El objetivo de esta investigación es comparar el rendimiento de tres algoritmos de aprendizaje automático: Gradient Boosting, XGBoost y K-Nearest Neighbors (KNN) en la predicción de la graduación de estudiantes utilizando un enfoque cuantitativo y métodos experimentales comparativos. El proceso de análisis sigue las etapas del CRISP-DM, que incluyen comprensión del negocio, comprensión de datos, preparación de datos, modelado, evaluación e implementación. El conjunto de datos utilizado consiste en aproximadamente 1,251 puntos de datos de estudiantes de la cohorte 2018–2020 con una distribución desbalanceada, a saber, el 73.78% se graduó a tiempo y el 6.22% no se graduó a tiempo. Las variables analizadas incluyen datos académicos y no académicos, como créditos totales, GPA por semestre, número de cursos repetidos y número de licencias. Para abordar el desbalance de datos, se aplicó la técnica de balanceo SMOTE-TOMEK. Los resultados de esta investigación indican que XGBoost mostró una mejora en el rendimiento después del balanceo, con precisión, precisión, recuperación y F1-score alcanzando 1.0000. Gradient Boosting muestra un rendimiento consistente con una puntuación de 0.9992, tanto antes como después del balanceo. KNN también experimentó un aumento en la precisión de 0.9928 a 0.9968 después del proceso de balanceo. Los hallazgos de los resultados de la matriz de confusión muestran una mejora significativa en la clasificación. Por lo tanto, la implementación de la técnica SMOTE-TOMEK ha demostrado ser efectiva para mejorar el rendimiento de los modelos de clasificación sobre datos desbalanceados, y se recomienda XGBoost como el algoritmo principal para predecir la graduación de estudiantes.
Hubu et al. (Sun,) estudiaron esta cuestión.