 50 0,48 0,52

7 28 22 50 0,44 0,48

8 17 33 50 0,66 0,52

9 21 29 50 0,58 0,66

10 24 26 50 0,52 0,58

Total 236 264 500 0,47 0,53

6.5 Análisis del Modelo

Con base en los resultados obtenidos de las simulaciones realizadas y el archivo de salida,

se hizo la validación, cargando esta información a SPSS, con el fin de analizar la salida y

establecer posibles acciones a seguir.

Una manera de evaluar el modelo, se tomaron 10 simulaciones para cada uno de los

proyectos curriculares, los resultados de cada una de las ejecuciones de las simulaciones, se

encuentran en el Anexo B. De acuerdo con estos datos simulados, se realizó la comparación

de cada salida, y se contrastó con los datos reales, como se aprecia en las tablas de la 6.14 a

la 6.20.



Tabla 6-14

Porcentaje estudiantes pos proyecto

Datos Reales Datos Simulados

Tabla 6-15

Porcentaje estudiantes por Género


0,240,21

0,11

0,210,23

0,00

0,05

0,10

0,15

0,20

0,25

Po

rcen

taje

de

estu

dia

nte

s

Proyecto Curricular

Porcentaje de Estudiantes

Proyecto Curricular

Sistemas Catastral Eléctrica

Electrónica Industrial

0,19 0,19 0,19 0,20

0,24

0,00

0,05

0,10

0,15

0,20

0,25

Po

rcen

taje

de

Estu

dia

nte

s

Proyecto Curricular

Porcentaje de Estudiantes por

Proyecto Curricular

Sistemas Catastral Eléctrica

Electrónica Industrial

0,23

0,77

0,00

0,20

0,40

0,60

0,80

1,00

Porcentaje

Po

rcen

taje

de

Estu

dia

nte

s

Género


Género

Femenino Masculino

0,24

0,76

0,00

0,20

0,40

0,60

0,80

Porcentaje

Po

rcen

taje

de

Estu

dia

nte

s

Género


Género

Femenino Masculino

115

Tabla 6-16

Porcentaje estudiantes Tipo de inscripción


Tabla 6-17

Porcentaje estudiantes por estrato


0,94

0,04 0,02

0,00

0,20

0,40

0,60

0,80

1,00


Po

rcen

taje

de

Est

ud

iante

s

Tipo de Inscripción




68,06

31,63

0,300,00

10,00

20,00

30,00

40,00

50,00

60,00

70,00

80,00


Po

rcen

taje

de

Est

ud

iante

s





0,47

0,37

0,16

00,050,1

0,150,2

0,250,3

0,350,4

0,450,5

Bajo Medio AltoPo

rcen

taje

de

estu

dia

nte

s

Estrato

Porcentaje de Estudiantes Estrato

Bajo Medio Alto

0,440,39

0,17

0,00

0,10

0,20

0,30

0,40

0,50

Bajo Medio Alto

Po

rcen

taje

Est

ud

iante

s

Estrato

Porcentaje de Estudiantes Estrato

Bajo Medio Alto



Tabla 6-18

Porcentaje estudiantes por Lugar de Procedencia


Tabla 6-19

Porcentaje de deserción por carrera en la facultad de Ingeniería datos reales

Proyecto

Curricular

No.

Desertores

Total

Estudiantes % Desertores

Industrial 1818 4620 0,39

Electrónica 2041 4354 0,47

Sistemas 2495 4867 0,51

Catastral 1840 4306 0,43

Eléctrica 1125 2304 0,49

Facultad 9319 20451 0,46

Fuente: informe parcial proyecto de investigación de Deserción profesor Rigoberto Quintero 2017

0,73

0,27

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

Bogotá AlrededoresPo

rcen

taje

de

Est

ud

iante

s

Lugar de Procedencia

Porcentaje Estudiantes por

Lugar Procedencia

Bogotá Alrededores

0,76

0,24

0,00

0,10

0,20

0,30

0,40

0,50

0,60

0,70

0,80

Bogotá Fuera de Bogotá

Po

rcen

taje

de

Est

ud

ian

tes




Bogotá Fuera de Bogotá

117

Tabla 6-20

Porcentaje de Deserción por carrera Facultad de Ingeniería

Datos Reales

Fuente: informe parcial proyecto de investigación de Deserción profesor Rigoberto Quintero 2017

Como se observa en la Tablas 6.21 y 6.22, los porcentajes de graduación y deserción, son

muy cercanos a los generados con datos reales tanto de los proyectos curriculares, como los

de la facultad, mediante el informe entregado a la decanatura, por parte del profesor

Rigoberto Quintero.

Tabla 6-21

Porcentaje Deserción Vs. Graduación por proyecto

Proyecto Desertor Graduado

Total Número Porcentaje Número Porcentaje

Sistemas 236 0,47 264 0,53 500

Catastral 217 0,43 283 0,57 500

Eléctrica 224 0,45 276 0,55 500

Electrónica 218 0,44 282 0,56 500

Industrial 209 0,42 291 0,58 500

0,51

0,49

0,47

0,39

0,46

0,43

0,00 0,10 0,20 0,30 0,40 0,50 0,60

Título del eje

Po

rcen

taje

Des

erto

res

Porcentaje Deserción por Carrera Facultad de Ingeniería

Catastral Facultad Industrial Electrónica Eléctrica Sistemas



Tabla 6-22

Porcentaje estudiantes por Lugar de Procedencia

Datos Simulados

La tabla 6-23, muestra los resultados del porcentaje de graduación para cada uno de los

proyectos, en donde industrial, refleja el mayor porcentaje, con un 0,58, mientras que

sistemas, presenta el menor con un 0,53, que realmente, se acerca mucho a la realidad.

0,47

0,45

0,44

0,42

0,44

0,43

0,00 0,10 0,20 0,30 0,40 0,50 0,60

Porcentaje

Pro

yect

o C

urr

icu

lar

Porcentaje Deserción por Proyecto

Catastral Facultad Industrial Electrónica Eléctrica Sistemas

119

Tabla 6-23

Porcentaje de Graduación

Datos Simulados

También se puede evidenciar en la Figura 6-11, que el porcentaje de mayor Graduación

de los estudiantes, se da en el semestre trece, seguido del semestre doce y muy pocos

estudiantes lo hacen en el tiempo estipulado de 10 semestres, también hay que señalar, que

existe un porcentaje pequeño de estudiantes, que también superan el número de quince

materias para concluir sus estudios.

0,53

0,57

0,55

0,56

0,58

0,56

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7

Porcentaje

Pro

yect

o C

urr

icu

lar

Porcentaje de Graduación

Facultad Industrial Electrónica Eléctrica Catastral Sistemas



Figura 6-11

Porcentaje Egresados por número de matrículas

Con respecto a la Deserción el porcentaje mayor se da en el tercero, seguido del quinto

semestre (deserción temprana) y otro momento, se da en el décimo y treceavo semestre

(deserción tardía y deserción tardía sin grado, colige, con los momentos de deserción

planteados en esta investigación, también es importante señalar, que el número de

estudiantes, que superan las quince matrículas establecidas en el reglamento, terminan

saliendo de la universidad.

Una política de retención, debería incidir mediante intervención de apoyo y

reforzamiento en estos períodos. La ventaja de estas simulaciones es que podría mostrar

comportamientos futuros y lograr a tiempo, tomar medidas. Al revisar individualmente el

0,08

0,14

0,290,32

0,12

0,04

0,0000,00

0,05

0,10

0,15

0,20

0,25

0,30

0,35

10 11 12 13 14 15 > 15

Po

rcen

taje

No. Matrículas

Porcentaje Egresados por número de matrículas

Porcentaje Egresado

121

comportamiento de cada estudiante, se encuentran las asignaturas que influyen mayormente

en la deserción.

Figura 6-12

Porcentaje Deserción por número de matrículas

También existe una participación de estudiantes, que terminan materias, pero que no

obtienen su título, así como graduados y desertores.

0,21

0,09

0,20

0,050,03

0,05 0,04

0,10

0,04 0,03

0,09

0,030,01 0,01

0,00

0,05

0,10

0,15

0,20

0,25

3 4 5 6 7 8 9 10 11 12 13 14 15 > 15

Po

rcen

taje

Número matrículas

Porcentaje Deserción por número de matrículas



Figura 6-13

Porcentaje de Estudiantes por Estado

Si bien es cierto, el porcentaje de mujeres en la facultad es menor, con respecto a los

hombres, que es del 0,24, y 0,76 respectivamente, estos valores si se ven reflejados en el

rendimiento académico, ya que se observa que las mujeres, tienen mejor desempeño

académico y logran graduarse en mayor proporción, con el 0,60, frente al 0,56 de los

hombres.

0,05

0,50

0,43

0,02 0,0050,00

0,10

0,20

0,30

0,40

0,50

0,60

Porcentaje

Porcentaje de Estudiantes por Estado

Terminó Materias Egresado Desertor Pierde Calidad Superó matrículas

123

Figura 6-14

Estado Académico por Género

0,06

0,60

0,31

0,02 0,010,05

0,56

0,36

0,02 0,00

-0,05

0,05

0,15

0,25

0,35

0,45

0,55

0,65

TerminóMaterias

Egresado Desertor Pierde Calidad Superómatriculas

Po

rcen

taje

Estado Académico

Estado Académico por Género

Femenino Masculino



CAPÍTULO 7

7. CONCLUSIONES Y TRABAJOS FUTUROS

7.1 Conclusiones

En el desarrollo del trabajo varias vías fueron intentadas, aprovechando la flexibilidad

del modelo, unas más exitosas que otras, pero en este camino se fueron develando asuntos

importantes en la búsqueda de soluciones, que se resumen así:

1. Los cuatro objetivos propuestos en la investigación fueron logrados. Para

simulaciones con otras facultades de la Universidad o de otras universidades, es

necesario realizar su propia caracterización de los datos, previos a las simulaciones.

2. La estrategia metodológica fue la apropiada, salvo algunas variaciones señaladas en

el informe. El modelo fue obligando a incorporar variables y a descartar otras. Las

primeras fueron estableciendo un peso importante, caso de estrato, influencia del

profesor, factores de rendimiento académico, factores de aprobación, apoyo

alimentario. Otras como, procedencia, tipo de colegio, lugar de residencia, entre

otros fueron descartados ya por ausencia de datos o por baja influencia en el modelo

que se trabaja. Es obvio que, al disponer de información, podrían ser revaluados en

125

el modelo. Por otra parte, las simulaciones fueron indicando los afinamientos de

variables en la medida que se examinaban los resultados.

3. El uso de Simulación Basada en Agentes permite modelar, con bastante propiedad

este tipo de sistemas complejos y las simulaciones realizan importantes aportes a la

investigación, principalmente, porque emergen comportamientos como que el apoyo

alimentario influye en la graduación de estudiantes, que es parte de los objetivos de

la investigación, para orientar políticas para mejorar la retención de estudiantes.

4. Esta investigación abre nuevas investigaciones tanto en ampliar la cobertura de

variables del mismo modelo como de nuevas investigaciones, entre otras, la

perentoria necesidad de vincular a las mismas, investigadores de ciencias sociales

para fortalecerlas con los métodos cualitativos tan influyentes en el comportamiento

de la población estudiantil.

5. Existe evidencia para afirmar que hay una asociación entre la posibilidad de:

graduarse, desertar, o perder la calidad estudiantil, con respecto a las variables

sociodemográficas (estrato, tipo de inscripción, género y el apoyo alimentario.Los

resultados de ésta investigación pueden extrapolarse a otras universidades, institutos

técnicos y tecnológicos nacionales e incluso e internacionales, no solo a nivel de

pregrado, sino que posiblemente puede aplicarse en análisis de deserción en

posgrados.



Otras conclusiones

Las mujeres tienen mejor desempeño académico, en el mapa de probabilidades, que

los hombres, a pesar de que en proporción es bastante menor su participación con

respecto a los hombres.

Una de las variables de interés, que se tuvo en cuenta fue el puntaje del ICFES, a pesar

que la mayoría de los estudiantes que ingresan a la facultad, superan los 350 puntos, el

rendimiento académico aflorado, no corresponde con ese nivel inicial, por lo que no es

relevante para el ingreso y se debería establecer otro mecanismo.

Quienes ingresaron por inscripción de Minorías, tienden más a perder la calidad

estudiantil, que los que ingresan por el criterio normal, se debe tener en cuenta para

reforzar y hacer un acompañamiento, con el fin de obtener los resultados deseados y de

ésta manera, reducir la deserción en esta población.

Los estudiantes que recibieron el “Apoyo Alimentario” tienen notoria tendencia más a

graduarse frente quienes no lo recibieron.

Los momentos importantes donde los estudiantes desertaron: tercero, quinto, décimo y

treceavo semestre (estudiantes que terminan materias sin obtener título).

La pérdida de calidad estudiantil por reglamento es muy grande en el primero, quinto

décimo y decimotercer periodo académico.

A mayor edad de ingreso, mayor posibilidad de perder la calidad estudiantil en el

transcurso de la carrera.

Se detectan las asignaturas con mayor repitencia y que impactan de manera significativa

en la deserción estudiantil.

127

7.2 Trabajos Futuros

El modelo queda disponible para su implementación en las instituciones de educación

superior, particularmente en los programas de ingeniería en tanto se tomó estos como

base y de los datos proporcionados por la Oficina de Sistemas, se construyeron los

elementos semilla para generar las simulaciones.

En correspondencia a las conclusiones, varias vetas de investigaciones futuras quedan

abiertas.

De igual manera se puede extender a las demás facultades de la universidad.

Análisis de la edad de ingreso con respecto al rendimiento académico de los estudiantes.

Una política de retención, debería incidir mediante intervención de apoyo y

reforzamiento en estos períodos. La ventaja de estas simulaciones es que podría mostrar

comportamientos futuros y lograr a tiempo, tomar medidas. Al revisar individualmente

el comportamiento de cada estudiante, se encuentran las asignaturas que influyen

mayormente en la deserción.

Se evidencia una cierta repitencia de asignaturas que se debe tener presente para

fortalecer la retención y graduación efectiva de los estudiantes.

Bibliografía Attinasi, L. C. (1989). Getting in: Mexican American Students' Perceptions of Their College Going Behavior

with Implications for their Freshman Year Persistence in the University. The Journal of Higher

Education, Vol. 60, No. 3 (Annual Meeting Paper, San Antonio), 247-277. doi:10.2307/1982250

Axelrod, R. (2005). Advancing the Art of Simulation in the Social Sciences. Gerald R. Ford School of

Public Policy,, 13.

Bean, J. P., & Eaton, S. (2001). The Psychology Underlying Successful Retention Practices. J. COLLEGE

STUDENT RETENTION, Vol. 3(1), 73-89.

Bernal, E., Cabrera, A., & Terenzini, P. (2000). The relationship between race and socioeconomic status

(SES): Implications for institutional research and admissions policies. Removing Vestiges:

Research-based strategies to promote inclusion. A publication of the American Association of

Community Colleges. , Nº 3, 6-19.

Boado, M. (2005). Una Aproximación a la deserción estudiantil universitaria en Uruguay. 74.

Braxton, J., Sullivan, A., & Johnson Jr, R. (1997 ). Higher Education: Handbook of Theory and Research In

J. C. Smart (Ed.). Printed in the United States: University of Memphis.

Brea, M. (2005). Deserción en la Educación Superior Pública en República Dominicana.

Cabrera, A. F., Castañeda, M. B., Nora, A., & Hengstler, D. (1992). The Convergence Between Two

Theories of College Persistence. The Journal of Higher Education, 63, No. 2 143-164.

doi:10.2307/1982157

Cabrera, A. F., Nora, A., & Castañeda, M. B. (1993). College Persistence: Structural Equations Modeling

Test of an Integrated Model of Student Retention. The Journal of Higher Education, 64(2), 123.

doi:10.2307/2960026

Carvajal, P., Trejos, A., & Soto M., J. (2004). Aplicación del Análisis Discriminante para Explorar a

Relación entre el Examen de ICFES y el Rendimiento en Algebra lineal de los Estudiantes de

Ingeniería de la UTP.

Casanova, D. (2005). Deserción estudiantil en la educación superior. Estudio de caso en la Universidad

Católica de la Santísima Concepción. Deserción estudiantil en la educación superior: estudio de

caso en la Universidad Católica de la Santísima Concepción.

Castaño, E., Gallón, S., Gómez, K., & Vásquez, J. (2004). Deserción estudiantil universitaria: una aplicación

de modelos de duración. Universidad de Antioquia, Lecturas de economía, 39-65.

Castellanos, M. C., Alvarado, L., & Villamil, J. E. (2018, 2018). University Student Desertion Analysis using

Agent-Based Modeling Approach. Paper presented at the 3rd International Conference on

Complexity, Future Information Systems and Risk.

CEDE, & Andes, U. d. l. (2007). Informe Técnico Investigación sobre Deserción en las Instituciones de

Educaión Superior en Colombia. Retrieved from Bogotá:

http://www.mineducacion.gov.co/sistemasdeinformacion/1735/articles-

254702_informe_tecnico_cede.pdf

COAE. (2006). La deserción estudiantil: reto investigativo y estratégico asumido de forma integral por la

UPN.

Díaz, C. (2008). Modelo Conceptual para La Deserción Estudiantil Universitaria Chilena. Estudios

Pedagógics XXXIV No. 2:65-86.

Donoso, S., & Schiefelbein, E. (2007). Análisis De Los Modelos Explicativos De Retención De Estudiantes

En La Universidad: Una Visión Desde La Desigualdad Social. Estudios pedagógicos (Valdivia), 33,

7-27.

Escobar Garcés, A. (2012 ). Modelo Basado En Agentes De Un Mercado Combinado De Sesiones

Dinámicas Call Market Y Continuous.

http://www.mineducacion.gov.co/sistemasdeinformacion/1735/articles-254702_informe_tecnico_cede.pdf

http://www.mineducacion.gov.co/sistemasdeinformacion/1735/articles-254702_informe_tecnico_cede.pdf

13

0

Modelamiento y Simulación del Fenómeno de la Deserción y Retención Estudiantil


Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention and behavior An Introduction to theory and

Research. MA, EE.UU.: Addison-Wesley, Reading.

Franklin, S., & Graesser, A. (1996). Is it an Agent, or just a Program?: A Taxonomy for Autonomous

Agents. Third International Workshop on Agent Theories, Third International Workshop on Agent

Theories, Architectures, and Languages, 10.

Gilbert, N., & Troitzsch, K. G. (2005). Simulation for the social scientist. Shoppenhangers Road.

Maidenhead. Berkshire. England: McGraw-Hill Education.

Gilbert, N., & Troitzsch, K. G. (2005). Simulation for the social scientist. Second Edition.

Gómez, N. (2016). Simulación basada en agentes. Una metodología para el estudio de sistemas complejos.

Centro de Innovación, Escuela de Administración, 24.

Gómez, N. (2016 ). Simulación basada en agentes 19-9-2016. In.

Himmel K., E. (2002). Modelo de analisis de la desercion estudiantil en la educacion superior. Revista

calidad de la educación, Alfaguia.org.

Huerta Barrientos, A. (2014). Modelacion y Simulacion de Sistemas Complejos. Paper presented at the

Cuarto Seminario Pensamiento Sistémico y Análisis de Sistemas,

ingenieria.unam/Avisos/Seminarios.

http://www.ingenieria.unam.mx/sistemas/PDF/Avisos/Seminarios/Seminario%20IV/10Modelacion

YSimulacionDeSistemasComplejos.pdf

Ishitani, T., & DesJardins, S. (2002 ). A longitudinal investigation of dropout from college in the United

States. Retrieved from Toronto, Canada:

Jennings, N. R. (2000). On agent-based software engineering. Artificial Intelligence, Elsevier Science B.V.,

117.

Kauffman, S. (2003). Investigaciones Complejidad, autoorganización y nuevas leyes para una biología

general (N. Y. Traducción Oxford University Press Ed.). Barcelona Tusquets Editores.

Luisi, P. L., & Leal, A. G. (2010). La vida emergente: De los orígenes básicos a la biología sintética:

Tusquets Editores.

Macal, C., & North, M. (2014). Introductory tutorial: Agent based modeling and simulation.pdf>.

Proceedings of the 2014 Winter Simulation Conference

A. Tolk, S. Y. Diallo, I. O. Ryzhov, L. Yilmaz, S. Buckley, and J. A. Miller, eds.

Macal, C., & North, M. J. (2010). Tutorial on agent-based modelling and simulation. Journal of Simulation,

4(3), 151–162. doi:10.1057/jos.2010.3

Macal, C. M., & North, M. J. (2010 ). Toward Teaching Agent-Based Simulation Winter Simulation

Conference, 10.

Macal, C. M., & North, M. J. (2014 ). Introductory Tutorial: Agent-Based Modeling And Simulation. Winter

Simulation Conference(A. Tolk, S. Y. Diallo, I. O. Ryzhov, L. Yilmaz, S. Buckley, and J. A. Miller,

eds.), 15.

Malagón, M., Calderón, C., & Soto, E. (2006). Informe Final Estudio de la Deserción Estudiantil de los

Programas de Pregrado de la Universidad de los Llanos. Universidad de los Llanos.

Maldonado, C. (2018a). Política + Tiempo = Biopolítica Complejizar la política. Bogotá, D.C. - Colombia:

Ediciones desde abajo.

Maldonado, C. (Producer). (2018b). Teoria de la Complejidad Retrieved from

https://www.youtube.com/watch?v=6SCxc-HLgkM

Maldonado, C., & Gómez, N. (2010). El mundo de las ciencias de la complejidad Un estado del arte,

Documento de Investigación No. 76.

Maturana, H. R., & Varela, F. J. (1980). Autopoiesis and cognition: the realization of the living.

MEN. (2016). Boletín Educación Superior en Cifras. Retrieved from

https://www.mineducacion.gov.co/1759/articles-358136_recurso.pdf

MEN, & Permanencia, G. d. (2015). Del Problema de la Deserción Estudiantil a la apuesta por la

Permanencia y la Graduación Boletin 6 Educación Superior en Cifras, 6.

MEN, & Sectorial, S. d. D. (2013-2014). Acuerdo Nacional Para Disminuir La Deserción En Educación

Superior.

MEN;Guzmán, C. D. D. F., Jorge. (2009). Deserción estudiantil en la educación superior colombiana:

Metodología de seguimiento, diagnóstico y elementos para su prevención.

Montes G., I., Almonacid H., P. M., Gómez C., S., Zuluaga D., F. I., & Tamayo Z, E. (2010). Análisis de la

Deserción Estudiantil en los Programa de Pregrado de la Universidad EAFIT. Escuela de

http://www.ingenieria.unam.mx/sistemas/PDF/Avisos/Seminarios/Seminario%20IV/10ModelacionYSimulacionDeSistemasComplejos.pdf

http://www.ingenieria.unam.mx/sistemas/PDF/Avisos/Seminarios/Seminario%20IV/10ModelacionYSimulacionDeSistemasComplejos.pdf

https://www.youtube.com/watch?v=6SCxc-HLgkM

https://www.mineducacion.gov.co/1759/articles-358136_recurso.pdf

Bibliografía 131

Administración, departamento de Economía, Serie Cuadernos de Investigación(Documento 81-

042010).

Nacional, U., Pinto S, M., Durán, D. M., Pérez, R., Reverón, C., & Rodríguez, A. (2007). Cuestión de

supervivencia: Graduación, Deserción y Rezago. (ISBN 978-958-701-853-0).

Nacional, U. P. (2004). La deserción estdiantil un reto UPN.

Nwana, H. S. (1996). Software Agents: An Overview. Intelligent Systems Research. Retrieved from

http://www.sce.carleton.ca/netmanage/docs/AgentsOverview/ao.html

Ocampo, J. d. D., Martínez, Á. d. l., Fuentes, M., & Zataraín, J. Reprobación Y Deserción En La Facultad De

Ingeniería Mexicali De La Universidad Autónoma De Baja California.

Olivares, S. (2001 ). Perspectivas teóricas de las familias: Como interacción, como sistemas y como

construcción social. In S. I. Olivares (Ed.), Conflictos Familiares ¿Cómo resolverlos? : Universidad

Católica del Norte.

Quintero, R., Vásquez, D., Torres, N., Estrada, J., & Castellanos, M. (2015). Bajo Rendimiento Académico

En La Universidad Distrital Francisco José De Caldas (U. D. F. J. d. Caldas Ed.). Bogotá:

Universidad Distrital Francisco José de Caldas.

Russell, S., & Norvig, P. (1995). Artificial Intelligence Modern Aapproach (3 ed.): Alan Apt.

Sayama, H. (2015). Introduction to the Modeling and Analysis of Complex Systems. State University of New

York at Geneseo. Geneseo, NY 14454: Open SUNY Textbooks, Milne Library.

Singh, M. P., & Huhns, M. N. (2005). Service-Oriented Computing Semantics, Processes, Agents. West

Sussex PO19 8SQ, England: John Wiley & Sons Ltd.

Spady, W. (1970). Dropouts from Higher Education An Interdisciplinary Review and Synthesis.pdf>. 64-85.

Timarán P, R., Calderón R, A., & Jiménez T, J. (2013). Descubrimiento de perfiles de deserción estudiantil

con técnicas de minería de datos.

Tinto, V. (1975). Dropout from Higher Education ATheoretical Synthesis of Recent Research. Review of

Educational Research, Vol. 45(No. 1), 89-125

Tinto, V. (1975 ). Dropout from Higher Education: ATheoretical Synthesis of Recent Research Review of

Educational Research, 45, 89-125.

Tinto, V. (1982). Limits of Theory and Practice in Student Attrition. The Journal of Higher Education, Vol.

53, 13.

Tinto, V. (1989). Definir La Deserción: una Cuestión de Perspectiva. Revista de la Educación Superior,

Volumen 18(3(71)), 33–51.

Tinto, V. (1993). Reflexiones Sobre El Abandono de los Estudios Superiores. Perfiles Educativos. Centro de

Estudios Sobre La Universidad, 62 (IRESIE), 10.

Tinto, V. (2006-2007). research and practice of student retention: what next? j. college student retention, Vol.

8(1).

Vásquez V., J., Castaño V., E., & Gómez P., K. (2003). Determinantes de la Deserción estudiantil en la

Universidad de Antioqia.

WEAVER, W. (1948). science and complexity. American Scientist, (New York City), 36: 536.

Wilensky, U., & Rand , W. (2015). An Introduction to Agent Based Modeling Modeling Natural Social and

Engineered Complex Systems with NetLogo. This book was set in Times LT Std 10/13pt by Toppan

Best-set Premedia Limited, Hong Kong. Printed and bound in the United States of America.:

Massachusetts Institute of Technology Cambridge, Massachusetts.

Wooldridge, M., & Jennings, N. (1996). Software Agents IEE-Review96, 17-20.

Wooldridge, M., & Jennings, N. R. (1995). Intelligent agents theory and practice The knowledge

Engineering Review, 10:12, 115-152.

http://www.sce.carleton.ca/netmanage/docs/AgentsOverview/ao.html

A. Anexo: Variables Categorizadas

Atributos seleccionados y categorizados de acuerdo con los datos suministrados por la

OAS

Factores Atributo Descripción

Académicos

Facultad Facultad en la que está adscrito el que está adscrito el estudiante: Ingeniería

Proyecto

1 Ingeniería de Sistemas

2 Ingeniería Catastral y Geodesia

3 Ingeniería Eléctrica

4 Ingeniería Electrónica

5 Ingeniería Industrial.

Estado

Se categorizan los siguientes estados, de acuerdo con los existentes en la

universidad.

1. Activo (Activo, movilidad, matriculado, en vacaciones)

2. Prueba_Académica (Prueba académica, activo y académica)

3. Termino (termino materias, termino y matriculo)

4. Desertor (abandono, retiro, no reporto notas, no oficializó matricula,

inactivo, retirado)

5. Egresado/Graduado

6. Pierde_CalidadE (no estudiante acuerdo 004, no supero prueba)

7. Aplazó (cancelo, termino y no matriculo)

Puntaje ICFES, Puntaje con el que ingresó el estudiante a la universidad

Tipo inscripción

Se agrupan las categorías, según las existentes en la universidad, así:

1 Normal

2 Minorías (indígenas, minorías étnicas y culturales,

desplazados, programas para la paz y la democracia)

3 Otros (beneficiarios, reserva cupo ser. militar, mejores bachilleres col.

distrital oficial, transferencia interna, transferencia externa,

beneficiarios, reserva cupo ser. militar, especial, convenio U. Antonio,

convenio Andrés Bello, convenio comité Olímpico, convenio

Montessori)

Promedio Promedio que tiene el estudiante

Número pruebas

académicas Número de pruebas académicas que ha tenido el estudiante

Asignaturas

reprobadas Número de asignaturas que ha reprobado el estudiante

Género

Género con el que ingresa el estudiante y tiene registrado en el sistema.

1. Femenino

2. Masculino


Universitaria Tratado como un Sistema Complejo Título de la tesis o trabajo de investigación

Factores Atributo Descripción

Edad Edad con la que ingresa el estudiante

Institucionales

Cohorte Cohorte con la que ingresa el estudiante

Año de ingreso Año de ingreso del estudiante

Indicativo Apoyo

alimentario

0. No

1. Si

Socio-

económicos

Estrato

Estrato que tiene el estudiante al ingreso, categorizado así:

Bajo 1

Medio 2 y 3

Alto >=4

Lugar de

Procedencia

Lugar de Procedencia, categorizado así:

1. Bogotá

2. Alrededores (Soacha, Chia, Facatativa, Zipaquira, Subachoque,

Mosquera, la Calera, Madrid, Chia, Caqueza, la Vega, Funza, Zipacon,

Ubate, Madrid, Fómeque, Sibate, Suesca, Sopo, Subachoque,

Gachancipa, Choachi)

3. Fuera de Bogotá (los demás departamentos y municipios)

4. Sin dato

E. Anexos 135

B. Anexo: Nivel Académico inicial

FPICFES FAPROB FPICFES FAPROB

1,0 1,0 0,7 1,0

1,0 0,9 0,7 0,9

1,0 0,8 0,7 0,8

1,0 0,7 0,7 0,7

1,0 0,6 0,7 0,6

1,0 0,5 0,7 0,5

1,0 0,4 0,7 0,4

1,0 0,3 0,7 0,3

1,0 0,2 0,7 0,2

1,0 0,1 0,7 0,1

0,9 1,0 0,6 1,0

0,9 0,9 0,6 0,9

0,9 0,8 0,6 0,8

0,9 0,7 0,6 0,7

0,9 0,6 0,6 0,6

0,9 0,5 0,6 0,5

0,9 0,4 0,6 0,4

0,9 0,3 0,6 0,3

0,9 0,2 0,6 0,2

0,9 0,1 0,6 0,1

0,8 1,0 0,5 1,0

0,8 0,9 0,5 0,9

0,8 0,8 0,5 0,8

0,8 0,7 0,5 0,7

0,8 0,6 0,5 0,6

0,8 0,5 0,5 0,5

0,8 0,4 0,5 0,4

0,8 0,3 0,5 0,3

0,8 0,2 0,5 0,2

0,8 0,1 0,5 0,1

Hasta aquí, el puntaje mínimo

de ingreso a la Universidad



C. Anexo: Salidas de Simulaciones

1. INGENIERÍA DE SISTEMAS

Simulación 1

Estados de los estudiantes Causales de prueba académica

E. Anexos 137

Simulación 2


Simulación 3


Simulación 4




Simulación 5


Simulación 6


Simulación 7


E. Anexos 139

Simulación 8


Simulación 9


Simulación 10




Simulación 11


2. INGENIERÍA CATASTRAL

E. Anexos 141

Simulación 1


Simulación 2


Simulación 3




Simulación 4


Simulación 5


Simulación 6


E. Anexos 143

Simulación 7


Simulación 8


Simulación 9




Simulación 10


3. INGENIERÍA ELÉCTRICA

E. Anexos 145

Simulación 1


Simulación 2


Simulación 3




Simulación 4


Simulación 5


Simulación 6


E. Anexos 147

Simulación 7


Simulación 8


Simulación 9




Simulación 10


4. INGENIERÍA ELECTRÓNICA

E. Anexos 149

Simulación 1


Simulación2


Simulación 3




Simulación 4


Simulación 5


Simulación 6


Simulación 7


E. Anexos 151

Simulación 8


Simulación 9


Simulación 10




5. INGENIERÍA INDUSTRIAL

Simulación 1


E. Anexos 153

Simulación 2


Simulación 3


Simulación 4


Simulación 5




Simulación 6


Simulación 7

Estados de los estudiantes

Causales de prueba académica

Simulación 8


E. Anexos 155

Simulación 9


Simulación 10




D. Anexo: Código Fuente

;======================================================================================

;Copyright 2018 Martha C. Castellanos R. ;

; See Info tab for full copyright and license ;

; Universidad Distrital Francisco José de Caldas ;

;======================================================================================

__includes [

"profesores.nls"

"condiciones_iniciales.nls"

"Factores.nls"

]

extensions [sql]

breed [ students student ]

breed [ subjects subjectU ]

globals [

coord_inX ;Coordenada inicial en X

coord_inY ;Coordenada inicial en Y

stopProgram ;Variable booleana que permite identificar cuando debe detenerse la simulación

curriculum ;Carga el curriculum del proyecto seleccionado

numproyecto ;Proyecto seleccionado desde la interfaz

limiteMatriculas;Número límite de matriculas que puede tener un estudiante

selecStudents ;Arreglo donde se cargan los estudiantes de la base de datos

TotPaAverage ;Variable que guarda el total de prueba académica por promedio

totPaThree ;Variable que guarda el total de prueba académica por repetir tres asignaturas

totPaThird ;Variable que guarda el total de prueba académica por repetir una materia 3 veces

numCreditsPlan ;Total de créditos del plan de estudios

totStudentPCE ;Total de estudiantes que pierden calidad

totTerminoM ;Total de estudiantes que terminaron materias

totStudentE ;Total de estudiantes egresados

contador ;

totale-M totale-F ; total de los estudiantes por estrato

totali-M totali-F ; total de los estudiantes por estrato

totalp-M totalp-F ; total de los estudiantes por estrato

ganapierdeeM ganapierdeeF ; total ganan o pierden por estrato

ganapierdeiM ganapierdeiF ; total ganan o pierden por inscripción

ganapierdepM ganapierdepF ; total ganan o pierden por estrato

fbayese ; factor de probabilidad de perder y ganar por género y estrato aplicando Bayes

fbayesi ; factor de probabilidad de perder y ganar por tipo inscripción

fbayesap ; factor de probabilidad de perder y ganar por tipo apoyo alimentario

limitem ; nota limite masculino

totStudentC ; Total estudiantes por curso

totStudentG ; Total estudiantes graduados

totsuperaMat ; Total estudiantes que superan límite matriculas]

turtles-own [

my-schedule

grades

class]

students-own [

CodStudent ;Código del estudiante

YearIn ;Año de ingreso

PeriodIn ;Periodo de ingreso

Gender ;Genero

Age ;Edad de ingreso

Stratum ;Estrato del estudiante

Birthplace ;Lugar de nacimiento

TypeRegister ;Tipo de inscripción

StatusA ;Estado académico actual del estudiante (Activo, Enprueba, Desertor, TerminoM, Graduado)

ScoreIcfes ;Puntaje del examen de estado, requisito para ingreso a la universidad equivalente de 0 a 100 pts

AccumAverage ;Promedio acumulado

E. Anexos 157

AverageSem ;Promedio semestre

NumPruebas ;Número de pruebas en las que ha incurrido el estudiante

StatePrueba ;Estado de la prueba académica

SemesterE ;Materia aprobada del semestre mas bajo acorde al curriculum :: Posición del estudiante en la malla

CurrentPeriod ;Periodo actual del estudiante 1 0 2

CurrentYear ;Año actual

approvedSubjects ;Materias aprobadas

lostSubjects ;Materias perdidas lista compuesta de la abreviatura y estado -1 -2 y -3

pendingSubjects ;Materias que nunca ha cursado

enrolledSubjects ;Materias cursadas en el semestre

repetitionIndex ;índice de repitencia

backwardnessIndex;índice de Atraso

permanenceIndex ;índice de permanencia

nivelIndex ;índice de nivelación

efficiencyIndex ;índice de eficiencia

numMatriculas ;Número de matrículas

creditsDisp ;Máximo de créditos semestre a semestre -- mín 15 normal 18 max 21

TApproved ;Número total de materias aprobadas

TLost ;Número total de materias perdidas

TEnrolled ;Número total de materias vistas

AcadPerformance ;Rendimiento académico del estudiante

AcademicSupport ;Apoyo académico

foodAssistance ;Apoyo alimentario]

subjects-own[

name ;Name of the subject

semester ;Different semesters of the student (1 - 10)

credits ;Número de créditos de la materia

dificult ;Probabilidad de perdida de la materia]

;======================================================================================;

MAIN PROCEDURE

;====================================================================================== to

setup

clear-all

setup-globals

setup-world

reset-ticks

end

to setup-globals

clear-patches

set-default-shape subjects "circle"

set-default-shape students "person student"

set coord_inX -18

set coord_inY 20

set stopProgram false

set TotPaAverage 0

set totPaThree 0

set totPaThird 0

ifelse activar-control-matriculas

[ set limiteMatriculas 25]

[set limiteMatriculas 15]

set selecStudents []

end

to setup-world

conn-bd

setup-bd

setup-curriculum

calCreditsPlan

setup-subjects

loadStudents

setup-students

end

;==========================================================================================

=======; Se borran los datos de las tablas de registro semestral y estudiante-materia



;==========================================================================================

to setup-bd

sql:exec-update "delete from martha.estudiante_materia" []

sql:exec-update "delete from martha.reg_semestral" []

print sql:current-database

end

;======================================================================================;

Conexión a la base de datos

;====================================================================================== to

conn-bd

sql:configure "defaultconnection" [["brand" "PostgreSQL"] ["host" "localhost"] ["port" 5432] ["database" "Desercion"]["jdbc-

url" "jdbc:postgresql://127.0.0.1:5432/postgres"] ["driver" "org.postgresql.Driver"] ["user" "postgres"]["password" "mcc123"]

["autodisconnect" "on"]]

sql:configure "connectionpool" [["timeout" 5000]]

sql:autocommit-on

end

;==========================================================================================

=======; Configuración de la malla curricular

;==========================================================================================

======= to setup-curriculum

print (word "proyecto seleccionado "proyectoIng)

sql:exec-query "SELECT id_proyecto FROM martha.proyecto WHERE n_proyecto = ?" (list proyectoIng)

if sql:row-available?[

set numproyecto first sql:fetch-row

]

print (word "número proyecto " numproyecto)

set curriculum []

loadCurriculum

print (word "curriculum actual " curriculum)

end

;==========================================================================================

=======; Crea la lista de materias que se distribuyen en el mundo

; las columnas son los semestres y las filas las materias

;==========================================================================================

======= to setup-subjects

ask patches [set pcolor 1.5]

let cordx 0

let cordy 0

foreach curriculum[

set cordx ?

foreach cordx [

set cordy ?

ask patches with [position cordx curriculum = (pxcor / 4 + 4.5) and position cordy cordx = (pycor / -4 + 4) ][

;print (word "pxcor" pxcor)

;print (word "pycor" pycor)

sprout-subjects 1[

set name item 0 cordy

set credits item 1 cordy

set dificult item 2 cordy

set color 87 set size 2.5

set label-color 25

set label name

] ] ] ]

end

;==========================================================================================

=======; Inicializa los datos de los estudiantes

;==========================================================================================

======= to setup-students

create-students num_students [

let act_estudiante first selecStudents

set numMatriculas 0

set CreditsDisp 18

set AcadPerformance 0

E. Anexos 159

set SemesterE 1

set statusA 1

set CodStudent item 0 act_estudiante

set Gender item 1 act_estudiante

set Stratum item 2 act_estudiante

set Age item 3 act_estudiante

set Birthplace item 4 act_estudiante

set ScoreIcfes item 5 act_estudiante

set TypeRegister item 6 act_estudiante

set YearIn item 7 act_estudiante

set PeriodIn item 8 act_estudiante

set CurrentPeriod PeriodIn

set CurrentYear YearIn

set enrolledSubjects []

set approvedSubjects []

set lostSubjects []

set pendingSubjects []

initPendingSubjects

setxy coord_inX coord_inY

set color 66

set size 3

set selecStudents butfirst selecStudents

]

end

;==========================================================================================

=======; Carga un número de estudiantes específico

; desde la bd de un proyecto curricular

;==========================================================================================

======= to loadStudents

sql:exec-query "SELECT * FROM ( SELECT distinct id_codest, genero, estrato, edad_ing, l_nac, p_icfes, t_inscripcion,

ano_ing, periodo_ing FROM martha.estudiante WHERE proyecto = ?) as a ORDER BY RANDOM() LIMIT ?" (list

numproyecto num_students)

while [sql:row-available?]

[set selecStudents (sentence selecStudents (list sql:fetch-row))]

print (word "estudiantes de BD " selecStudents)

set totStudentC num_students

print (word "estudiantes seleccionados " totStudentC)

; validateC

end

;==========================================================================================

=======; Procedimiento que controla cada iteración

;==========================================================================================

=======to go

if stopProgram = true[stop]

Print " "

Print " ________________ corte semestral __________________ "

Print " "

cursar_semestre

changeColorMoveStudents

if not any? students with [StatusA < 4 ][ set stopProgram true saveSimulation]

if ticks > limiteMatriculas [set stopProgram true saveSimulation]

tick

stateStudents

end

to cursar_semestre

ask students [

Print " "

print CodStudent

print " "

incr_period

register-subjects

reportar-notas

validarPerdidaCalidad



SaveRegSem

print (word "Semestre en curso " SemesterE)

print (word "lostSubjects " lostSubjects)

print (word "approvedSubjects " approvedSubjects)

print (word "Estado prueba " StatePrueba )

print (word "número de pruebas " NumPruebas )

print (word "Rendimiento académico " AcadPerformance)

print (word "estado del estudiante en el semestre " StatusA) ]

end

;==========================================================================================

=======; Materias del plan de estudios acorde al proyecto curricular

; Inicializa las materias pendientes

;==========================================================================================

======= to initPendingSubjects

let semestre 0

let materia 0

foreach curriculum [

set semestre ?

foreach semestre[

set materia ?

set pendingSubjects (sentence pendingSubjects (item 0 materia)) ] ]

end

;==========================================================================================

=; Inscribir materias

; Validar créditos y materias: ; se valida si el estudiante tiene créditos disponibles para inscribir.

; Así como se compara las materias pendientes con las materias del plan.

; Validar perdidas:

; se hace la verificación de las materias que tiene perdidas el estudiante

; Inscribir materias: ; Hace la inscripción de las materias perdidas primero.

; Posteriormente inscribe las demás materias, teniendo en cuenta el número máximo de créditos

; Se vacían las materias perdidas luego de la inscripción. ; Aumenta el número de matriculas

;==========================================================================================

======= to register-subjects

if StatusA < 4

[ calcCreditsDisp

print (word "créditos disponibles " CreditsDisp)

set enrolledSubjects []

print (word "Materias pendientes " pendingSubjects)

let nsubject 0 let state 0

if empty? lostSubjects = false

[ foreach lostSubjects

[ enroll(item 0 ?) (item 1 ?) (item 2 ?) ] ]

foreach pendingSubjects

[ if creditsDisp > 0

[ enroll(?) (0) (?) ] ]

print (word "Materias inscritas" enrolledSubjects)

set lostSubjects []

set numMatriculas numMatriculas + 1

print (word "número de matriculas " numMatriculas)

]

end

;==========================================================================================

=======; Incrementa el periodo en curso, por ejemplo de 2012 1 a 2012 2

;==========================================================================================

======= to incr_period

if numMatriculas != 0 [ifelse CurrentPeriod = 1

[set CurrentPeriod CurrentPeriod + 1]

[ set CurrentPeriod 1

set CurrentYear CurrentYear + 1] ]

print (word "Periodo actual " CurrentYear CurrentPeriod)

end

;==========================================================================================

= Procedimiento que inscribe una materia. ; parámetros [nombre de la materia | estado previo de la materia dificultad]

E. Anexos 161

; poscondiciones: disminuyen créditos disponibles, materia adicionada en enrolledSubjects

;==========================================================================================

======= to enroll [materia estado dificultad]

let creditosmat 0

let lista_posicion []

let id_mat 0

let dificul 0

set lista_posicion find_subject(materia)

set creditosmat (item 1 item (item 1 lista_posicion) item (item 0 lista_posicion) curriculum)

set id_mat (item 3 item (item 1 lista_posicion) item (item 0 lista_posicion) curriculum)

set dificultad (item 2 item (item 1 lista_posicion) item (item 0 lista_posicion) curriculum)

if creditsDisp >= creditosmat

[set enrolledSubjects (sentence enrolledSubjects (list (list materia estado id_mat dificultad)))

set creditsDisp creditsDisp - creditosmat]

end

;==========================================================================================

=======;; Reportar-notas del estudiante ; Se calcula el promedio del semestre y el acumulado ; Se Actualizan las materias

pendientes, perdidas y aprobadas ; stateS ; state subject ;; 0 indicates that the student has not taken a course yet

;; 1 indicates that the student passed the class

;; -1 indicates that the student failed the class once

;; -2 indicates that the student failed the class twice

;; -3 indicates that the student failed the class three time

; Si el estudiante repite una materia más de una vez. ; Se reduce en un 15% la probabilidad de perderla nuevamente, es decir: ;

por segunda vez - 15 % ; Validar si en enrolled sólo está pry gr1 y pr gr2 cambiar StatusA 4

;==========================================================================================

======= to reportar-notas

if StatusA < 4

[ let posicion 0 let fp 1.0 let valor 0 let probabilidadP 0 let nsubject 0 let estsubject 0 let id_materia 0 let nota 0 let

creditsmat 0 let creditsem 0 let dificul 0

set AverageSem 0 let minimo 3 let notax 0 let notafe 0 let materia 0 let notae 0 let k 0 let v 0 let i 0 let z 0 let porcentaje-

aprobacion-apoyo 0.66

let j 0 let notains 0 let y 0 let notaapo 0 let suma-gana 0 let suma-pierde 0 let m 0 let notaestrato 0

set fbayese [0.65 0.65 0.66 0.71 0.75 0.80 ] set fbayesi [0.65 0.64 0.76 0.74 0.39 0.73 ] set fbayesap [0.40 0.28 0.70 0.77

]

print who

foreach enrolledSubjects

[set nsubject item 0 ? set estsubject item 1 ? set id_materia item 2 ? set dificul item 3 ?

set posicion (find_subject(nsubject))

set creditsmat item 1 item (item 1 posicion) item (item 0 posicion) curriculum

set creditsem creditsem + creditsmat

set probabilidadP item 2 item (item 1 posicion) item (item 0 posicion) curriculum

ifelse Gender = "M"

[set i Stratum - 2

set j TypeRegister - 1

set k foodAssistance ]

[set i Stratum + 1

set j TypeRegister + 2

set k foodAssistance + 2 ]

set z ( random-float 1)

print (word " z :: " z )

ifelse (z < 0.12) ; ( (item i fbayese)))

[ print (word "(item i fbayese perder :: " (item i fbayese))

set notaestrato ( 1 + (random-float 1.9))

print (word "nota estrato perder :: " notaestrato )

set suma-pierde suma-pierde + 1 ]

[ set notaestrato ((random-float 2) + 3 )

set suma-gana suma-gana + 1

print (word "nota estrato pasar :: " notaestrato ) ]

set y ( random-float 1) ; ---> ifelse (( random-float 1) < 1 - (item i fbayesi))

ifelse (y < (1 - (item j fbayesi)))

[ print (word "y :: " y)

set notains ( 1 + (random-float 1.9)) ]

[ set notains ((random-float 2) + 3 ) ]

set v ( random-float 1) ;---->ifelse (( random-float 1) < 1 - (item i fbayese))



ifelse (v < (1 - (item k fbayesap)))

[ print (word "k :: " k)

set notaapo ( 1 + (random-float 1.9)) ]

[ set notaapo ((random-float 2) + 3 ) ]

set notafe notaestrato

set notafe (notaestrato + notains + notaapo ) / 3

set m (random-float 1 + (abs estsubject)*(0.05))

ifelse ( m ) < probabilidadP

[ set notax (1 + (random-float 1.9))]

[ set notax ((random-float 2) + 3)]

set nota (notafe + notax ) / 2

---> FACTOR DE PR5OFESOR ; "Aceptable" "Excelente" > 0.8 and factor_profesor <= 1 "Bueno" > 0.6 and

factor_profesor <= 0.8

print (word "FProfesor :: " fp)

print (word "nota antes fp :: " nota)

set fp precision ( random-float(1 - 0.5) + 0.5) 2

if activar-factor-profesor

[ifelse fp > 0.8

[set nota nota + 0.10 ]

[ifelse fp > 0.6

[set nota nota + 0.08 ]

[set nota nota + 0.01] ]

] if nota > 5.0

[set nota 5.0]

print (word "FProfesor :: " fp)

print (word "nota con fp :: " nota)

if activar-apoyo-alimentario

[set nota nota + 0.15

print (word "minimo nota apoyo :: " minimo ) ]

ifelse nota < 3

[set lostSubjects (sentence lostSubjects (list (list nsubject (estsubject - 1) id_materia)))

set TLost TLost + 1

sql:exec-update "INSERT INTO martha.estudiante_materia(anio, periodo, nota_def, estado, estudiante, materia,

matricula) VALUES (?, ?, ?, ?, ?, ?, ?)" (list CurrentYear CurrentPeriod nota (estsubject - 1) CodStudent id_materia

numMatriculas)

changeColorSubject(nsubject)(estsubject - 1) ][

set approvedSubjects (sentence approvedSubjects (list (list nsubject 1 id_materia)))

set TApproved TApproved + 1

set nota precision (random-float 2 + 3) 2

sql:exec-update "INSERT INTO martha.estudiante_materia(anio, periodo, nota_def, estado, estudiante, materia,

matricula) VALUES (?, ?, ?, ?, ?, ?, ?)"(list CurrentYear CurrentPeriod nota 1 CodStudent id_materia numMatriculas)

changeColorSubject(nsubject)(1) ]

set AverageSem AverageSem + ( nota * creditsmat )

set pendingSubjects remove nsubject pendingSubjects

set TEnrolled TLost + TApproved ]

if empty? enrolledSubjects = false

[set SemesterE item 0 (find_subject(first first enrolledSubjects)) + 1

set AverageSem precision (AverageSem / creditsem ) 2 ]

ifelse numMatriculas = 1

[set AccumAverage AverageSem]

[set AccumAverage precision ((AccumAverage + AverageSem ) / 2) 2]

;; Termina materias si en las materias aprobadas estan todas excepto gr2

if TApproved >= (((count subjects)) - 1)

[set StatusA 3]

;; Se gradua si ya supero el plan de estudios

if empty? pendingSubjects and empty? lostSubjects

[set StatusA 5 ]

calIndex

validarCausalesPA

calctotTerminoM ]

end

;==========================================================================================

=======; Cambia el color de la materia acorde al estado

E. Anexos 163

;==========================================================================================

======= to changeColorSubject[nsubject estsubject]

let subjectt 0

set subjectt first [who] of subjects with [name = nsubject]

;print (word "esta es la materia " subjectU subjectt)

ask subjectU subjectt[

if estsubject = -1

[set color 46

set label-color black]

if estsubject = -2

[set color 26

set label-color black]

if estsubject = -3

[set color 25

set label-color white]

if estsubject = -4

[set color 14

set label-color white]

if estsubject = 1

[set color 65

set label-color white] ]

end

;==========================================================================================

=======; procedimiento que valida las causales de incurrir en prueba académica del estudiante

; 0 SIN PRUEBA ; 100 PROMEDIO

; 20 MAS DE 2 ASIGNATURAS REPROBADAS

; 3 ASIGNATURA REPROBADA 2 VECES

; 120 PROMEDIO y MAS DE 2 ASIGNATURAS REPROBADAS

; 103 PROMEDIO y ASIGNATURA REPROBADA 2 VECES

; 23 MAS DE 2 ASIGNATURAS REPROBADAS y ASIGNATURA REPROBADA 2 VECES

; 123 PROMEDIO y MAS DE 2 ASIGNATURAS REPROBADAS y ASIGNATURA REPROBADA 2 VECES

;==========================================================================================

=

to validarCausalesPA

if StatusA < 3 [

set StatePrueba ""

;;promedio del semestre inferior a 3.2

if AverageSem < 3.2

[set StatePrueba (word StatePrueba 1)

set totPaAverage totPaAverage + 1]

;; perder 3 materias

let num_lost_subj length lostSubjects

ifelse num_lost_subj > 2


set totPaThree totPaThree + 1]

[if empty? StatePrueba = false[set StatePrueba (word StatePrueba 0)]]

;; perder por tercera vez una materia

let max_lost 0

foreach lostSubjects [

if item 1 ? < max_lost

[set max_lost item 1 ?] ]

ifelse max_lost < -2


set totPaThird totPaThird + 1

ifelse max_lost = -3

[if calCreditsApproved < ((70 * numCreditsPlan) / 100)

[ set StatusA 6 ]]

[set StatusA 7 ] ]

[set StatePrueba (word StatePrueba 0)]

ifelse StatePrueba != "0"

[set NumPruebas NumPruebas + 1

if StatusA < 6 [set StatusA 2]]

[set StatusA 1] ]

end



;==========================================================================================

=======; Validar causales de pérdida de calidad de estudiante

;==========================================================================================

======= to validarPerdidaCalidad

if StatusA < 4[

let caso1 0

let caso2 0

; Caso 1: Promedio < 3.2 por 4 periodos

sql:exec-query "select count(*) from martha.reg_semestral where estudiante = ? and (prueba = 100 or prueba = 120 or

prueba = 103 or prueba = 123)" (list CodStudent)

set caso1 first sql:fetch-row

; Caso 2: Haber reprobado 3 o más espacios por 4 periodos

sql:exec-query "select count(*) from martha.reg_semestral where estudiante = ? and (prueba = 20 or prueba = 120 or prueba

= 23 or prueba = 123)" (list CodStudent)

set caso2 first sql:fetch-row

; Caso 3: Reprobar 1 o más espacios hasta por 3ra o 4ta vez

; Sólo se puede reprobar 4 veces si ha aprobado más del 70 % del total de créditos académicos del plan

; Este caso se valida en el método validar_causalesPA. ; Si supera el límite de matriculas

if numMatriculas = limiteMatriculas and StatusA != 5

[ set StatusA 10

print (word "SUPERA NUMERO MATRICULAS “ StatusA)

set totsuperaMat totsuperaMat + 1 ]

; Si el número de casos 1 y 2 es mayor a 3 pierde calidad de estudiante

if caso1 > 3

[set StatusA 8

print (word "estatus 8 ? " StatusA) ]

if caso2 > 3

[set StatusA 9

print (word "estatus 9 ? " StatusA) ] ]

end

;==========================================================================================

=======; Encontrar una materia en la malla curricular. ; retorna un arreglo con las posiciones [ semestre materia ]

;==========================================================================================

======= to-report find_subject[name_subject]

let posicion []

let semestre 0

let materia 0

foreach curriculum [

set semestre ?

foreach semestre [

set materia ?

if member? name_subject materia

[set posicion (sentence position semestre curriculum position materia semestre)] ]

] report posicion

end

===========================================================================================

======; Carga el curriculum del proyecto seleccionado en la interfaz

;==========================================================================================

======= to loadCurriculum

let msemestre []

let semestre 1

;conn-bd

while [semestre < 11]

[set msemestre []

sql:exec-query "SELECT abreviatura , o_creditos, p_dificultad, id_materia FROM martha.materia WHERE proyecto = ?

AND o_semestre = ?" (list numproyecto semestre)

while [sql:row-available?]

[set msemestre (sentence msemestre (list sql:fetch-row))]

set curriculum (sentence curriculum (list msemestre))

set semestre semestre + 1 ]

;sql:disconnect

end

E. Anexos 165

;==========================================================================================

=======; Número de créditos del plan

;==========================================================================================

======= to calCreditsPlan

sql:exec-query "SELECT sum (o_creditos) FROM martha.materia WHERE proyecto = ?" (list numproyecto)

set numCreditsPlan first sql:fetch-row

print (word "créditos del plan " numCreditsPlan)

end

;==========================================================================================

=======; Calcula el número de créditos aprobados

;==========================================================================================

======= to-report calCreditsApproved

let numCreditsApproved 0

sql:exec-query "select sum(m.o_creditos) from martha.materia m, martha.estudiante_materiai em where m.id_materia =

em.materia and em.estado = 1 and em.estudiante = ?" (list CodStudent)

set numCreditsApproved first sql:fetch-row

report numCreditsApproved

print (word "créditos aprobados " numCreditsApproved)

end

;==========================================================================================

=======; Cálculo de los índices semestrales que permiten calcular el rendimiento académico

;==========================================================================================

======= to calIndex

set repetitionIndex precision (TLost / TEnrolled) 2

set backwardnessIndex precision (1 - (SemesterE / numMatriculas)) 2

set permanenceIndex precision (calcNumSemIn / numMatriculas ) 2

set nivelIndex precision (TApproved / calcNumSub) 2

calcAcadPerformance

end

;==========================================================================================

=======; Inserta en la base de datos el registro semestral por estudiante

;==========================================================================================

= to SaveRegSem

sql:exec-update "INSERT INTO martha.reg_semestral(promedio_sem, i_permanencia, i_repitencia, i_atraso,

estudiante,matricula, prueba, promedio_acum, i_nivelacion, rendimiento_acad, estado) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)"

(list AverageSem permanenceIndex repetitionIndex backwardnessIndex CodStudent numMatriculas read-from-string

StatePrueba AccumAverage nivelIndex AcadPerformance StatusA)

end

;==========================================================================================

=;Calcular el número de materias que el estudiante debería haber cursado

;según la matrícula actual

;==========================================================================================

= to-report calcNumSub

let NumSub 0

let cont 0

let validation 0

ifelse numMatriculas < length curriculum[

set validation numMatriculas

][set validation length curriculum]

repeat validation [

set NumSub NumSub + length (item cont curriculum)

set cont cont + 1 ]

; print (word "Num materias debería haber aprobado " NumSub)

report NumSub

end

;==========================================================================================

=; Calcular número de semestres desde el ingreso. ; Se presentan casos en los que un estudiante deja de matricularse o cancela

semestre

;==========================================================================================

= to-report calcNumSemIn

let NumSemIn 0

set NumSemIn (CurrentYear - YearIn) * 2

ifelse PeriodIn = CurrentPeriod [

set NumSemIn NumSemIn + 1



][if CurrentPeriod > PeriodIn[

set NumSemIn NumSemIn + 2 ] ]

report NumSemIn

end

;==========================================================================================

=======; Calcula los créditos disponibles en el semestre acorde al rendimiento académico

;==========================================================================================

======= to calcCreditsDisp

if numMatriculas > 0

[if AcadPerformance < 60

[set CreditsDisp 15]

if AcadPerformance >= 60 and AcadPerformance < 90

[set CreditsDisp 18]

if AcadPerformance > 90

[set CreditsDisp 21]]

end

;==========================================================================================

=======; Calcular el rendimieto académico del estudiante

;==========================================================================================

======= to calcAcadPerformance

; set AcadPerformance precision ((10 * AccumAverage) + (25 * (1 - repetitionIndex)) + (5 * permanenceIndex) + (10 *

nivelIndex) + (10 * (1 / (1 + NumPruebas)))) 2

let MaxIcfes 0

set MaxIcfes 500

ifelse (SemesterE > 1)

[ set AcadPerformance precision ( (AverageSem) / 5) 2

print (word "RA calcAcadPerformance ..... " AcadPerformance) ]

[ set AcadPerformance precision (((ScoreIcfes) / MaxIcfes)) 2

print (word "ra de calcAcadPerformance... " AcadPerformance)

print (word "ICFES..calcAcadPerformance " ScoreIcfes) ]

end

;==========================================================================================

=======; Termina la ejecución de los estudiantes con estados de: ; Deserción, Egresados y Perdida de calidad de estudiantes

;==========================================================================================

= to stateStudents

ask students[

if StatusA > 3

[die] ]

end

;======================================================================================;

Cambia el color de los estudiantes acorde al estado. ; mueve el estudiante al semestre de la materia más baja

;====================================================================================== to

changeColorMoveStudents

ask students[

setxy (coord_inX + (4 * (SemesterE - 1))) coord_inY

ifelse StatusA > 4

[ ifelse StatusA = 5

[set color blue set totStudentE totStudentE + 1]

[set color red set totStudentPCE totStudentPCE + 1 ]

Die ]

[if StatusA = 2 [set color orange]

if StatusA = 3 [set color green]

if StatusA = 1 [set color 28 ] ]]

end

;======================================================================================;

Total de estudiantes que terminaron materias

;====================================================================================== to

calctotTerminoM

sql:exec-query "select count (*) from (select count(*), estudiante from martha.reg_semestral where estado=3 group by

estudiante) as a" [] set totTerminoM first sql:fetch-row

end

;======================================================================================;

Guarda los datos de la simulación actual en csv. ; Modificar la ruta destino

E. Anexos 167

;====================================================================================== to

saveSimulation

sql:exec-update (word "Copy (select id_codest, proyecto, genero, estrato, edad_ing, l_nac, p_icfes, t_inscripcion, iapoyo,

cod_nac, promedio_sem, i_repitencia, i_atraso, estudiante, matricula, promedio_acum, i_nivelacion, i_permanencia,

rendimiento_acad, prueba, estado From martha.estudiante e, martha.reg_semestral rs where rs.estudiante=e.id_codest order by

rs.estudiante, rs.matricula) To 'D:/Documents/Maestria/regsem" (substring date-and-time 7 27) ".csv' With CSV DELIMITER ','

ENCODING 'WIN1252' Header" ) [ ]

sql:exec-update (word "Copy (select m.n_materia, em.estado, count(*) from martha.materia m ,martha.estudiante_materia em

where m.id_materia=em.materia group by m.n_materia, em.estado order by n_materia) To 'D:/Documents/Maestria/materias"

(substring date-and-time 7 27)".csv' With CSV DELIMITER ',' ENCODING 'WIN1252' Header" ) [ ]

sql:exec-update (word "Copy (select em.estudiante,m.n_materia, em.estado, count(*) from martha.materia m

,martha.estudiante_materia em where m.id_materia=em.materia group by m.n_materia, em.estado, em.estudiante order by

em.estudiante,n_materia) To 'D:/Documents/Maestria/Estudiante" (substring date-and-time 7 27) ".csv' With CSV DELIMITER

',' ENCODING 'WIN1252' Header" ) [ ] end

;==========================================================================================

=======; Agente Profesor

;==========================================================================================

breed [ profesores profesor ]

;; ATRIBUTOS DE LOS PROFESORES

profesores-own [

factor_profesor; [Excelente(0.8 < x <= 1) Bueno (0.6 < x <= 0.8) Aceptable(x <= 0.6)]; es una unidad cuantitativa

materia_que_dicta

estadop]

to mover-profesores

ask profesores[

fd 10 ]

end

to asignar-factor

let puntuacion precision (random (5) + 1) 2 ; es la puntuacion evaluada por los estudiantes

set factor_profesor precision (puntuacion / 5) 2

end

;; Clasificacion

;; Parametros: factor-profesor

;; Report: Alias de factor-profesor

to-report clasificacion

let auxiliar "Aceptable" ; "Aceptable" "Excelente" > 0.8 and factor_profesor <= 1 "Bueno" > 0.6 and factor_profesor <= 0.8

ifelse (factor_profesor > 0.8 and factor_profesor <= 1)[

set auxiliar "Excelente" ][

if (factor_profesor > 0.6 and factor_profesor <= 0.8)[

set auxiliar "Bueno" ] ]

report auxiliar

end

;==========================================================================================

; Cálculo de Probabilidad, para crear un estudiante de estrato alto, medio o bajo

;==========================================================================================

to-report probabilidad-estrato-estudiante

let probabilidad random-float 100

let nivel_socioeconomico 4

ifelse probabilidad < 46.8 [

set nivel_socioeconomico 2 ][

if probabilidad < 85 [

set nivel_socioeconomico 3 ] ]

report nivel_socioeconomico

end

;==========================================================================================

; Probabilidad, de género del estudiante

;==========================================================================================

to-report probabilidad-genero


let seleccion_genero "M"


set seleccion_genero "F” ]

report seleccion_genero

end



;==========================================================================================

; Probabilidad, del tipo de inscripción del estudiante

;==========================================================================================

to-report probabilidad-tipo-inscripcion


let seleccion_inscripcion 1


set seleccion_inscripcion 3 ;Otros ][


set seleccion_inscripcion 2 ; Minorías ] ]

report seleccion_inscripcion

end

;=====================================================================================

; Cálculo de probabilidad para crear estudiante que tenga o no el apoyo alimentario 1=Si 0=No

;==========================================================================================

to-report probabilidad-apoyo


let seleccion_apoyo 0 ; no tiene apoyo alimentario


set seleccion_apoyo 1 ]

report seleccion_apoyo

end

;==========================================================================================

; probabilidad del acuerdo

;==========================================================================================

to-report probabilidad-acuerdo


let seleccion_acuerdo 2 ; acuerdo 004


set seleccion_acuerdo 1 ;; acuerdo 007 ]

report seleccion_acuerdo

end

;=================================================================================;

Probabilidad del lugar de procedencia 1= Bogotá, 2= fuera de Bogotá

;=================================================================================

to-report probabilidad-procedencia


let seleccion_procedencia "Bogotá" ;1


set seleccion_procedencia "Fuera Bogotá y Alrededores" ; 2 ; Fuera Bogotá ]

report seleccion_procedencia

end

;=================================================================================

; probabilidad de obtener el puntaje del Icfes.

;=================================================================================

to-report probabilidad-Icfes


let seleccion_icfes precision (450 + random-float 50) 2 ;3 ;"alto"

ifelse probabilidad < 59 [

set seleccion_icfes precision (350 + random-float 50) 2 ; de 350 a 400 1; "bajo" ][


set seleccion_icfes precision (400 + random-float 50) 2 ; de 350 a 400 1; "bajo"2 ;"medio" ] ]

report seleccion_icfes

output-print seleccion_icfes

end

to-report probabilidad-codigo

let calculo 0 let cadena 0

set cadena 20102

set calculo (cadena + random 500)

report calculo

end

;==========================================================================================

; Probabilidad de edad del estudiante menor de edad, entre 18 y 22, mayor de 22

E. Anexos 169

;==========================================================================================

to-report probabilidad-edad


let seleccion_edad precision (14 + random-float 3) 2 ;1 menor de edad


set seleccion_edad precision (19 + random-float 15) 2 ; 3 mayor de 22 ][

if probabilidad < 29.2 [ set seleccion_edad precision (17 + random-float 5) 2 ; 2 entre 18 y 22 ] ]

report seleccion_edad

output-print seleccion_edad

end

;==========================================================================================

;; Proyectos ;; 1. Ing. Electrice ;; 2. Ingenieria Catastral ;; 3. Ingenieria Electrónica ;; 4. Ingeniería Industrial ;; 5. Ingeniería de

Sistemas

;==========================================================================================

to-report probabilidad-carrera

let random-carrera random-float 100

let carrera 5

ifelse random-carrera < 12 [

set carrera 1 ][

ifelse random-carrera < 32 [

let aux_random random 2

ifelse aux_random = 1 [

set carrera 2 ][

set carrera 3 ] ][

if random-carrera < 54 [

set carrera 4 ] ]

] report carrera

end

;==========================================================================================

; Probabilidad para cálculo del valor de la matrícula, dependiendo del estrato. ; No se tiene en cuenta

;==========================================================================================

to-report calcular-valor-matricula

let calculo random-float (100 - 5) + 5

ifelse Stratum = 2 [

set calculo random-float (200 - 100) + 100 ][

if Stratum = 3 [ set calculo random-float (2000 - 200) + 200 ] ]

set calculo calculo * 1000

report calculo

end

;==========================================================================================

;Probabilidad aprobación mujer nota menor de 3 ;mujer_estrato_bajo_nota_baja, 0,61 ;mujer_estrato_medio_nota_baja, 0,36

;mujer_estrato_alto_nota_baja, 0.03

;==========================================================================================

to-report probabilidad-mujer-nmenor

let nmenor-mujer 0


set nmenor-mujer 4 ; alto


set nmenor-mujer 3 ; bajo ][


set nmenor-mujer 2 ; medio ] ]

report nmenor-mujer

end

;==========================================================================================

;Probabilidad aprobación mujer, nota mayor de 3 ;mujer_estrato_bajo_nota_alta, 0,80 ;mujer_estrato_medio_nota_alta, 0,75

;mujer_estrato_alto_nota_alta, 0,71

;==========================================================================================

to-report probabilidad-mujer-nmayor

let nmayor-mujer 0


set nmayor-mujer 4 ; alto


set nmayor-mujer 3 ; bajo ][




set nmayor-mujer 2 ; medio ] ]

report nmayor-mujer

end

;-------

;Probabilidad aprobación hombre, nota menor de 3 ;hombre_estrato_bajo_nota_baja, 0,35 ;hombre_estrato_medio_nota_baja,

0,35

;hombre_estrato_alto_nota_baja, 0.34;-------

to-report probabilidad-hombre-nmenor

let nmenor-hombre 0


set nmenor-hombre 4 ; alto


set nmenor-hombre 3 ; bajo ][


set nmenor-hombre 2 ; medio ] ]

report nmenor-hombre

end

;Probabilidad aprobación hombre, nota mayor de 3 ;hombre_estrato_bajo_nota_baja, 0.65 ;hombre_estrato_medio_nota_baja,

0.65 ;hombre_estrato_alto_nota_baja, 0.66 ;-------

to-report probabilidad-hombre-nmayor

let nmayor-hombre 0


set nmayor-hombre 4 ; alto


set nmayor-hombre 3 ; bajo ][


set nmayor-hombre 2 ; medio ] ]

report nmayor-hombre

end

E. Anexos 171

E. Anexo: Premio mejor Póster